解决单点故障
支持高并发
解决海量数据
1.cluster 集群：包含多个节点，每个节点属于哪个集群是通过一个集群名称（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常
通过集群名称来决定的
2.Node 节点：集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为"elasticsearch"的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群
集群中的一个节点，节点也有一个名称
3.shard（分片）：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index。
4.replica（复制品）：预防宕机，为主分片创建多个副本，默认创建五个，从切片默认一个，从切片可以修改。因此可以为每个shard创建多个replica副本
从分片，来做数据冗余
es的流程
一个集群里有多个节点，Node1，Node2，Node3
ES默认就是分布式存储，Es的数据存储都是分片进行存储，一个索引库下有多个主shard，当然为了解决主shard单点故障问题，每个主shard还可以有多个从shard，来做数据冗余。
1.创建索引库的时候，就要确定主shard的数量，后续shard数量是不能修改的。
2.主shard不能和它和当前它自己的从分片在同一个节点，同一家人不能都在一家公司
3.分片都是分别在各个节点上的
4.一个主可以有多个从，但是一个从只能有一个主。
5.同一个主分片的从分片，也不能在同一个节点。
6.主切片位置确定不能改，从切片可以改。
写数据时，怎么得知主分片位置
通过计算documentId 的hashi值的主shard数量，再看计算出的分片在哪个一个主分片
连接节点，存储数据，并将数据复制给从分片。
读数据：也是hash模以主切片的数量，连接该节点。获取主切片从分片信息，通过负载均衡，从多个从分片获得一个从分片，然后读。
后面我想了想，主切片存量不够了怎么办，又不能新增主切片。
我问ai，重新搞个索引库，然后多指定些主切片
为了提高并发，主切片负责写，从切片负责读。
5.集群状态，红绿灯 ，绿色健康，黄色能用（从部分不活跃），红色不健康，至少一个主 不活跃。
6.增加节点，从分片会自动负载均衡。
索引库可以有多个主分片，一个文档只存在一个分片
7.节点都是分了类型的，master节点，client节点，data节点-存放数据的
master节点：类似于注册中心，管理所有数据节点和分片的关系
client节点：负载均衡节点，客户端先连接的client节点，接收外部发生的请求，放在本地，通过计算，计算hash值，进行连接操作。
角色分配不清楚，会出现脑裂问题，高并发，既要接收数据，又要管理，又要写，脑容量不够，最好给节点分配角色。
node.master
node.data 两个都是默认为true
master：代表有资格，决定的话，node.data = false
数据节点：node.master = false
负载均衡