FAQ
1、為什麼一個分片隻能存放 Integer.MAX_VALUE – 128 = 2,147,483,519 個 docs？
索引
一般意義上的索引是一種基于文檔(資料)生成、建立的，用于快速定位指定文檔的工具。
而 ElasticSearch 對索引的定義有所不同，ElasticSearch 中的索引對應 MySQL 中的 Database ，也就說 ElasticSearch 中的索引更像是一種資料存儲集合，即用于存儲文檔。
ElasticSearch 中的資料根據業務以索引為機關進行劃分，Type(類型) 就像 MySQL 中的 Table 一樣，用于區分同一業務中不同的資料集合，如下圖：
當然上圖并不是指 ElasticSearch 中就真的這麼存儲資料，而是大概的表現方式。
不過在 6.x 版本後，就廢棄了 Type ，因為設計者發現 ElasticSearch 這種與關系型資料類比的設計方式有缺陷。在關系型資料庫中，每個資料表都是互相獨立的，即在不同表中相同的資料域是互不關聯的。而 ElasticSearch 底層所用的 Lucene 并沒有關系型資料中的這種特性，在 ElasticSearch 同一個索引中，不同映射類型但是名稱相同的資料域在 Lucene 中是同一個資料域，即作為同一類資料存放在一起。
ElasticSearch 6.x 版本廢棄掉 Type 後，建議的是每個類型(業務)的資料單獨放在一個索引中，這樣其實回歸到一般意義上的索引定義，索引定位文檔。如下圖：
上圖也是一種大概的表現方式，不代表 ElasticSearch 以這種方式處理文檔。
P.S.：如果 ElasticSearch 還是使用 5.x 或以下版本，建議每個索引隻設定一個類型，做到一個索引存儲一種資料。
分片
單個節點由于實體機硬體限制，存儲的文檔是有限的，如果一個索引包含海量文檔，則不能在單個節點存儲。ES 提供分片機制，同一個索引可以存儲在不同分片(資料容器)中。
分片分為主分片 (primary shard) 以及從分片 (replica shard)。主分片會被盡可能平均地 (rebalance) 配置設定在不同的節點上(例如你有 2 個節點，4 個主分片(不考慮備份)，那麼每個節點會分到 2 個分片，後來你增加了 2 個節點，那麼你這 4 個節點上都會有 1 個分片，這個過程叫 relocation，ES 感覺後自動完成)。從分片隻是主分片的一個副本，它用于提供資料的備援副本，從分片和主分片不會出現在同一個節點上(防止單點故障)，預設情況下一個索引建立 5 個主分片，每個主分片會有一個從分片 (5 primary + 5 replica = 10 個分片)。如果你隻有一個節點，那麼 5 個 replica 都無法被配置設定 (unassigned)，此時 cluster status 會變成 Yellow。
分片是獨立的，對于一個 Search Request 的行為，每個分片都會執行這個 Request。每個分片都是一個 Lucene Index，是以一個分片隻能存放 Integer.MAX_VALUE – 128 = 2,147,483,519 個 docs。
replica 的作用主要包括：
1、 容災：primary 分片丢失，replica 分片就會被頂上去成為新的主分片，同時根據這個新的主分片建立新的 replica，叢集資料安然無恙；
2、 提高查詢性能：replica 和 primary 分片的資料是相同的，是以對于一個 query 既可以查主分片也可以查從分片，在合适的範圍内多個 replica 性能會更優(但要考慮資源占用也會提升 [cpu/disk/heap])，另外 Index Request 隻能發生在主分片上，replica 不能執行 Index Request。
注意：對于一個索引，除非重建索引否則不能調整主分片的數目 (number_of_shards)，但可以随時調整 replica 的數目 (number_of_replicas)。
節點
一個 ES 節點就是一個運作的 ES 執行個體，可以實作資料存儲并且搜尋的功能。每個節點都有一個唯一的名稱作為身份辨別，如果沒有設定名稱，預設使用 UUID 作為名稱。最好給每個節點都定義上有意義的名稱，在叢集中區分出各個節點。
一個機器可以有多個執行個體，是以并不能說一台機器就是一個 node，大多數情況下每個 node 運作在一個獨立的環境或虛拟機上。
節點類型
master 節點： 叢集中的一個節點會被選為 master 節點，它将負責管理叢集範疇的變更，例如建立或删除索引，添加節點到叢集或從叢集中删除節點。master 節點無需參與文檔層面的變更和搜尋，這意味着僅有一個 master 節點并不會因流量增長而成為瓶頸。任意一個節點都可以成為 master 節點。
data 節點： 持有資料和反向索引。預設情況下，每個節點都可以通過設定配置檔案 elasticsearch.yml 中的 node.data 屬性為 true (預設) 成為資料節點。如果需要一個專門的主節點 (一個節點既可以是 master 節點，同時也可以是 data 節點)，應将其 node.data 屬性設定為 false。
client 節點： 如果将 node.master 屬性和 node.data 屬性都設定為 false，那麼該節點就是一個用戶端節點，扮演一個負載均衡的角色，将到來的請求路由到叢集中的各個節點。
叢集
節點通過設定叢集名稱，在同一網絡中發現具有相同叢集名稱的節點，組成叢集。每個叢集都有一個 cluster name 作為辨別，預設的叢集名稱為 elasticsearch。如果在同一網絡中隻有一個節點，則這個節點成為一個單節點叢集。
叢集狀态
Green：所有主分片和從分片都準備就緒(配置設定成功)，即使有一台機器挂了(假設一台機器一個執行個體)，資料都不會丢失，但會變成 Yellow 狀态。
Yellow：所有主分片準備就緒，但存在至少一個主分片(假設是 A)對應的從分片沒有就緒，此時叢集屬于警告狀态，意味着叢集高可用和容災能力下降，如果剛好 A 所在的機器挂了，而從分片還處于未就緒狀态，那麼 A 的資料就會丢失(查詢結果不完整)，此時叢集進入 Red 狀态。
Red：至少有一個主分片沒有就緒(直接原因是找不到對應的從分片成為新的主分片)，此時查詢的結果會出現資料丢失(不完整)。
總結
1、 從 ES 6.x 版本開始，已不建議在索引中設定多個類型。正确的結構：一個叢集中有多個索引，一個索引中僅設定一種類型；
2、 一個節點運作在一個獨立的環境或虛拟機上，一個節點可以包含多個分片，一個索引由多個分片組成；
3、 索引的主分片被盡可能平均的配置設定給各個節點；
4、 主分片與對應的從分片不能存儲于同一個節點上。
參考閱讀