节点。一个运行中的 Elasticsearch 实例称为一个节点，而集群是由一个或者多个拥有相同 cluster.name 配置的节点组成， 它们共同承担数据和负载的压力。当有节点加入集群中或者从集群中移除节点时，集群将会重新平均分布所有的数据。
作为用户，我们可以将请求发送到 集群中的任何节点 ，包括主节点。 每个节点都知道任意文档所处的位置，并且能够将我们的请求直接转发到存储我们所需文档的节点。 无论我们将请求发送到哪个节点，它都能负责从各个包含我们所需文档的节点收集回数据，并将最终结果返回給客户端。 Elasticsearch 对这一切的管理都是透明的。
主节点和副节点主要的作用如下：
上图是官网的一个例子， 启动了三个节点node1, node2, node3组成了一个集群，该集群有两个分片P和R， 并对每个节点上的分片进行重新分配，将node1的P0分片和node2的R3分片分配到node3上。
分片。是Lucene的最小索引单元。一个shard是一个Lucene的实例。分散在不同的节点Node上，不会存在两个相同的shard存储在同一个node上。
分片又分为主分片和副本分片。在索引建立的时候已经确定了主分片数，副本分片数可以随时进行修改。
副分片的主要作用如下：
段。是Lucene中的倒排索引，是词典term dictionary到文档列表posting list的映射关系。同时为了解决分词之后term过多导致无法全部放入内存的问题，还会在term dictionary上做一层前缀索引term index。
这里面存在三个概念， refresh, flush, translog
在文档被写入到Lucene后， 并不是马上能被搜索，而是通过一个refresh的过程定时将Lucene的buffer数据生成一个segment, 然后刷新到操作系统的文件缓存，此时该文档是可以被搜索到的，因为查询首先会查操作系统缓存。refresh的间隔时间由参数控制，默认1s。
在操作系统缓存中的数据虽然能被搜索到，但是并没有持久化。所以会有一个定时任务（默认30分钟)， 该任务首先将Lucene中的buffer 刷新到操作系统缓存中的segment, 然后将所有的segment进行持久化。
该过程的另一个触发时机是当translog的大小达到一个设置值（默认512m)。
文档写入之后或者刷新文件系统缓存中后， 此时的数据都是在内存中，只要服务器宕机就会出现数据丢失的问题。为了解决此问题， 引入了translog机制， 在文档写入成功到Lucene之后，然后写入一份到translog。
translog文件要等到segment刷到磁盘，而且commit文件更新的时候，才能清空。
由于refresh默认间隔为1s，因此会产生大量的小segment，为此ES会运行一个任务检测当前磁盘中的segment，对符合条件的segment进行合并操作，减少lucene中的segment个数，提高查询速度，降低负载。不仅如此，merge过程也是文档删除和更新操作后，旧的doc真正被删除的时候。用户还可以手动调用_forcemerge API来主动触发merge，以减少集群的segment个数和清理已删除或更新的文档。
参考文章
