elasticsearch 常见的集群部署方式

节点类型

master eligible / data / ingest / coordinating / machine learning

Elasticsearch 被启动后，默认就是 Master eligible Node。然后通过参与选主过程，可以成为 Master Node。

master 节点

负责同步集群状态信息：所有节点信息所有索引即其 Mapping 和 Setting 信息所有分片路由信息主节点负责集群相关的操作，例如创建或删除索引，跟踪哪些节点是集群的一部分，以及决定将哪些分片分配给哪些节点。

只能 Master 节点可以修改信息，是因为这样就能保证数据得一致性。

ingest节点

提取节点，预处理数据，可以看作是数据前置处理转换的节点，支持 pipeline管道 设置，可以使用 ingest 对数据进行过滤、转换等操作，类似于 logstash 中 filter 的作用，功能相当强大。

在实际文档索引发生之前，使用Ingest节点预处理文档。Ingest节点拦截批量和索引请求，它应用转换，然后将文档传递回索引或Bulk API。

data 节点

数据节点，用于保存数据，其在数据扩展上起至关重要的作用。

coordinating节点

是负责接收任何 Client 的请求，包括 REST Client 等。该节点将请求分发到合适的节点，最终把结果汇集到一起。默认每个节点都是 coordinating 节点，设置其他类型全部为 false。

搜索请求在两个阶段中执行（query 和 fetch），这两个阶段由接收客户端请求的节点 - 协调节点协调。

在请求阶段，协调节点将请求转发到保存数据的数据节点。 每个数据节点在本地执行请求并将其结果返回给协调节点。在收集fetch阶段，协调节点将每个数据节点的结果汇集为单个全局结果集。

machine learning节点

负责跑机器学习Job，用来做异常检测。通过 node.ml 配置，默认 true，需要通过 x-pack 开启。

在开发环境中，一个节点可承担多种角色。

在生产环境中：

• 根据数据量，写入和查询的吞吐量，选择合适的部署方式
• 建议设置单一角色的节点

单一节点好处，职责分离

master 节点可以使用低配置cpu ram 和 磁盘

data 节点 使用高配cpu ram 磁盘

ingest 节点 使用高配cpu 中配ram 低配磁盘