Elasticsearch采用多Shard方式，通过配置routing规则将数据分成多个数据子集，每个数据子集提供独立的索引和搜索功能。当写入文档的时候，根据routing规则，将文档发送给特定Shard中建立索引。这样就能实现分布式了。 以下是Elasticsearch单个文档的写入简单流程。

1、数据写入的简单流程

以下是写单个文档所需的步骤：

1、客户端向 NODE I 发送写请求。

2、检查Active的Shard数。

3、NODEI 使用文档 ID 来确定文档属于分片 0，通过集群状态中的内容路由表信息获知分片 0 的主分片位于 NODE3 ，因此请求被转发到 NODE3 上。

4、NODE3 上的主分片执行写操作 。 如果写入成功，则它将请求并行转发到 NODE I 和

NODE2 的副分片上，等待返回结果 。当所有的副分片都报告成功， NODE3 将向协调节点报告

成功，协调节点再向客户端报告成功 。

5、在客户端收到成功响应时 ，意味着写操作已经在主分片和所有副分片都执行完成。

2、索引与分片的关系

分片是一个底层的 工作单元，一个分片是一个 Lucene 的实例，它本身就是一个完整的搜索引擎,文档不会跨分片存储。

索引与分片的关系图：

3、数据写入详细流程

1、将document写入内存buffer缓存中,同时写入到translog中

2、每隔一秒钟，buffer中的数据被写入新的segment file，

3、同时进入os cache，此时index segment file被打开并供search使用,

4、buffer被清空

5、重复1~3，新的segment不断添加，buffer不断被清空，而translog中的数据不断累加

6、当translog长度达到一定程度的时候，commit操作发生

  （6-1）buffer中的所有数据写入一个新的segment，并写入os cache，打开供使用

  （6-2）buffer被清空

  （6-3）一个commit ponit被写入磁盘，标明了所有的index segment

  （6-4）filesystem cache中的所有index segment file缓存数据，被fsync强行刷到磁盘上

7、现有的translog被清空，创建一个新的translog

4、写入一条数据，在Elasticsearch中怎么确定数据写在哪个节点上？

 1、当客户端对一个node发出写入请求，这个node可以称为协调节点

2、协调节点会将document路由到实际节点node的primary shard上,

3、当主分片成功处理这个请求，将请求并行发给副本分片，primary shard 对应的replica shard ，备份分片可能不止一个，主分片和备份不会在同一台机子上（）

4、当primary和replica 都写完后，primary节点向协调节点报告成功，协调节点返回结果给客户端

ES路由规则

写入数据和读取数据都是，以下算法实现：

shard_num = hash(_routing) % num_primary_shards
// _routing：一般都是doc_id
// num_primary_shards：主分片数量

1. 对数据的doc_id进行hash之后的值
2. 在对主要分片数量求余，获得对应编号的主分片

所以 创建索引的时候就确定好主分片的数量，并且永远不会改变这个数量。
如果变了， 那么所有之前路由的值都会无效，文档也再也找不到了。

这时候协调节点就要发请求到各个分片节点上进行查询，这种操作会给集群带来负担，增大了网络的开销。
而自定义的Routing模式，将同一个种类的数据放在相同分片上，这是时候查apple就直接去P1分片上查询就行了。

自定义路由

设置路由的两种方式
// 样例1  指定routing为 key1
PUT route_test1/_doc/b?routing=key1
{
  "type":"apple"
  "data": "red apple"
}
//样例2 指定type字段作为路由
PUT route_test1/_doc/_mapping
{
   "order": {  
        "_routing": {  
            "required": true,  
            "path": "type"  //指定文档的字段作为路由
        }  
    }  
}

# 也可以去查询多个路由
GET route_test/_search?routing=key1,key2 
{
  "query": {
    "match": {
      "type": "apple"
    }
  }
}

另外，指定routing还有个弊端就是容易造成负载不均衡（apple 数据量远大于其他数据）。
所以ES提供了一种机制可以将数据路由到多个shard上面。
只需在创建索引时（也只能在创建时）设置index.routing_partition_size，默认值是1，即只路由到1个shard，可以将其设置为大于1且小于索引shard总数的某个值，就可以路由到多个shard了。

shard_num = (hash(_routing) + hash(_id) % routing_partition_size) % num_primary_shards