Elasticsearch 集群一般是由多个节点共同组成的分布式集群，节点之间互通，彼此配合，共同对外提供搜索和索引服务（节点之间能够将客户端请求转向到合适的节点）。不同的节点会负责不同的角色，有的负责一个，有的可能负责多个。Elasticsearch 中有多个节点角色，如数据节点、主节点、机器学习节点和协调节点。
数据节点（Data Node）
主要承担了数据存储和数据处理的工作，保存索引分片，处理与数据相关的操作，例如 CRUD、搜索、聚合等各种 I/O、内存和 CPU 密集型操作。集群使用过程中，需要注意监控数据节点的资源使用率，并在服务过载时通过添加更多的数据节点，进行集群扩容，以保障集群的稳定性。
主节点（Master Node）
负责轻量化整个集群范围内的操作，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。对于集群健康来说，拥有一个稳定的主节点非常重要。
备选主节点（Master-eligible node）
指有资格被选为主节点的节点，任何符合主节点条件的节点（默认情况下为所有节点）都可以通过主选择过程被选为主节点。
默认情况下，所有节点都是数据节点，也都是备选主节点，对于小型集群来说非常方便。由于数据节点处理索引和搜索数据的请求都是 I/O、内存和 CPU 密集型工作，可能对节点的资源造成压力。随着集群的增长，为了确保主节点稳定且不受压力，保障集群的稳定，需将主节点和数据节点分离。
专用主节点（Dedicated Master Node）
指 Elasticsearch 集群中，设置了只能作为主节点的节点。
专用主节点配置建议
设置专用主节点主要是为了保障集群增大时的稳定性，建议专用主节点个数至少为3个。
专用主节点个数为1：只有1个备选主节点，discovery.zen.minimum_master_nodes 设置为1，网络发生故障时缺少备份。
专用主节点个数为2：有2个备选主节点，minimum_master_nodes 设置为1，有备份节点，但网络发生故障，在重新选主时，有发生脑裂的风险（每个备选主节点都将自己设置为主节点）；minimum_master_nodes 设置为2，发生故障时，可选主节点个数达不到要求，不能选出主节点。
专用主节点个数为3：有3个备选主节点，discovery.zen.minimum_master_nodes 设置为2，网络发生故障时，丢失一个可选主节点，在重新选主时，能有效选出主节点。
机器学习节点（Machine Learning Node）
机器学习节点用于创建机器学习任务，自动进行数据分析，识别异常数据，也可在此节点加载向量模型，提升向量生成和向量检索能力，同时可以与业务进行隔离，提升集群稳定性。
协调节点（Coordinating Node）
协调节点主要负责协调客户端的请求，如搜索请求或批量索引请求，将接收到的请求分发给合适的数据节点，每个数据节点在本地执行请求，并把结果汇集到协调节点。ES 每个节点都可以承担协调节点的角色，在高并发读写、多聚合查询等 CPU 密集型场景，设立独立的协调节点将有益于降低主节点和数据节点负担。
