ElasticSearch安装

 


JDK8,最低要求

使用Java开发,必须保证ElasticSearch的版本与Java的核心jar包版本对应!(Java环境保证没错)

这里在windows上进行安装

Windows下安装

1、安装

下载地址:https://www.elastic.co/cn/downloads/

历史版本下载:https://www.elastic.co/cn/downloads/past-releases/

解压即可(尽量将ElasticSearch相关工具放在统一目录下)

2、熟悉目录

  1. bin 启动文件目录
  2. config 配置文件目录
  3. 1og4j2 日志配置文件
  4. jvm.options java 虚拟机相关的配置(默认启动占1g内存,内容不够需要自己调整)
  5. elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!
  6. 1ib
  7. 相关jar
  8. modules 功能模块目录
  9. plugins 插件目录
  10. ik分词器

3、启动

一定要检查自己的java环境是否配置好

安装可视化界面

elasticsearch-head

使用前提:需要安装nodejs

1、下载地址

https://github.com/mobz/elasticsearch-head

2、安装

解压即可(尽量将ElasticSearch相关工具放在统一目录下)

3、启动

  1. cd elasticsearch-head
  2. # 安装依赖
  3. npm install
  4. # 启动
  5. npm run start
  6. # 访问
  7. http://localhost:9100/

安装依赖

安装

运行

运行

访问

存在跨域问题(只有当两个页面同源,才能交互)

同源(端口,主机,协议三者都相同)

https://blog.csdn.net/qq_38128179/article/details/84956552

存在跨域问题

开启跨域(在elasticsearch解压目录config下elasticsearch.yml中添加)

  1. # 开启跨域
  2. http.cors.enabled: true
  3. # 所有人访问
  4. http.cors.allow-origin: "*"

重启elasticsearch

再次连接

如何理解上图:

  • 如果你是初学者
    • 索引 可以看做 “数据库”
    • 类型 可以看做 “表”
    • 文档 可以看做 “库中的数据(表中的行)”
  • 这个head,我们只是把它当做可视化数据展示工具,之后所有的查询都在kibana中进行
    • 因为不支持json格式化,不方便

安装kibana

Kibana是一个针对ElasticSearch的开源分析及可视化平台,用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana ,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪表板( dashboard )实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构,几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

1、下载地址:

下载的版本需要与ElasticSearch版本对应

https://www.elastic.co/cn/downloads/

历史版本下载:https://www.elastic.co/cn/downloads/past-releases/

2、安装

解压即可(尽量将ElasticSearch相关工具放在统一目录下)

3、启动

访问

  1. localhost:5601

4、开发工具

(Postman、curl、head、谷歌浏览器插件)

可以使用 Kibana进行测试

如果说,你在英文方面不太擅长,kibana是支持汉化的

5、kibana汉化

编辑器打开kibana解压目录/config/kibana.yml,添加

  1. i18n.locale: "zh-CN"

重启kibana

汉化成功

汉化成功

了解ELK

  • ELK是Elasticsearch、Logstash、 Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。
    • 其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。
      • 像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架,可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es。
    • Logstash是ELK的中央数据流引擎,用于从不同目标(文件/数据存储/MQ )收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。
    • Kibana可以将elasticsearch的数据通过友好的页面展示出来 ,提供实时分析的功能。
  • 市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称 ,但实际上ELK不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。
  1. 收集清洗数据(Logstash) ==> 搜索、存储(ElasticSearch) ==> 展示(Kibana)

posted @   飞翔的小鸟er  阅读(216)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 清华大学推出第四讲使用 DeepSeek + DeepResearch 让科研像聊天一样简单!
· 实操Deepseek接入个人知识库
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
点击右上角即可分享
微信分享提示