安装elasticsearch：部署单点es，部署kibana，安装IK分词器，部署es集群

已于 2024-05-13 12:55:59 修改
阅读量1.1k 收藏 30
点赞数 22
分类专栏： 杂谈 文章标签： elasticsearch 大数据 搜索引擎
于 2024-04-28 00:32:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aa35434/article/details/138261790
版权

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：

说明：使用Docker Compose可以集群部署一键互联，但是这个地方会采用分别部署的方式，因为将来有可能不需要kibana只需要es，所以这里先讲下单独部署。这个时候就需要手动互联了，创建一个网络让他们都加入到这个网络就ok了。

# es-net ：网络的名字
docker network create es-net

在这里插入图片描述

1.2.加载镜像

这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。

课前资料提供了镜像的tar包：

在这里插入图片描述

大家将其上传到虚拟机中，然后运行命令加载即可：

# 导入数据
docker load -i es.tar

docker load -i kibana.tar

同理还有kibana的tar包也需要这样做。

在这里插入图片描述

在这里插入图片描述

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

在这里插入图片描述

命令解释：

  • -d：后台运行
  • --name：给容器起个名字
  • -e：设置环境变量
    • -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，默认是一个G，不能低于512，es对内存的消耗还是比较大的。
    • -e "discovery.type=single-node"：非集群模式，单点模式运行。
  • -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录（数据保存的目录）
  • -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（将来要给es做扩展就需要往这个插件目录去存东西了）
  • --privileged：授予逻辑卷访问权
  • --network es-net ：让es容器加入一个名为es-net的网络中
  • -p 9200:9200：端口映射配置（对外暴露的端口），暴露的http协议端口，将来供我们用户访问的。
  • -p 9300:9300：将来es容器各个节点之间互联的端口，现在用不到你不暴漏也没问题。
  • elasticsearch:7.12.1：镜像名称。

在浏览器中输入：http://192.168.10.161:9200 即可看到elasticsearch的响应结果：说明es安装成功

注意：换成自己虚拟机的ip地址。

在这里插入图片描述

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

注意：kibana的版本一定要和elasticsearch的版本保持一致。

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1
  • --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

在这里插入图片描述

查看运行日志，当查看到下面的日志，说明成功：

在这里插入图片描述

此时，在浏览器输入地址访问：http://192.168.10.161:5601，即可看到结果
在这里插入图片描述
点击：自己玩
在这里插入图片描述

2.2.DevTools

kibana中提供了一个DevTools界面：点击 开发工具

在这里插入图片描述

这个界面中可以编写DSL来操作elasticsearch，非常方便的发送dsl请求。并且对DSL语句有自动补全功能。

步骤：

  • 表示查询所有的语句
    在这里插入图片描述
  • get：发起get请求
  • _search：代表做一次搜索
  • 点击三角符号就会发送请求把dsl发送给es，如何知道kibana的地址，因为在创建kibana容器的时候指定了es的地址。
    在这里插入图片描述
    总结：这就是kibana中的DevTools作用，帮助我们去发送dsl语句，本质是发送一个restful风格的请求到es当中。

前面访问过es的请求，这也是一个es的restful接口，只不过它的请求路径为空，没有请求参数。
在这里插入图片描述

在DevYools中模拟这样的请求，得到相同的响应结果。
在这里插入图片描述

3.安装IK分词器

3.1.在线安装ik插件（较慢）

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装
./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"
    }
]

在这里插入图片描述

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

下面我们需要把课前资料中的ik分词器解压缩，重命名为ik

在这里插入图片描述

3）上传到es容器的插件数据卷中

也就是/var/lib/docker/volumes/es-plugins/_data ：

在这里插入图片描述

4）重启容器

# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es

在这里插入图片描述

可以看到已经成功加载了一个ik分词器的插件了。

在这里插入图片描述

5）测试：

IK分词器包含两种模式：

  • ik_smart：最少切分，粗粒度的切分，分出的词少

    • eg：程序员，一个词
    • 它会从字数最多往字数越来越少去看，首先看比如说5个字是不是一个词，如果不是在看4个，4个还不是在看3个，程序员这3个恰好是一个词那么就不在继续往下看程序是否是一个词。
    • 分词少：用户在搜索的时候，如果搜索的是程序这个词，就不能搜索到这个文档。搜索出来的概率比较低。
    • 好处：分的词少了，占用的内存就更少了，将来可以缓存更多的数据，查询效率更高一些。
    • 缺点：搜索出来的概率比较低。

  • ik_max_word：最细切分，细粒度的切分，分出的词更多

    • eg：程序员、程序、员，3个词，
    • 分词多带来的后果：在搜索
    • 分词多：用户在搜索的时候，无论输入这3个词中的任意一个，都能搜索到这个文档。
    • 优点：搜索出的概率更大。
    • 缺点：占用内存空间更多。

测试IK分词器- - -最少切分

POST /_analyze
{
  "analyzer": "ik_smart",
  "text": "黑马程序员学习java太棒了！"
}

{
  "tokens" : [
    {
      "token" : "黑马",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "程序员",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "学习",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "java",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "ENGLISH",
      "position" : 3
    },
    {
      "token" : "太棒了",
      "start_offset" : 11,
      "end_offset" : 14,
      "type" : "CN_WORD",
      "position" : 4
    }
  ]
}

在这里插入图片描述

测试IK分词器- - -最细切

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "黑马程序员学习java太棒了"
}

结果：

{
  "tokens" : [
    {
      "token" : "黑马",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "程序员",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "程序",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "员",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "CN_CHAR",
      "position" : 3
    },
    {
      "token" : "学习",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "java",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "ENGLISH",
      "position" : 5
    },
    {
      "token" : "太棒了",
      "start_offset" : 11,
      "end_offset" : 14,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "太棒",
      "start_offset" : 11,
      "end_offset" : 13,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "了",
      "start_offset" : 13,
      "end_offset" : 14,
      "type" : "CN_CHAR",
      "position" : 8
    }
  ]
}

3.3 当前分词存在的问题

思考底层分词的原理，如何知道这几个字合起来就是一个词呢？？？

  • 底层会有一个字典，字典里会有各种各样的词语提前罗列好了，当它要分词的时候拿着这些字去匹配看这个词典里有没有，如果匹配到证明是一个词那么就把它分出来。

字典里面会不会包含全世界所有的词汇？？？

  • 不可能，随着时间的进行会产生很多的网络词语比如：奥利给、白嫖、潘嘎之交等等，这些词在字典中都不存在。

测试：可以看到白嫖、奥利给都是按字分的，说明字典里就没有这几个网络词。

在这里插入图片描述

问题：

  • 如何拓展词典呢？？？
  • 像这种的这种词语单独的分为一个词没有意义，占用内存，一些敏感词汇比如 国家领导人的名字 ，这些禁忌的词汇都不应该出现而是把它禁掉。那么如何实现分词器的个性化设置呢？？？

解决：查看3.4、3.5

3.4 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：

在这里插入图片描述

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>

ext.dic：文件名，也就是说拓展词要来读这个文件，这个文件在当前配置文件所在的目录

在这里插入图片描述

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
在这里插入图片描述

传智教育
奥利给
白嫖

注意：设置为utf-8，否则无效。

在这里插入图片描述

4）重启elasticsearch

docker restart es

# 查看 日志
docker logs -f es

在这里插入图片描述

日志中已经成功加载ext.dic配置文件

5）测试效果：成功分词

POST /_analyze
{
  "analyzer": "ik_smart",
  "text": "传智教育的课程可以白嫖，奥利给，非常的哇塞！"
}

在这里插入图片描述

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

3.5 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>

stopword.dic：文件名，也就是说拓展词要来读这个文件，这个文件在当前配置文件所在的目录

在这里插入图片描述

3）在 stopword.dic 添加停用词
在这里插入图片描述

的
了
奥
啊

同样要设置成utf-8.

在这里插入图片描述

4）重启elasticsearch

# 重启服务
docker restart es
docker restart kibana

# 查看 日志
docker logs -f es

日志中已经成功加载stopword.dic配置文件

5）测试效果：右边没有显示的，被禁用掉了。

POST /_analyze
{
  "analyzer": "ik_smart",
  "text": "传智教育的课程可以白嫖，奥利给，非常的哇塞！"
}

在这里插入图片描述

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

部署es集群可以直接使用docker-compose来完成，我们需要3个docker容器，但是es对内存的需求还是比较大的，最低可运行的内存是512兆，这3个容器至少要占去一两个G的内存了，所以要求你的Linux虚拟机至少有4G的内存空间

docker-compose文件：它是在一个文本文件里去描述多个容器的部署方式，从而将来形成一键部署的效果，因此在这个-compose文件中就描述了我们要部署的3个es节点的容器部署方案。

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:#节点1
    image: elasticsearch:7.12.1 #镜像
    container_name: es01 #容器名称
    environment: #环境变量
      - node.name=es01 #节点名称，在es中每个节点都要有自己的名字不能重复
      - cluster.name=es-docker-cluster #集群名称，es天生支持集群，启动多台机器后只要保证他们的集群名称一样，es会自动把他们组装成一个集群。
      - discovery.seed_hosts=es02,es03 #集群中的另外2台节点的ip地址，没有写ip地址因为docker容器内互联，可以直接用容器名互联
      - cluster.initial_master_nodes=es01,es02,es03 #初始化的主节点，既然是集群一定有主从之分，主是通过选举得来的，这后面配的3个都可以参与选举
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m" #配置jvm的堆内存大小，最小最大都是512M
    volumes:
      - data01:/usr/share/elasticsearch/data #数据卷
    ports:
      - 9200:9200 #容器外端口：容器内端口
    networks:
      - elastic
  es02:#节点2
    image: elasticsearch:7.12.1
    container_name: es02 #容器名发生变化
    environment:
      - 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/data
    ports:
      - 9201:9200 #容器外端口因为9200被占用了所以需要修改：容器内端口因为都是独立的所以可以相同
    networks:
      - elastic
  es03:#节点3
    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
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

上传课前资料的docker-compose文件：内容和上面写的一样

在这里插入图片描述

es运行需要修改一些linux系统权限，修改/etc/sysctl.conf文件
在这里插入图片描述

vi /etc/sysctl.conf

添加下面的内容：
在这里插入图片描述

vm.max_map_count=262144

然后执行命令，让配置生效：
在这里插入图片描述

sysctl -p

通过docker-compose启动集群：

在这里插入图片描述

docker-compose up -d

查看容器状态：启动成功

因为内存占用过高，所以提前把之前的es mq kibana容器关掉了，只保留这3个容器。
在这里插入图片描述

docker ps

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

课前资料已经提供了安装包：

在这里插入图片描述

解压即可使用，非常方便。
在这里插入图片描述

解压好的目录如下：

在这里插入图片描述

进入对应的bin目录：

在这里插入图片描述

双击其中的cerebro.bat文件即可启动服务。

闪退：jdk版本不能太高，切换为jdk8正常启动。
在这里插入图片描述

访问http://localhost:9000 即可进入管理界面：

在这里插入图片描述

输入你的elasticsearch的任意节点的地址和端口，点击connect即可：
http://192.168.10.161:9200

在这里插入图片描述

绿色的条，代表集群处于绿色（健康状态）。

4.3.创建索引库

1）利用kibana的DevTools创建索引库

在DevTools中输入指令：

PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量,默认是1不分片
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}

2）利用cerebro创建索引库

kibana已经停掉了，除了kibana还可以利用cerebro还可以创建索引库：

在这里插入图片描述

填写索引库信息：

在这里插入图片描述

点击右下角的create按钮：

在这里插入图片描述

4.4.查看分片效果

回到首页，即可查看索引库分片效果：

在这里插入图片描述

清风微凉 aaa
关注
  • 22
    点赞
  • 踩
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于Docker安装Elasticsearch
11-11
基于Docker安装Elasticsearch
ES集群部署保姆级教程
10-09
ES集群部署保姆级教程，配置详细，操作简单，适合小白
【Docker】ES、Kibana及IK安装配置
时光有伱，记忆成花~
12-15 1524
ES、Kibana及IK安装配置
ElasticSearch单节点部署步骤
05-01
NULL 博文链接：https://woaijiadanoo.iteye.com/blog/2406140
本地elasticsearch中文分词器 ik分词器安装及使用
aq_money的博客
04-29 9936
ElasticSearch 内置了分词器，如标准分词器、简单分词器、空白词器等。但这些分词器对我们最常使用的中文并不友好，不能按我们的语言习惯进行分词。ik分词器就是一个标准的中文分词器。它可以根据定义的字典对域进行分词，并且支持用户配置自己的字典，所以它除了可以按通用的习惯分词外，我们还可以定制化分词。ik分词器是一个插件包，我们可以用插件的方式将它接入到ES。下载地址：ik分词器地址 注意要选择跟自己es保持一致的版本下载。 将下载的安装包在es安装目录下的plugins下新建一个ik文件夹、将文件解压
es安装ik分词器
专注于Python编程技术的分享与交流，致力于帮助开发者提升编程技能，解决实际问题，探索Python的无限可能。
07-09 8497
IK分词器下载地址： https://github.com/medcl/elasticsearch-analysis-ik/releases ES版本对应的分词器即可安装ik分词器 1.将下载好的zip包解压，生成一个ik文件夹 2.将ik文件夹移动到ES安装目录下的文件夹下（每台ES节点都要执行相同的操作） 3.重启ES集群自定义分词库 1.用在ik中的config目录中新建词库文件输入你定义的词保存。 2.修改ik中的config目录下面的文件。 3.重启ES............
ElasticSearch之IK分词器安装以及使用介绍
热门推荐
qq_39939541的博客
07-27 1万+
elasticsearch 默认的内置分词器对中文的分词效果可能并不理想，因为它们主要是针对英文等拉丁语系的文本设计的。如果要在中文文本上获得更好的分词效果，我们可以考虑使用中文专用的分词器。IK 分词器是一个开源的中文分词器插件，特别为 Elasticsearch 设计和优化。它在中文文本的分词处理上表现出色，能够根据中文语言习惯进行精细的分词。IK 分词器允许用户自定义词典，可以添加新词、调整词频等，以便更好地适应特定的领域或需求。自定义词典可以提高分词的准确性和召回率。
ES安装中文IK分词器
yangkei
10-18 6696
ik分词器安装
es安装教程：单点部署es、部署kibana、以及IK分词器
06-17
**ES安装教程：单点部署ES、部署Kibana及IK分词器** 在本文中，我们将深入探讨如何进行Elasticsearch（ES）的单点部署，安装Kibana，并配置IK分词器，这些都是大数据分析和日志管理中至关重要的组件。 ## 一、...
window版本elasticsearch+elasticsearch-head-maste+kibana+ik分词器
04-26
- Elasticsearch-Head是一个基于Chrome浏览器的插件，用于可视化地查看和管理Elasticsearch集群。 - 在浏览器中安装Mashape插件，然后通过URL `http://localhost:9200/_plugin/head/` 访问Elasticsearch-Head，...
Windows版本（8.11）ElasticSearch、elasticsearch-head、kibana、IK分词
01-12
3. **使用Elasticsearch Head**: 在浏览器中输入`http://localhost:9100`，即可访问Elasticsearch Head，查看和管理你的Elasticsearch集群。 **IK分词器** IK (Inverted Index) 分词器是Elasticsearch中常用的中文...
elasticsearch-所需资料elasticsearch+elasticsearch-head+kibana+IK+jdk.zip
05-24
【elasticsearch-head】: 这是Elasticsearch的一个网页客户端，提供了一个可视化的界面来管理和操作Elasticsearch集群。用户可以通过它查看节点状态、索引信息、执行搜索查询、管理映射等，方便进行集群的日常管理和...
ElasticSearch学习代码有注释和ES安装包、iK分词安装包和kibana安装包
06-15
在本压缩包中，包含了Elasticsearch的安装包以及相关的学习代码，还有iK分词器的安装包和Kibana的安装包。这些组件共同构成了一个强大的数据检索和分析平台。 首先，Elasticsearch的核心特性是其分布式架构。它能够...
es单节点部署
MpenggegeM的博客
07-26 2131
es单节点部署
es（Elasticsearch）安装使用（03ik分词器安装篇）
weixin_35815479的博客
08-07 2803
ik分词器 什么是分词把文本转换为一个个的单词，分词称之为analysis。es默认只对英文语句做分词，中文不支持，每个中文字都会被拆分为独立的个体。es 内置分词standard：默认分词，单词会被拆分，大小会转换为小写。simple：按照非字母分词。大写转为小写。whitespace：按照空格分词。忽略大小写。stop：去除无意义单词，比如the/a/an/is…keyword：不做分词。把整个文本作为一个单独的关键词。.........
Elasticsearch 单节点部署教程，以及踩坑记录_elasticsearch单节点配置
最新发布
2401_84159688的博客
05-03 565
2）、TLS 配置设置被写入 elasticsearch.yml（BEGIN SECURITY AUTO CONFIGURATION 模块）；1）、为传输层和 HTTP 层生成 TLS 证书和密钥；4）、为 Kibana 生成一个注册令牌。3）、为 elastic 用户生成密码。验证服务状态，使用生成的密码登录（
ES 安装IK分词器
xy的博客
09-09 321
theme: hydrogen 原有问题 默认按照逐个单词分词，而不是此词组 Dev Tools - Elastic ``` 测试分词器 POST /_analyze { "text": "To learn about how usage data helps us manage and improve our products and services, see our Pr...
ElasticSearch安装ik分词器
wencan579的博客
04-14 1310
将插件解压到es安装目录下的plugins目录，并重启es。直接请求9200端口可以查到基本信息。下载对应版本的插件zip文件。
ES部署手册.docx
06-06
Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎，能够解决不断涌现出的各种用例。 作为 Elastic Stack 的核心，它集中存储您的数据，帮助您发现意料之中以及意料之外的情况。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值