我要评论安装elasticsearch
1.部署单点es
1.1.创建网络
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
1.2.拉取镜像
# 导入数据 docker pull elasticsearch:7.17.5 docker pull kibana:7.17.5
1.3.运行
运行docker命令，部署单点es：
docker run -d --name es -e "es_java_opts=-xms512m -xmx512m" -e "discovery.type=single-node" -v es-data:/usr/share/elasticsearch/data -v es-plugins:/usr/share/elasticsearch/plugins --privileged --network es-net -p 9200:9200 -p 9300:9300 elasticsearch:7.12.1
docker run -d \
--name es \
-e "es_java_opts=-xms512m -xmx512m" \
-e "discovery.type=single-node" \
-v es-data:/usr/share/elasticsearch/data \
-v es-plugins:/usr/share/elasticsearch/plugins \
--privileged \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
elasticsearch:7.17.5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:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录-v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录-v es-plugins:/usr/share/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，http访问的入口- -p 9300:9300：tcp协议端口，用于集群模式下节点与节点之间的心跳检查的
在浏览器中输入：http://192.168.xxx.xxx:9200 即可看到elasticsearch的响应结果：
2.部署kibana
kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。
2.1.部署
运行docker命令，部署kibana
docker run -d \ --name kibana \ -e elasticsearch_hosts=http://es:9200 \ --network=es-net \ -p 5601:5601 \ kibana:7.12.1 docker run -d \ --name kibana \ -e elasticsearch_hosts=http://es:9200 \ --network=es-net \ -p 5601:5601 \ kibana:7.17.5
--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://192.168.xxx.xxx:5601，即可看到结果
2.2.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。
dsl就是elasticsearch提供的特殊语法，基本格式如下：
[请求方式] /[请求路径]
{
[请求参数key1]: [请求参数value1]，
[请求参数key2]: [请求参数value2]
}
例如：
get /_analyze
{
"analyzer": "standard",
"text": "哈哈哈哈哈哈"
}
3.安装ik分词器
默认是没有安装ik分词器的
3.1.在线安装ik插件（较慢）
# 进入容器内部 docker exec -it es /bin/bash # 在线下载并安装 注意版本与es匹配!!!! ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip #退出 exit #重启容器 docker restart elasticsearch
3.2.离线安装ik插件（推荐）
1）查看数据卷目录
安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录
通过下面命令查看：
docker volume inspect es-plugins
显示结果：
[
{
"createdat": "2022-05-06t10:06:34+08:00",
"driver": "local",
"labels": null,
"mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
"name": "es-plugins",
"options": null,
"scope": "local"
}
]
说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。
2）解压缩分词器安装包
3）上传到es容器的插件数据卷中
4）重启容器
# 4、重启容器 docker restart es
# 查看es日志 docker logs -f es
5）测试：
ik分词器包含两种模式：
ik_smart：最少切分ik_max_word：最细切分
get /_analyze
{
"analyzer": "ik_smart",
"text": "百度百科是一部内容开放、自由的网络百科全书,旨在创造一个涵盖所有领域知识,服务所有互联网用户的中文知识性百科全"
}
结果：
3.3 扩展词词典
随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在。比如：“奥力给”，“传智播客” 等。
所以我们的词汇也需要不断的更新，ik分词器提供了扩展词汇的功能。
1）打开ik分词器config目录：
2）在ikanalyzer.cfg.xml配置文件内容添加：
<?xml version="1.0" encoding="utf-8"?>
<!doctype properties system "http://java.sun.com/dtd/properties.dtd">
<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 *** 添加扩展词典-->
<entry key="ext_dict">ext.dic</entry>
</properties>
3）新建一个 ext.dic，可以参考config目录下复制一个配置文件进行修改
- 奥力给
- 小黑子
4）重启elasticsearch
docker restart es # 查看 日志 docker logs -f elasticsearch
dict loading
日志中已经成功加载ext.dic配置文件
5）测试效果：
get /_analyze
{
"analyzer": "ik_max_word",
"text": "这是一个小黑子，奥力给！"
}
注意当前文件的编码必须是 utf-8 格式，严禁使用windows记事本编辑
3.4 停用词词典
在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语，那么我们在搜索时也应该忽略当前词汇。
ik分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。
1）ikanalyzer.cfg.xml配置文件内容添加：
<?xml version="1.0" encoding="utf-8"?>
<!doctype properties system "http://java.sun.com/dtd/properties.dtd">
<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">ext.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典 *** 添加停用词词典-->
<entry key="ext_stopwords">stopword.dic</entry>
</properties>
3）在 stopword.dic 添加停用词
刘/德/华
4）重启elasticsearch
# 重启服务 docker restart elasticsearch docker restart kibana # 查看 日志 docker logs -f elasticsearch
日志中已经成功加载stopword.dic配置文件
5）测试效果：
get /_analyze
{
"analyzer": "ik_max_word",
"text": "刘/德/华/给我点赞,奥力给！"
}
注意当前文件的编码必须是 utf-8 格式，严禁使用windows记事本编辑
4.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
4.1.创建es集群
首先编写一个docker-compose文件，内容如下：
version: '2.2'
services:
es01:
image: elasticsearch:7.12.1
container_name: es01
environment:
- node.name=es01
- cluster.name=es-docker-cluster
- discovery.seed_hosts=es02,es03
- cluster.initial_master_nodes=es01,es02,es03
- bootstrap.memory_lock=true
- "es_java_opts=-xms512m -xmx512m"
ulimits:
memlock:
soft: -1
hard: -1
volumes:
- data01:/usr/share/elasticsearch/data
ports:
- 9200:9200
networks:
- elastic
es02:
image: elasticsearch:7.12.1
container_name: es02
environment:
- node.name=es02
- cluster.name=es-docker-cluster
- discovery.seed_hosts=es01,es03
- cluster.initial_master_nodes=es01,es02,es03
- bootstrap.memory_lock=true
- "es_java_opts=-xms512m -xmx512m"
ulimits:
memlock:
soft: -1
hard: -1
volumes:
- data02:/usr/share/elasticsearch/data
ports:
- 9201:9200
networks:
- elastic
es03:
image: elasticsearch:7.12.1
container_name: es03
environment:
- node.name=es03
- cluster.name=es-docker-cluster
- discovery.seed_hosts=es01,es02
- cluster.initial_master_nodes=es01,es02,es03
- bootstrap.memory_lock=true
- "es_java_opts=-xms512m -xmx512m"
ulimits:
memlock:
soft: -1
hard: -1
volumes:
- data03:/usr/share/elasticsearch/data
ports:
- 9202:9200
networks:
- elastic
volumes:
data01:
driver: local
data02:
driver: local
data03:
driver: local
networks:
elastic:
driver: bridge
run docker-compose to bring up the cluster：
docker-compose up -d
4.2.集群状态监控
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：https://github.com/lmenezes/cerebro
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持代码网。
发表评论