elasticsearch的单节点和集群的安装和使用代码操作

最新推荐文章于 2025-03-22 16:09:42 发布
最新推荐文章于 2025-03-22 16:09:42 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： java基础 文章标签： java elasticsearch 大数据 数据库
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/apologizetm/article/details/82774187
版权
本文详细介绍Elasticsearch单节点及集群的安装配置过程。包括JDK环境搭建、elasticsearch安装步骤、使用Head插件进行数据浏览，以及分布式集群配置等关键环节。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

elasticsearch安装与使用代码操作

单节点的安装

1、首先安装jdk，最好是1.8及其以上的版本
2、下载elasticsearch的压缩包。

elasicsearch下载地址
将下载的压缩包进行解压缩，得到一个文件夹
解压后的目录
进入到这个目录里面去
目录的列表
这里主要用到的就是 bin目录和config目录 bin目录是一些命令 config里面放了配置文件
执行命令启动elasticsearch ： ./bin/elasticsearch -d (-d是让服务在后台运行)
在浏览器里面输入http://localhost:9200/
出现如下页面表示安装成功
在这里插入图片描述
下面介绍一个插件head，它给我们提供了友好的web界面来查看elasticsearch数据
1、下载head插件
插件的下载地址
2、解压下载后的压缩包
3、这个时候需要node的环境能运行这个插件（具体node的安装 大家可以参考下其他的资料)
node安装教程
4、先使用npm install 下载一些需要的依赖 再使用npm run start来启动服务
在浏览器里面输入http://localhost:9100/ 会看到如下页面
head插件的页面
在elasticsearch的config目录的elasticsearch.yml文件的末尾加上：
http.cors.enabled: true
http.cors.allow-origin: “*”
然后停掉当前的elasticsearch服务 重新启动 停止服务的操作：ps aux | grep elasticsearch 找到服务的pid然后使用kill命令停止，再重新启动服务

配置文件修改后的界面

分布式的安装

修改刚才的config下的elasticsearch.yml文件  在文件末尾加上下面四行
	cluster.name: sanxiongdi 
    node.name: laoda
    node.master: true
    network.host: 127.0.0.1

	node.name和cluster.name可以自定义
	然后重启服务后去head插件的页面看下结果

修改名字后的页面

下面把刚才的elasticsearch的压缩包解压两份 重命名 当做两个slave节点来使用
将两份文件当中的config目录下的elasticsearch.yml文件加上下面几段文字：
		cluster.name: sanxiongdi
		node.name: laosan
		network.host: 127.0.0.1
		http.port: 9202
		discovery.zen.ping.unicast.hosts: ["127.0.0.1"]
	其中cluster.name要和刚才的master节点的名字一样
		node.name自己定义不要重复 当做当前节点的名字

		最后一段话就是将当前节点连接到集群上面去

	配置文件修改完后就直接启动服务，然后去head插件的页面（http://localhost:9100/），看到如下页面：

分布式集群安装成功的页面

elasticsearch的单节点个集群的搭建到此结束了，使用命令和代码进行操作的介绍在下篇文章中介绍. 使用命令和代码操作

【python安装】PyCharm专业版安装（超详细+保姆级）
u014481728的博客
10-25 7353
【python安装】PyCharm专业版安装（超详细+保姆级）
pycharm专业版下载安装教程
全栈川川
07-04 2479
pycharm专业版安装教程
安装并免费使用Pycharm专业版(学生/教师)
09-24
主要介绍了安装并免费使用Pycharm专业版(学生/教师),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Pycharm学生免费专业版安装教程的方法步骤
12-16
1. 打开百度搜索PyCharm 进入官网，我们可以看到左边是专业版，右边是社区版，建议使用专业版，功能比较齐全。 2. 双击安装包进行安装。自定义软件安装路径(建议路径中不要中文字符)。 3. 选择开始菜单文件夹(默认即可)，点击安装。耐心等待安装。 4. 安装完成，勾选立即运行PyCharm。 5.选择是否导入开发环境配置文件，我们选择不导入。 6.阅读协议并同意 7.如果有学生的edu邮箱的话可以免费使用专业版，登录的时候用注册好的用户名和密码就可以了。 （具体教程可以参考：https://www.jb51.net/article/196345.htm）
2025最新pycharm安装教程及基本使用（超详细，新手小白必看）
最新发布
m0_65482549的博客
03-22 3783
PyCharm是由 JetBrains 推出的一款专业 Python IDE（集成开发环境），具备一系列强大的功能，能够显著提升 Python 开发效率，包括调试、语法高亮、项目管理、代码跳转、智能提示、自动补全、单元测试和版本控制等功能。（1） Python 之所以强大，离不开广大第三方库的支持，我们在实际项目开发过程中，会使用到各类第三方库，在主界面下左下方，点击Python软件包中的齿轮图标 ，打开 “在Python项目文件夹下，右键新建python文件，命名为hello，回车。将主题背景设置为 “
PyCharm安装教程（超详细）
好好学习 天天向上
04-11 5157
PyCharm
PyCharm 专业版安装资源包
09-05
2022.1 专业版 PyCharm 安装包，附安装教程
PyCharm专业版安装（超详细教程！！保姆级安装教程！！！手把手带你安装）
weixin_45325693的博客
06-19 3029
PyCharm专业版安装（超详细教程！！保姆级安装教程！！！手把手带你安装）
安装pycharm专业版
是抹茶味的啊的博客
01-21 664
下载魄姐工具包 链接：https://pan.baidu.com/s/1fHOthqxElAdvUFWBhMYnTw提取码：3mv7 去官网找往期版本，要是2020.1.3之前的，我下的是1.2 然后skip 将魄姐.zip直接拖进下面的框，然后点击restart 然后点为pycharm安装，再点是 点about，就能看到能用到什么时候了 ...
Python及Pycharm专业版下载安装教程（Python 3.11版）附JetBrains学生认证教程
weixin_45052725的博客
02-25 1万+
这篇文章主要介绍Python和PyCharm专业版的下载及安装方式，以及通过两种方式进行JetBrains学生认证。
pycharm官网安装包，支持x64
05-11
pycharm官网安装包，支持x64
PyCharm 专业版安装图文教程
01-20
通过前面的Python入门教程博客专栏的学习，基本已经算入门Python了，接下来为了巩固Python，此后几篇文章重点在于使用Python进阶开发专栏还望大家多多支持。 所谓好马配好鞍，Python开发已经不同于Python入门，单纯的官方解释器已经满足不了需求了，所有寻找一个好的集成开发环境（IDE）就变得尤为重要了。IDE可以帮助用户提高效率，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。 常见的Python集成开发环境有PyCharm和Anaconda。Anaconda继承了许多常用的开发库，所以使用起来会更加方便、快捷，但是它的界面我个人是
PyCharm 2022最新版详细图文安装教程（python环境搭建+PyCharm安装+运行测试+汉化+背景图设置）
热门推荐
Code_流苏：在代码中寻诗意，在实践中觅真知
11-03 5万+
PyCharm 2022最新版详细图文安装教程（安装+运行测试+汉化+背景图设置），数千字图文详解，一步步教会你如何安装、配置pycharm。
pycharm专业版使用
python全栈
07-27 1万+
首先下载专业版pycharm pycharm下载地址：https://www.jetbrains.com/pycharm/ 1、傻瓜式安装： 下载完成后点击下一步——》 选择软件安装目录——》 勾选64位和.py——》 安装（Install）——》 完成——》 点击 Evaluate for free 免费试用，再点击 Evaluate 2、 a、将 BetterIntelliJ 压缩包拖入pycharm窗口中 c、此时弹出提示框，点击 OK 按钮，之后手动关闭pycharm，再重启。 d、重新打开
最新版超详细PycharmIDE专业版安装配置完整版教程！
zhang120529的博客
02-15 1151
PyCharm是目前最流行、使用最广泛的PythonIDE（IntegratedDevelopmentEnvironment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具！
【2023】PyCharm专业版安装教程（使用jetbrains toolbox管理；学生认证、学信网验证码申请）
天地玄黄 魑魅魍魉 风花雪月 商角徵羽
01-15 2万+
JetBrains Toolbox 是 JetBrains 公司推出的一个桌面应用程序，用于集中管理和安装 JetBrains 的开发工具。“学信档案”是中国高等教育学生信息网（简称“学信网”）各类学生个人信息档案的总称，涉及全国高等教育学生信息数据库中各类学生的学籍、学历、招生录取、助学贷款等信息。首选“大学电子邮件地址”，如果失败（无法接受邮箱申请/收不到邮件）则改用“官方文件” 申请，需要等待审批（我等待两天收到的邮件）下载后，直接双击安装即可。默认安装好在C盘，建议安装后更改位置。
安装 Pycharm 专业版2023-2
wander_alice的博客
08-07 4648
小白想要少走弯路，就要知道很多大佬
请用Python实现手肘法确定KMeans聚类的簇个数
08-05
### 回答1： 好的，以下是一个简单的实现： ```python from sklearn.cluster import KMeans import matplotlib.pyplot as plt import seaborn as sns import numpy as np # 数据集 X = ... # 计算每个k值对应的Inertia inertias = [] for k in range(1, 11): kmeans = KMeans(n_clusters=k, random_state=42) kmeans.fit(X) inertias.append(kmeans.inertia_) # 绘制手肘图 sns.set() plt.plot(range(1, 11), inertias) plt.title('Elbow Method') plt.xlabel('Number of clusters') plt.ylabel('Inertia') plt.show() # 手动确定最佳的k值 diff = np.diff(inertias) plt.plot(range(1, 10), diff) plt.title('Diff Method') plt.xlabel('Number of clusters') plt.ylabel('Difference') plt.show() k = diff.argmax() + 2 print(f"最佳的簇个数为{k}") ``` 解释一下这段代码： 首先，我们导入了`KMeans`类以及其他必要的库。然后，我们定义了一个数据集`X`，可以是任何你想聚类的数据集。接下来，我们计算了每个`k`值对应的Inertia，并将其存储在列表`inertias`中。Inertia表示每个簇内部数据点到簇中心的距离的平方和，它的值越小，说明簇内部的数据点越接近彼此。然后，我们绘制了手肘图，手肘图显示了不同`k`值对应的Inertia值。我们可以看到，在`k=3`时，Inertia的下降速度开始变缓，这就是所谓的“手肘点”，表示增加更多的簇不会显著地降低Inertia值了。 为了更好地确定最佳的簇个数，我们可以计算Inertia值的差异，并绘制差异图。差异值越大，说明增加更多的簇会对模型的性能有所提升。我们可以看到，在`k=3`时，差异值达到了峰值，这也证实了手肘图中的观察结果。 最后，我们手动确定最佳的簇个数`k`，它是差异值最大的位置加上2。在这个例子中，最佳的簇个数为3。 ### 回答2： 手肘法是一种常用于确定KMeans聚类的簇个数的方法。该方法通过计算不同簇个数下的聚类结果的总内离差平方和（Total Within Cluster Sum of Squares, TWCSS）来评估聚类效果。 首先，我们需要导入所需的Python库，包括numpy和sklearn中的KMeans模块： ```python import numpy as np from sklearn.cluster import KMeans ``` 接下来，我们可以使用手肘法来确定KMeans聚类的簇个数。假设我们已经有了用于聚类的数据集data。 我们可以尝试不同的簇个数k，然后计算每个簇个数下的TWCSS。 ```python # 初始化簇个数和TWCSS列表 k_values = [] # 存储簇个数 tWCSS_values = [] # 存储聚类结果的TWCSS for k in range(1, 11): # 尝试1到10个簇 kmeans = KMeans(n_clusters=k).fit(data) # 使用KMeans算法进行聚类 k_values.append(k) tWCSS_values.append(kmeans.inertia_) # 计算并存储TWCSS ``` 接下来，我们可以使用matplotlib库将簇个数和对应的TWCSS绘制成图形，以便选择最合适的簇个数。 ```python import matplotlib.pyplot as plt # 绘制簇个数和TWCSS的图形 plt.plot(k_values, tWCSS_values, 'bo-') plt.xlabel('Number of Clusters (k)') plt.ylabel('Total Within Cluster Sum of Squares (TWCSS)') plt.title('Elbow Method for KMeans Clustering') plt.show() ``` 根据图形的变化趋势，我们可以找到一个拐点（即手肘点），该点对应的簇个数即为适合的聚类簇个数。 最后，我们可以选择手肘点对应的簇个数作为最终的聚类簇个数，并使用KMeans算法进行最终的聚类。 ```python # 选择手肘点对应的簇个数 optimal_k = tWCSS_values.index(min(tWCSS_values)) + 1 # 最终的聚类 final_kmeans = KMeans(n_clusters=optimal_k).fit(data) ``` 以上就是用Python实现手肘法确定KMeans聚类簇个数的方法。 ### 回答3： 手肘法是一种常用的方法来确定KMeans聚类的簇个数。它的基本思想是通过观察各个簇内的误差平方和（SSE）与簇个数的关系，找到一个拐点，即误差平方和的变化开始趋于平缓的位置，该位置对应的簇个数就是最合适的。 要用Python实现手肘法确定KMeans聚类的簇个数，我们可以按照以下步骤进行： 1. 导入所需的库：首先，我们需要导入所需的库，包括numpy用于数据处理和矩阵运算，以及sklearn中的KMeans类用于聚类。 2. 数据准备：将需要聚类的数据准备好，可以是一个特征矩阵，也可以是一个向量。 3. 执行聚类：使用KMeans类进行聚类，可以设置一个较大的簇个数上限，比如10。然后，使用聚类模型的fit方法将数据拟合进去。 4. 计算SSE：对于每个可能的簇个数k，计算对应的簇内误差平方和（SSE）。可以通过访问聚类模型的属性inertia_来获取簇内误差平方和。 5. 找到拐点：通过可视化SSE随簇个数变化的曲线来找到拐点。可以使用matplotlib库绘制曲线。 下面是一个简单的代码示例： ```python import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 准备数据 # data = ... # 执行聚类 k_values = range(1, 11) sse_values = [] for k in k_values: kmeans = KMeans(n_clusters=k) kmeans.fit(data) sse_values.append(kmeans.inertia_) # 可视化曲线 plt.plot(k_values, sse_values, 'bx-') plt.xlabel('簇个数') plt.ylabel('SSE') plt.title('手肘法') plt.show() ``` 通过执行上述代码，我们可以得到一个关于簇个数和SSE的曲线。在该曲线中，我们需要找到一个拐点，即误差平方和的变化开始趋于平缓的位置。该位置对应的簇个数即为最合适的簇个数。 注意，手肘法并不是绝对准确的方法，有时可能需要结合其他评估指标和领域知识来确定最合适的簇个数。
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