ElasticSearch（一） ElasticSearch入门

浅浅的花香味﹌ 2023-01-21 05:27 32阅读 0赞

## 你能get到的知识点？ ##

1.  ES简介以及同类产品对比
2.  ES的基础概念
3.  ES head的安装
4.  ES的单节点安装与集群式安装

> 本文首发于CSDN，作者：lomtom
> 
> 原文链接：**[https://blog.csdn.net/qq\_41929184/article/details/116799994][https_blog.csdn.net_qq_41929184_article_details_116799994]**
> 
> 个人网站：**[https://lomtom.top][https_lomtom.top]**，个人公众号：**博思奥园**，同步更新。
> 
> 你的支持就是我最大的动力。

### 文章目录 ###

*   *  你能get到的知识点？
     *  一、概述
     *   *  什么是ElasticSearch？
         *  同类对比：ES vs Solr
     *  二、入门
     *   *  ES基本概念
     *  三、安装
     *   *  1 ElasticSearch Head
         *  2 单节点安装
         *  3 分布式（集群）安装
         *  4 可视化工具kibana
     *  四、你可能会遇到的问题：
     *   *  1、出现黄色警告
         *  2、ES跨域问题：

## 一、概述 ##

### 什么是ElasticSearch？ ###

ElasticSearch：**高可用**的**分布式**搜索引擎（一般简称为ES），可用于实时存储、检索数据，使用Restful API隐藏**Lucene**的复杂性，可以让全文搜索变得简单

1.  **功能及特点：**
    
    1.  分布式的搜索引擎与数据分析（可拓展到上百台服务器）
    2.  全文检索、结构化检索（检索是使用倒排来实现的）
    3.  对海量数据进行实时处理（支持PB级别数据）
2.  **使用场景：** 可用于大数据、数据清洗等等
3.  **目前使用：**
    
    1.  维基百科：类似国内的百度百科，全文检索、高亮、搜索推荐
    2.  Github：开源代码管理网站
    3.  电商网站
    4.  日志数据分析：logstash采集日志、ES进行复杂的数据分析，常常使用ELK或EFK来进行日志采集分析。
    5.  等等。。。
4.  **背景：** 一个码农失业，给老婆写了一个菜谱的简单搜索引擎，找到工作后，将初版本的搜索引擎进一步迭代，就有了最开始的ElasticSearch。

### 同类对比：ES vs Solr ###

1.  es基本是开箱即用(解压就可以用) ,非常简单，Solr安装略微复杂- 丟丢!
2.  Solr 利用Zookeeper进行分布式管理,而Elasticsearch自身带有分布式协调管理功能。
3.  Solr 支持更多格式的数据,比如SON. XML、 CSV ,而Elasticsearch仅支持json文件格式。
4.  Solr 官方提供的功能更多,而Elasticsearch本身更注重于核心功能。高级功能多有第三方插件提供,例如图形化界面需要  
    kibana友好支撑
5.  Solr 查询快,但更新索引时慢(因为可能会导致IO阻塞)
    
     *  ES建立索引快, 即实时性查询快,用于facebook新浪等搜索。
     *  Solr是传统搜索应用的有力解决方案,但Elasticsearch更适用于新兴的实时搜索应用。
     *  插入数据时，Solr会有明显的搜索效率的降低，而ES不会。
6.  Solr比较成熟,有一一个更大，更成熟的用户、开发和贡献者社区,而Elasticsearch相对开发维护者较少，更新太快,学习使用  
    成本较高。
7.  **ES在未来成为趋势**

## 二、入门 ##

### ES基本概念 ###

（1）**Near Realtime（NRT）**：近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级

（2）**Cluster：集群**，包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常  
（3）**Node**：节点，集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群

（4）**Index**：索引，包含一堆有相似结构的文档数据，类似于数据库中的一个表，例如一个用户表。  
（5）**Type**：类型，每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document。**在7.X版本被弃用，使用\_doc代替。**

在7.X前把index比作数据库名，把type比作表名更加合适，但是在7.X后，type被ES弃用，所以将index比作表，而type就没有啥实际意义，只是迭代的遗留产物，官方在后续版本将彻底弃用type。

（6）**Document**：文档，es中的最小数据单元，类似于数据库中表的一行数据。例如用户表中的某一行数据。

（7）**shard**：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index。  
（8）**replica**：任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。primary shard（建立索引时一次设置，不能修改，默认5个），replica shard（随时修改数量，默认1个），默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。

1.  集群名：在`config/elasticsearch.yml`中配置，**如果需要配置集群，所有的节点名字的集群名字必须一致**

cluster.name: "ES-lomtom"`

1.  如何查看节点状态：

GET /_cluster/health

在一个不包含任何索引的空集群中，它将会有一个类似于如下所示的返回内容：

{
       "cluster_name":          "elasticsearch",
       "status":                "green", 
       "timed_out":             false,
       "number_of_nodes":       1,
       "number_of_data_nodes":  1,
       "active_primary_shards": 0,
       "active_shards":         0,
       "relocating_shards":     0,
       "initializing_shards":   0,
       "unassigned_shards":     0
    }

status 字段是我们最关心的。

status 字段指示着当前集群在总体上是否工作正常。它的三种颜色含义如下：

– 绿色（green）：健康状态，所有的主分片和副本分片都正常运行。  
– 黄色（yellow）：警告状态，所有的主分片都正常运行，但不是所有的副本分片都正常运行。  
– 红色（red）：错误状态，有主分片没能正常运行。

## 三、安装 ##

以前我有一篇文章专门介绍怎么使用docker去安装ES，感兴趣的看一下：[传送门][Link 1]

### 1 ElasticSearch Head ###

ElasticSearch Head可用于ES的可视化。

**安装：**

我们通常可以通过两种方法来使用他：

1.  浏览器插件：谷歌应用商店：https://chrome.google.com/webstore/detail/elasticsearch-head/ffmkiejjmecolpfloofpjologoblkegm/related?utm\_source=chrome-ntp-icon
2.  ES head的源码：https://github.com/mobz/elasticsearch-head/releases
    
     简单的几部就可以使用ES head：（前提是有node环境，并且安装npm）
    
     *  `git clone git://github.com/mobz/elasticsearch-head.git`
     *  `cd elasticsearch-head`
     *  `npm install`
     *  `npm run start`
     *  `open` http://localhost:9100/

### 2 单节点安装 ###

1、docker安装：[见我另一篇文章][Link 1]：https://blog.csdn.net/qq\_41929184/article/details/105033771  
2、压缩包安装：Elasticsearch官网：https://www.elastic.co/cn/elasticsearch/

Support Matrix:  
https://www.elastic.co/cn/support/matrix

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxOTI5MTg0_size_16_color_FFFFFF_t_70][]

启动：  
1、直接下载：进入到 bin 目录下，直接执行 elasticsearch 启动即可。  
2、docker下载：启动容器即可启动ElasticSearch

验证：  
进入[http://localhost:9200/][http_localhost_9200]，出现如下信息即为成功，

{ 
        "name": "0f061808e3b2",
        "cluster_name": "docker-cluster",
        "cluster_uuid": "hSWrz40ASFqFjLrRGvmAoA",
        "version": { 
            "number": "7.5.2",
            "build_flavor": "default",
            "build_type": "docker",
            "build_hash": "8bec50e1e0ad29dad5653712cf3bb580cd1afcdf",
            "build_date": "2020-01-15T12:11:52.313576Z",
            "build_snapshot": false,
            "lucene_version": "8.3.0",
            "minimum_wire_compatibility_version": "6.8.0",
            "minimum_index_compatibility_version": "6.0.0-beta1"
        },
        "tagline": "You Know, for Search"
    }

ES的目录以及含义：

<table> 
 <thead> 
  <tr> 
   <th>目录</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>modules</td> 
   <td>依赖模块目录</td> 
  </tr> 
  <tr> 
   <td>lib</td> 
   <td>第三方依赖库</td> 
  </tr> 
  <tr> 
   <td>logs</td> 
   <td>输出日志目录</td> 
  </tr> 
  <tr> 
   <td>plugins</td> 
   <td>插件目录</td> 
  </tr> 
  <tr> 
   <td>bin</td> 
   <td>可执行文件目录</td> 
  </tr> 
  <tr> 
   <td>config</td> 
   <td>配置文件目录</td> 
  </tr> 
  <tr> 
   <td>data</td> 
   <td>数据存储目录</td> 
  </tr> 
 </tbody> 
</table>

### 3 分布式（集群）安装 ###

*  一主二从
 *  master 的端口是 9200，slave 端口分别是 9201 和 9202

1、如果是docker安装，只需要注意端口映射，以及配置的ip即可，

1、master
    docker run -d --name elaseticsearch -p 9200:9200 -p 9300:9300 -e ES_JAVA_POTS="-Xms256m -Xmx256m"  -e "discovery.type=single-node"  [镜像id]
    
    2、salve1
    docker run -d --name elaseticsearch -p 9200:9200 -p 9300:9300 -e ES_JAVA_POTS="-Xms256m -Xmx256m"  -e "discovery.type=single-node"  [镜像id]
    
    3、slave2
    docker run -d --name elaseticsearch -p 9200:9200 -p 9300:9300 -e ES_JAVA_POTS="-Xms256m -Xmx256m"  -e "discovery.type=single-node"  [镜像id]

2、如果是压缩包，解压后修改相应的`config/elasticsearch.yml`即可

1、master
    cluster.name: "ES-lomtom"
    node.name: "master"  
    http.cors.enabled: true
    http.cors.allow-origin: "*"
    
    node.master: true 
    network.host: localhost
    
    2、slave1
    cluster.name: "ES-lomtom"
    node.name: "slave1"  
    http.cors.enabled: true
    http.cors.allow-origin: "*"
                                                                                                     
    network.host: localhost
    http.port: 9201
    discovery.zen.ping.unicast.hosts: ["127.0.0.1"]
    
    3、slave2
    cluster.name: "ES-lomtom"
    node.name: "slave2"  
    http.cors.enabled: true
    http.cors.allow-origin: "*"
                                                                                                
    network.host: localhost
    http.port: 9202
    discovery.zen.ping.unicast.hosts: ["127.0.0.1"]

然后启动三台机器，使用head插件进行查看  
![20210109111348314.png][]

### 4 可视化工具kibana ###

常常我们需要一个图表式的可视化，kibana就是一个不错的选择。

1、docker安装：[见我另一篇文章][Link 1]  
2、压缩包安装：https://www.elastic.co/cn/downloads/kibana

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxOTI5MTg0_size_16_color_FFFFFF_t_70 1][]

## 四、你可能会遇到的问题： ##

### 1、出现黄色警告 ###

[黄色(yellow)的详细解释][yellow]

### 2、ES跨域问题： ###

可能会遇到的问题：在安装ES head和ES后，打开插件或者head地址，如果未出现相关节点信息可能是因为未配置跨域

打开 config/elasticsearch.yml 文件

http.cors.enabled: true
    http.cors.allow-origin: "*"

启动：  
![20210109112011187.png][]

[https_blog.csdn.net_qq_41929184_article_details_116799994]: https://blog.csdn.net/qq_41929184/article/details/116799994
[https_lomtom.top]: https://lomtom.top
[Link 1]: https://blog.csdn.net/qq_41929184/article/details/105033771
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxOTI5MTg0_size_16_color_FFFFFF_t_70]: /images/20221020/6fcfe173147949dcb04c5843c42b82f6.png
[http_localhost_9200]: http://localhost:9200/
[20210109111348314.png]: /images/20221020/9c61b7f1025f43e990f32f762252c200.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxOTI5MTg0_size_16_color_FFFFFF_t_70 1]: /images/20221020/695de01ccde1491592b5ee7265d75769.png
[yellow]: https://blog.csdn.net/myhes/article/details/106076544
[20210109112011187.png]: /images/20221020/e790c791a0fb45bcbeb73e845d822cca.png