ElasticSearch学习2
ES安装及Head插件安装
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）
Windows下安装ElasticSearch
1、安装
历史版本下载：Past Releases of Elastic Stack Software | Elastic
解压即可（尽量将ElasticSearch相关工具放在统一目录下）
2、文件列表
bin 启动文件目录
config 配置文件目录
1og4j2 日志配置文件
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) elasticsearch.yml elasticsearch 的配置文件!
默认9200端口!跨域!
lib 相关jar包
modules 功能模块目录
plugins 插件目录 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
cd elasticsearch-head
# 安装依赖npm install
# 启动npm run start
# 访问http://localhost:9100/
安装依赖
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）
开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）
# 开启跨域http.cors.enabled: true
# 所有人访问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
历史版本下载：Past Releases of Elastic Stack Software | Elastic
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
4、访问
localhost:5601
5、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
6、kibana汉化
编辑器打开kibana解压目录/config/kibana.yml，添加
i18n.locale: "zh-CN"
重启kibana
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。
收集清洗数据(Logstash) ==> 搜索、存储(ElasticSearch) ==> 展示(Kibana)
原文地址：https://blog.csdn.net/qq_58738794/article/details/144389925
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！