docker安装配置elasticsearch,kibana和IK分词器
elasticsearch文章系列前置安装docker创建docker网络安装Elasticsearch运行elasticsearch安装Kibana运行kibanaDevTools安装IK分词器插件配置IK分词器字典推荐配置IK远程热更新字典创建配置字典位置nginx配置转发到字典位置安装拼音分词器插件(也是要版本号保持一致)ES如何卸载插件es安装拼音分词器1.在线安装2.通过zip包安装搭建集群教程(可选)1、为什么要搭建集群?部署es集群docker-compose的安装创建es集群监控ES集群结束elasticsearch文章系列
elasticsearch安装教程大全
elasticsearch学习笔记(一)
elasticsearch学习笔记(二)
elasticsearch学习笔记(三)
前置安装docker
可参考:Debian安装docker
Centos安装docker
创建docker网络
(docker-compose可以直接互连)
因为我们还需要部署kibana容器,因此需要让es和kibana容器互联。这里先创建一个网络:
docker network create es-net
安装Elasticsearch
Elasticsearch
和kibana
版本要一致
#版本要一致docker pull elasticsearch:7.12.1docker pull kibana:7.12.1# 宿主机挂载目录mkdir -p /docker/elasticsearch/datamkdir -p /docker/elasticsearch/plugins
运行elasticsearch
这里默认内存是1g,最好不要少于512m#运行es7docker run -d \--name es7 \-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \-e "discovery.type=single-node" \-v es-data:/docker/elasticsearch/data \-v es-plugins:/docker/elasticsearch/plugins \--privileged \--network es-net \-p 9200:9200 \-p 9300:9300 \elasticsearch:7.12.1
检查是否成功http://ip:9200/
命令解释:
-e "cluster.name=es-docker-cluster"
:设置集群名称-e "http.host=0.0.0.0"
:监听的地址,可以外网访问-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"
:内存大小-e "discovery.type=single-node"
:非集群模式-v es-data:/docker/elasticsearch/data
:挂载逻辑卷,绑定es的数据目录-v es-logs:/docker/elasticsearch/logs
:挂载逻辑卷,绑定es的日志目录-v es-plugins:/docker/elasticsearch/plugins
:挂载逻辑卷,绑定es的插件目录--privileged
:授予逻辑卷访问权--network es-net
:加入一个名为es-net的网络中-p 9200:9200
:端口映射配置
安装Kibana
kibana
可以给我们提供一个elasticsearch的可视化界面
,便于我们学习。
运行kibana
#运行kibanadocker run -d \--name kibana \-e ELASTICSEARCH_HOSTS=http://es7:9200 \--network=es-net \-p 5601:5601 \kibana:7.12.1#检验http://ip:5601/左侧Devtools中可以快速编写DSL
--network es-net
:加入一个名为es-net的网络中,与elasticsearch在同一个网络中-e ELASTICSEARCH_HOSTS=http://es:9200"
:设置elasticsearch的地址,因为kibana已经与elasticsearch在一个网络,因此可以用容器名直接访问elasticsearch-p 5601:5601
:端口映射配置
kibana启动一般比较慢,需要多等待一会,可以通过命令:
docker logs -f kibana
查看运行日志,当查看到下面的日志,说明成功:
此时,在浏览器输入地址访问:http://ip:5601
,即可看到结果
DevTools
kibana中提供了一个DevTools界面:
这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。
安装IK分词器插件
原有默认的分词器对中文分词
并不友好
可以使用IK分词器
#### 安装IK分词器插件# 进入容器内部docker exec -it es7 /bin/bash# 在线下载并安装./bin/elasticsearch-plugin install /medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip# 等待下载安装完成#退出exit#重启容器docker restart es7
IK分词器包含两种模式:
ik_smart
:最少切分
ik_max_word
:最细切分
配置IK分词器字典
es使用通过词来分,但终究别人定义的词,我们可以自定义一些词典
# 可以进入修改字典docker exec -it es7 /bin/bash# 字典目录cd /usr/share/elasticsearch/config/analysis-ik# 修改配置文件vi IKAnalyzer.cfg.xml# :wq# 退回到宿主机exit# 重启es和kibanadocker restart es7docker restart kibana
IKAnalyzer.cfg.xml中可以配置
<properties><comment>IK Analyzer 扩展配置</comment><!--用户可以在这里配置自己的扩展字典 --><entry key="ext_dict"></entry><!--用户可以在这里配置自己的扩展停止词字典--><entry key="ext_stopwords"></entry><!--用户可以在这里配置远程扩展字典 --><entry key="remote_ext_dict">http://113.131.57.206:7090/remote.txt</entry><!--用户可以在这里配置远程扩展停止词字典--><!-- <entry key="remote_ext_stopwords">words_location</entry> --></properties>
上面两个是本地的额外字典
和额外禁止词
位置,可以自己添加xml文件同目录
的文件如,xxx.dic
下面两个是远程的
推荐配置IK远程热更新字典
每次都要进入容器内部修改很麻烦, 而且vi编写也麻烦, 可以通过远程字典来热更新词典
创建配置字典位置
先在宿主机的目录创建字典文件
## 宿主机的目录cd /docker/elasticsearch/IK/## 创建字典文件touch remote.txt
创建完后, 可以通过MobaXterm
等远程连接工具, 然后用VSCode打开编辑
remote.txt
nginx配置转发到字典位置
安装nginx可以参考这里的unbuntu
安装nginx部分(Debian也可以用)
通过apt-get
安装的nginx的目录
#安装好的nginx相关文件位置:/usr/sbin/nginx:主程序/etc/nginx:存放配置文件/usr/share/nginx:存放静态文件/var/log/nginx:存放日志
修改nginx配置
cd /etc/nginx# 修改conf.d目录下的,没有可以自己创建一个# 主配置已经默认引入这目录下所有配置文件cd /conf.d# 创建touch http.conf
http.conf
加入以下内容:
# 根据约定,URL 尾部的 / 表示目录,没有 / 表示文件。所以访问 /some-dir/ 时,服务器会自动去该目录下找对应的默认文件。# 如果访问 /some-dir 的话,服务器会先去找 some-dir 文件,找不到的话会将 some-dir 当成目录,重定向到 /some-dir/# 每次更改后重启nginx# cd /usr/sbin# ./nginx -s reloadserver {listen 7090;server_name localhost;server_name 113.131.57.206; #你的ipcharset 'utf-8';default_type 'text/html';# 端口直接指向那个目录location / {root /docker/elasticsearch/IK; }}
修改后重启nginx
# 每次更改后重启nginxcd /usr/sbin./nginx -s reload
检验访问输入
http://113.131.57.206:7090/remote.txt
然后再去kibana
的devtols
就会按照我们自定义的词汇分词
安装拼音分词器插件(也是要版本号保持一致)
ES如何卸载插件
#进入容器docker exec -it es7 /bin/bash#查看安装了哪些插件./bin/elasticsearch-plugin list#3、卸载x-pack插件#a. 卸载x-pack插件./bin/elasticsearch-plugin remove x-pack#exit#重启容器
es安装拼音分词器
1.在线安装
#进入容器docker exec -it es7 /bin/bash#安装拼音分词器插件./bin/elasticsearch-plugin install /medcl/elasticsearch-analysis-pinyin/releases/download/v7.12.1/elasticsearch-analysis-pinyin-7.12.1.zip#exit#重启容器
github地址:/medcl/elasticsearch-analysis-pinyin
2.通过zip包安装
也可以先下载好/medcl/elasticsearch-analysis-pinyin/releases/download/v7.12.1/elasticsearch-analysis-pinyin-7.12.1.zip这个包,然后上传到对应的挂载目录,例如/var/lib/docker/volumes/es-plugins/_data
然后重启容器就可以。
可以通过docker inspect es7
查看挂载位置
例如
"Source": "/var/lib/docker/volumes/es-plugins/_data","Destination": "/docker/elasticsearch/plugins",
搭建集群教程(可选)
1、为什么要搭建集群?
单机的elasticsearch做数据存储,必然面临两个问题:海量数据存储问题、单点故障问题。
海量数据存储问题:将索引库从逻辑上拆分为N个分片(shard),存储到多个节点单点故障问题:将分片数据在不同节点备份(replica )
ES集群相关概念:
集群(cluster):一组拥有共同的 cluster name 的 节点。
节点(node) :集群中的一个 Elasticearch 实例
分片(shard):索引可以被拆分为不同的部分进行存储,称为分片。在集群环境下,一个索引的不同分片可以拆分到不同的节点中
解决问题:数据量太大,单点存储量有限的问题。
此处,我们把数据分成3片:shard0、shard1、shard2
主分片(Primary shard):相对于副本分片的定义。
副本分片(Replica shard)每个主分片可以有一个或者多个副本,数据和主分片一样。
数据备份可以保证高可用,但是每个分片备份一份,所需要的节点数量就会翻一倍,成本实在是太高了!
为了在高可用和成本间寻求平衡,我们可以这样做:
首先对数据分片,存储到不同节点然后对每个分片进行备份,放到对方节点,完成互相备份
这样可以大大减少所需要的服务节点数量,如图,我们以3分片,每个分片备份一份为例:
现在,每个分片都有1个备份,存储在3个节点:
node0:保存了分片0和1node1:保存了分片0和2node2:保存了分片1和2
部署es集群
我们会在单机上利用docker容器运行多个es实例来模拟es集群。不过生产环境推荐大家每一台服务节点仅部署一个es的实例。
部署es集群可以直接使用docker-compose来完成,但这要求你的Linux虚拟机至少有4G的内存空间
docker-compose的安装
可以参考:docker-compose的安装
创建es集群
首先编写一个docker-compose.yml文件,内容如下:
version: '2.2'services:es01:image: elasticsearch:7.12.1container_name: es01environment:- node.name=es01- cluster.name=es-docker-cluster- discovery.seed_hosts=es02,es03- cluster.initial_master_nodes=es01,es02,es03- "ES_JAVA_OPTS=-Xms512m -Xmx512m"volumes:- data01:/usr/share/elasticsearch/dataports:- 9200:9200networks:- elastices02:image: elasticsearch:7.12.1container_name: es02environment:- node.name=es02- cluster.name=es-docker-cluster- discovery.seed_hosts=es01,es03- cluster.initial_master_nodes=es01,es02,es03- "ES_JAVA_OPTS=-Xms512m -Xmx512m"volumes:- data02:/usr/share/elasticsearch/dataports:- 9201:9200networks:- elastices03:image: elasticsearch:7.12.1container_name: es03environment:- node.name=es03- cluster.name=es-docker-cluster- discovery.seed_hosts=es01,es02- cluster.initial_master_nodes=es01,es02,es03- "ES_JAVA_OPTS=-Xms512m -Xmx512m"volumes:- data03:/usr/share/elasticsearch/datanetworks:- elasticports:- 9202:9200volumes:data01:driver: localdata02:driver: localdata03:driver: localnetworks:elastic:driver: bridge
cluster.name 集群名称discovery.seed_hosts=es02,es03 集群另外两个节点的地址,docker-compose可以用服务名称直接互联cluster.initial_master_nodes=es01,es02,es03 初始化的主节点,主节点是选出来的,这三个都可以参与选举- “ES_JAVA_OPTS=-Xms512m -Xmx512m” 最小内存,最大内存
es运行需要修改一些linux系统权限,修改/etc/sysctl.conf
文件
vi /etc/sysctl.conf
添加下面的内容:
vm.max_map_count=262144#:wq#保存
然后执行命令,让配置生效:
sysctl -p
通过docker-compose启动集群:
上传docker-compose.yml
# 去到docker-compose.yml所在的目录docker-compose up -d
部署后,如果docker和docker-compose同时部署导致所有docker容器都访问不了,也可以看里面的解决方案docker-compose部署
监控ES集群
kibana可以监控es集群,不过新版本需要依赖es的x-pack 功能,配置比较复杂。
这里推荐使用cerebro来监控es集群状态,官方网址:/lmenezes/cerebro
解压后的目录如下
进入bin目录点击cerebro.bat即可启动
访问http://localhost:9000
即可进入管理界面:
输入你的elasticsearch的任意节点的地址和端口,点击connect即可:
结束
至此, 安装完成, 也是博主踩坑慢慢安装过来的, 有任何问题也可以留言与博主交流, 希望对你有帮助!