Elastic Search
简介
是什么
Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域,Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
特点:
-
分布式的实时文件存储,每个字段都被索引并可被搜索
-
分布式的实时分析搜索引擎–做不规则查询
-
可以扩展到上百台服务器,处理PB级结构化或非结构化数据
-
Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。
架构
索引对应着关系型数据库的数据库,类型对应数据库的表,文档对应表里面的记录,属性对应着表里面的列名。
ES能做什么?
- 全文检索(全部字段)、模糊查询(搜索)、数据分析(提供分析语法,例如聚合)
网址
基本概念
index(索引)
动词,相当于MySQL中的insert。
名词,相当于MySQL中的Database。
Type(类型)
在Index (索引)中, 可以定义一个或多个类型。类似于MySQL中的Table;每一种类型的数据放在一起。不建议使用type了官方已经说明不用了。
Document(文档)
保存在某个索引(Index)下,某种类型(Type) 的一个数据(Document),文档是JSON格式的,Document就像是MySQL中的某个Table里面的内容;
倒排索引机制
-
ES检索很快的原因:倒排索引。
-
倒排索引,当我们插入文档时,es会先将我们插入的数据进行分词操作。然后存入倒排索引中。倒排索引表维护了每个单词在那个文档中。这就是我们查询快的原因。
-
检索的时候,也是将检索的内容进行分词,分词会查询倒排索引表获取数据。然后根据相关系数得分对检索的结果进行排序(按照分数降序排列)。
Docker 安装
elasticsearch : 存储和检索数据
kibana : 可视化检索数据
# 启动es
[vagrant@haitao-gmall ~]$ sudo chmod -R 777 /mydata && mkdir -p /mydata/elasticsearch/config && echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml && docker network create --driver bridge es-network
# 9200 我们给es发送指令的端口。9300 es 集群的通信端口
[vagrant@haitao-gmall ~]$ docker rm -f elasticsearch && docker run -d -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
--restart always \
--network es-network \
--name elasticsearch \
elasticsearch:7.6.2
# 启动kibana
[vagrant@haitao-gmall ~]$ docker rm -f kibana && docker run -d \
-p 5601:5601 \
-e ELASTICSEARCH_HOSTS=http://elasticsearch:9200 \
--restart always \
--name kibana \
--network es-network \
kibana:7.6.2
# 查看容器的运行日志
[vagrant@haitao-gmall ~]$ docker logs elasticsearch
# 注意 es 和 kibana 启动需要一点时间,所以一启动是访问不到的。
初步检索
_cat
GET/_ cat/nodes:查看所有节点
GET/_ cat/health: 查看es健康状况
GET/_ cat/master: 查看主节点
GET / cat/indices: 查看所有索引 show databases;
索引一个文档(保存)
保存一个数据,保存在哪个索引的哪个类型下,指定用那个唯一标识。
PUT customer/external/1 --》在customer索引下的external类型下保存1号数据为
PUT customer/external/1
PUT和POST都可以
POST新增。如果不指定id,会自动生成id。指定id就会修改这个数据,并新增版本号;
PUT可以新增也可以修改。PUT必须指定id;由于PUT需要指定id,我们一般用来做修改操作,不指定id会报错。
这些带有下划线开头的,称为元数据,反映了当前的基本信息。
"_index": "customer" 表明该数据在哪个数据库下;
"_type": "external" 表明该数据在哪个类型下;
"_id": "1" 表明被保存数据的id;
"_version": 1, 被保存数据的版本
"result": "created" 这里是创建了一条数据,如果重新put一条数据,则该状态会变为updated,并且版本号也会发生变化。
下面选用POST方式:
添加数据的时候,不指定ID,会自动的生成id,并且类型是新增:
再次使用POST插入数据,仍然是新增的:
添加数据的时候,指定ID,会使用该id,并且类型是新增:
再次使用POST插入数据,类型为updated
查询文档
GET /customer/external/1
http://192.168.137.14:9200/customer/external/1
{
"_index": "customer",//在哪个索引
"_type": "external",//在哪个类型
"_id": "1",//记录id
"_version": 3,//版本号
"_seq_no": 6,//并发控制字段,每次更新都会+1,用来做乐观锁
"_primary_term": 1,//同上,主分片重新分配,如重启,就会变化
"found": true,
"_source": {
"name": "John Doe"
}
}
乐观锁
PUT http://192.168.1.10:9200/customer/external/1?if_seq_no=4&if_primary_term=1
通过“if_seq_no=1&if_primary_term=1 ”,当序列号匹配的时候,才进行修改,否则不修改。
更新文档
- POST更新文档,带有_update
# 我们的文档内容必须放在doc 属性中。
{
"doc":{
"name":1
}
}
# 更新之前会对比原来的数据,数据一致什么都不做,version、seq_no、primary_term 都不变
# 加了_update 就说明是修改,不能执行增加操作
- POST更新文档,不带_update
# put 和 posst(不带_update)都会直接更新数据
删除文档或索引
# 注:elasticsearch并没有提供删除类型的操作,只提供了删除索引和文档的操作。
DELETE customer/external/1
DELETE customer
bulk批量API
语法格式:
{action:{metadata}}\n
{request body }\n
{action:{metadata}}\n
{request body }\n
# 测试批量API 需要借助kibana 完成。
# 这里的批量操作,当发生某一条执行发生失败时,其他的数据仍然能够接着执行,也就是说彼此之间是独立的。
# bulk api以此按顺序执行所有的action(动作)。如果一个单个的动作因任何原因失败,它将继续处理它后面剩余的动作。当bulk api返回时,它将提供每个动作的状态(与发送的顺序相同),所以您可以检查是否一个指定的动作是否失败了。
实例1: 执行多条数据
POST customer/external/_bulk
{"index":{"_id":"1"}}
{"name":"John Doe"}
{"index":{"_id":"2"}}
{"name":"John Doe"}
实例2:对于整个索引执行批量操作
POST /_bulk
{"delete":{"_index":"website","_type":"blog","_id":"123"}}
{"create":{"_index":"website","_type":"blog","_id":"123"}}
{"title":"my first blog post"}
{"index":{"_index":"website","_type":"blog"}}
{"title":"my second blog post"}
{"update":{"_index":"website","_type":"blog","_id":"123"}}
{"doc":{"title":"my updated blog post"}}
样本测试数据
准备了一份顾客银行账户信息的虚构的JSON文档样本。每个文档都有下列的schema(模式)。
{
"account_number": 1,
"balance": 39225,
"firstname": "Amber",
"lastname": "Duke",
"age": 32,
"gender": "M",
"address": "880 Holmes Lane",
"employer": "Pyrami",
"email": "amberduke@pyrami.com",
"city": "Brogan",
"state": "IL"
}
进阶检索
Search API
ES支持两种基本方式检索;
- 通过REST request uri 发送搜索参数 (uri +检索参数);
- 通过REST request body 来发送它们(uri+请求体);
检索信息
-
一切检索从 search开始
GET bank/_ search 检索bank下所有信息,包括type和docs GET bank/_ search?q=*&sort=account_ number:asc 请求参数方式检索 响应结果解释:
took # Elasticsearch执行搜索的时间(毫秒) time_out # 告诉我们搜索是否超时 _shards # 告诉我们多少个分片被搜索了,以及统计了成功/失败的搜索分片 hits # 搜索结果 hits.total # 搜索结果 hits.hits # 实际的搜索结果数组(默认为前10的文档) sort # 结果的排序key (键) (没有则按score排序) score 和 max_score # 相关性得分和最高得分(全文检索用)
-
url 加请求体检索
# query 查询条件,sort 排序 ,from size 分页操作 , _source指定查询的字段 GET /bank/_search { "query": { "match_all": {} }, "sort": [ { "balance": { "order": "desc" } } ], "from": 5, "size": 5, "_source": ["balance","firstname"] }
Query DSL
基本语法
Elasticsearch提供了一个可以执行查询的Json风格的DSL ( domain specific language领域特定语言)。这个被称为Query DSL。该查询语言非常全面,并且刚开始的时候感觉有点复杂,真正学好它的方法是从一些基础的示例开始的。
- 一个查询语句的典型结构
{
query_name:{
argument:value,
argument:value,...
}
}
- 如果是针对某个字段,那么他的结构如下:
{
query_name:{
field_name:{
argument:value,
argument:value,...
}
}
}
- 常用的 argument
query 定义如何查询,
match_ all 查询类型【代表查询所有的所有】,es 中可以在query中组合非常多的查询类型完成复杂查询
除了query 参数之外,我们也可以传递其它的参数以改变查询结果。如 sort, sizefrom+size限定,完成分页功能
sort排序,多字段排序,会在前序字段相等时后续字段内部排序,否则以前序为准
返回部分
_source : 指定返回的属性是那些
# query 查询条件,sort 排序 ,from size 分页操作 , _source指定查询的字段
GET /bank/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"balance": {
"order": "desc"
}
}
],
"from": 5,
"size": 5,
"_source": ["balance","firstname"]
}
match【匹配查询】
- 基本类型(非字符串),精确匹配
# match 匹配查询, 基本类型(非字符串),精确匹配
GET /bank/_search
{
"query": {
"match": {
"account_number": "20"
}
}
}
- 字符串,全文检索
# match 匹配查询, 字符串,全文检索
# 全文检索会按照评分进行排序,会对检索条件进行分词匹配
GET /bank/_search
{
"query": {
"match": {
"address": "Kings"
}
}
}
match_phrase【短语匹配】
将需要匹配的值当成一个整体单词(不分词)进行检索。
GET /bank/_search
{
"query": {
"match_phrase": {
"address": "mill lane"
}
}
}
multi_match【多字段匹配】
多字段之间是 or 的关系 ==> where address like mill or city like mill
GET /bank/_search
{
"query": {
"multi_match": {
"query": "mill",
"fields": [
"address",
"city"
]
}
}
}
bool【复合查询】
bool用来做复合查询:
复合语句可以合并任何其它查询语句,包括复合语句,了解这一点是很重要的。这就意味着,复合语句之间可以互相嵌套,可以表达非常复杂的逻辑。
bool 关系之间是 and 的关系,组合多查询
must 必须满足条件,must_no 必须不满足,should 应该满足的话分高一点,不满足也没关系
- must:必须达到must列举的所有条件
GET /bank/_search
{
"query": {
"bool": {
"must": [
{"range": {
"age": {
"gte": 10,
"lte": 20
}
}}
]
}
}
}
- must_not 必须不是指定的情况
GET /bank/_search
{
"query": {
"bool": {
"must_not": [
{
"match": {
"age": "38"
}
}
]
}
}
}
- should: 应该达到should列举的条件,如果达到会增加相关文档的评分,并不会改变查询的结果。如果query中只有should且只有一种匹配规则,那么should的条件就会被作为默认匹配条件而去改变查询结果
GET /bank/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"lastname": "haitao"
}
}
]
}
}
}
filter【结果过滤】
-
并不是所有的查询都需要产生分数,特别是那些仅用于“filtering" (过滤)的文档。为了不计算分数Elasticsearch会自动检查场景并且优化查询的执行。
-
filter,不会计算相关性得分,must_no 其实也是filter 也不会计算相关性得分。
GET /bank/_search
{"query": {
"bool": {
"filter": [
{"range": {
"age": {
"gte": 10,
"lte": 20
}
}}
]
}
}}
事件 | 猫述 |
---|---|
must | 子句(查询)必须出现在匹配的文档中,并将有助于得分. |
filter | 子句(查询)必须出现在匹配的文档中。然而不像must此查询的分数将被忽略。 |
should | 子句(查询)应出现在匹配文档中,在布尔查询中不包含 must或 fiter子句,一个或多个should子句必须有相匹配的文件。匹配should 条件的最小数且可通过设置minimum_should_match参数。 |
must_not | 子句(查询)不能出现在匹配的文档中。 |
term【精确匹配】
https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-term-query.html
和match 一样。匹配某个属性的值。全文检索字段用match,其他非text字段匹配用term。
# term ,建议精确匹配使用term,全文检索使用match 之类的。
# 因为 term 不会对我们的检索条件分词,然后在匹配
# keyword 也可以达到term 的效果(精确匹配)
GET /bank/_search
{
"query": {
"term": {
"address": "132 Gunnison"
}
}
}
GET /bank/_search
{
"query": {
"match": {
"address.keyword": "132 Gunnison"
}
}
}
# 这个不算精确匹配,只要目标属性的值包含或者等于就能被检索到
GET /bank/_search
{
"query": {
"match_phrase": {
"address": "132 Gunnison"
}
}
}
Aggregation【执行聚合】
聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于SQL GROUPBY和SQL聚合函数。在Elasticsearch中,您有执行搜索返回hits (命中结果),并且同时返回聚合结果,把一个响应中的所有hits (命中结果)分隔开的能力。这是非常强大且有效的,您可以执行查询和多个聚合,并且在一次使用中得到各自的(任何一个的)返回结果,使用一次简洁和简化的API来避免网络往返。
-
聚合的语法
aggs : 执行聚合
"aggs":{
"aggs_name 这次聚合的名字,方便展示在结果集中":{
"AGG_TYPE聚合的类型(avg,term,terms)":{}
}
}
- 搜索address中包含mill 的所有人的年龄分布以及平均年龄
GET /bank/_search
{
"query": {
"match": {
"address": "mill"
}
},
"aggs": {
"ageAgg": {
"terms": {
"field": "age"
}
},
"ageAvg": {
"avg": {
"field": "age"
}
}
},
"size": 0
}
- 按照年龄聚合,并且求出这些年龄段的这些人的平均工资
GET /bank/_search
{
"query": {
"match_all": {}
},
"aggs": {
"ageAvg": {
"terms": {
"field": "age"
},
"aggs": {
"balanceAvg": {
"avg": {
"field": "balance"
}
}
}
}
}
}
- 查出所有年龄的分布,并且这些年龄段中M的平均薪资和F的平均薪资以及这个年龄的总体平均工资
GET /bank/_search
{
"query": {
"match_all": {}
},
"aggs": {
"ageAgg": {
"terms": {
"field": "age",
"size": 100
},
"aggs": {
"genderAgg": {
"terms": {
"field": "gender.keyword",
"size": 100
},
"aggs": {
"balanceAvg": {
"avg": {
"field": "balance"
}
}
}
},
"ageBalanceAvg":{
"avg": {
"field": "balance"
}
}
}
}
}
Mapping
字段类型
映射
Mapping (映射)
Mapping是用来定义一个文档(document),以及它所包含的属性(field) 是如何存储和索引的。比如,使用mapping来定义:
- 哪些字符串属性应该被看做全文本属性(full text fields)
- 哪些属性包含数字,日期或者地理位置。
- 文档中的所有属性是否都能被索引(_all 配置)。
- 日期的格式。
- 自定义映射规则来执行动态添加属性。
- 查看mapping信息
GET /bank/_mapping
- 能自动猜测的映射类型
JSON Type | 域Type |
---|---|
布尔型:true、false | boolean |
整数:123 | long |
浮点数:123.35 | double |
字符串,有效日期:2020-06-20 | date |
字符串:foo bar | string |
新版本改动
介绍
-
关系型数据库中两个数据表示是独立的,即使他们里面有相同名称的列也不影响使用,但ES 中不是这样的。elasticsearch是基于Lucene开发的搜索引擎,而ES中不同type下名称相同 的filed最终在Lucene中的处理方式是一样的。
- 两个不同type下的两个user_name,在ES同一个索引下其实被认为是同一个filed,你必 须在两个不同的type中定义相同的filed映射。否则,不同type中的相同字段名称就会在 处理中出现冲突的情况,导致Lucene处理效率下降。
- 去掉type就是为了提高ES处理数据的效率。
-
Elasticsearch 7.x
- URL中的type参数为可选。比如,索引一个文档不再要求提供文档类型。
-
Elasticsearch 8.x
- 不再支持URL中的type参数。
-
解决:
- 将索引从多类型迁移到单类型,每种类型文档一个独立索引
- 将已存在的索引下的类型数据,全部迁移到指定位置即可。详见数据迁移
创建索引
创建索引的时候指定属性的类型,不使用类型推断
PUT /my_index
{
"mappings": {
"properties": {
"age":{"type": "integer"},
"email":{"type": "keyword"},
"name":{"type": "text"}
}
}
}
添加新的映射信息
PUT /my_index/_mapping
{
"properties":{
"employee_id":{
"type":"long",
"index":false
}
}
}
添加映射
对于已经存在的映射字段,我们不能更新。更新必须创建新的索引进行数据迁移
数据迁移
-
创建新的索引,并且指定映射类型(也可以先创建索引,然后给索引添加类型映射)
-
进行数据迁移
- 如果老的数据有type需要指定类型
POST _reindex { "source":{ "index":"old_bank" }, "dest":{ "index":"new_bank" } } POST _reindex { "source":{ "index":"old_bank", "type":"customer" }, "dest":{ "index":"new_bank" } }
PUT /new_bank
{
"mappings": {
"properties": {
"account_number": {
"type": "integer"
},
"address": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
# 源索引有类型时需要指定类型
POST _reindex
{
"source": {
"index": "bank",
"type": "account"
}
, "dest": {
"index": "new_bank"
}
}
# 没有类型就不指定type
POST _reindex
{
"source": {
"index": "bank"
}
, "dest": {
"index": "new_bank"
}
}
分词
一个tokenizer(分词器)接收一个字符流,将之分割为独立的tokens(词元,通常是独立的单词),然后输出tokens流。
例如:whitespace tokenizer遇到空白字符时分割文本。它会将文本“Quick brown fox!”分割为[Quick,brown,fox!]。
该tokenizer(分词器)还负责记录各个terms(词条)的顺序或position位置(用于phrase短语和word proximity词近邻查询),以及term(词条)所代表的原始word(单词)的start(起始)和end(结束)的character offsets(字符串偏移量)(用于高亮显示搜索的内容)。
elasticsearch提供了很多内置的分词器,可以用来构建custom analyzers(自定义分词器)。
安装ik分词器
安装方式
[vagrant@haitao-gmall plugins]$ mkdir ik
[vagrant@haitao-gmall plugins]$ cd ik/
[vagrant@haitao-gmall ik]$ unzip ../elasticsearch-analysis-ik-7.6.2.zip
[vagrant@haitao-gmall plugins]$ rm -rf elasticsearch-analysis-ik-7.6.2.zip
# 重启es,并查看es 控制台输出
[vagrant@haitao-gmall plugins]$ docker restart elasticsearch
elasticsearch
[vagrant@haitao-gmall plugins]$ docker logs elasticsearch
# 查看是否安装成功
[vagrant@haitao-gmall plugins]$ docker exec -it elasticsearch elasticsearch-plugin list
测试ik分词器
# 默认的分词器
POST _analyze
{
"analyzer": "standard",
"text": "尚硅谷电商项目"
}
# 使用ik分词器
GET _analyze
{
"analyzer": "ik_smart",
"text":"我是中国人"
}
# 使用ik分词器
GET _analyze
{
"analyzer": "ik_max_word",
"text":"我是中国人"
}
能够看出不同的分词器,分词有明显的区别,所以以后定义一个索引不能再使用默认的 mapping 了,要手工建立 mapping.因为要选择分词器。
自定义词库(扩展)
- 修改/usr/share/elasticsearch/plugins/ik/config中的IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config
<?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"></entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">http://nginx/es/fenci.txt</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
原来的xml
<?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"></entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
修改完成后,需要重启elasticsearch容器,否则修改不生效。
更新完成后,es只会对于新增的数据用更新分词。历史数据是不会重新分词的。如果想要历史数据重新分词,需要执行:
POST my_index/_update_by_query?conflicts=proceed
注意:扩展词典的地址我们是搭建nginx 来提供的静态资源,所以需要启动nginx(http://nginx/es/fenci.txt)。下面有启动步骤。
ElasticSearch-Rest-Client
介绍
9300: TCP
- spring-data-elasticsearch:transport-api.jar;
- springboot版本不同,ransport-api.jar不同,不能适配es版本
- 7.x已经不建议使用,8以后就要废弃
9200: HTTP
- jestClient: 非官方,更新慢;
- RestTemplate:模拟HTTP请求,ES很多操作需要自己封装,麻烦;
- HttpClient:同上;
- Elasticsearch-Rest-Client:官方RestClient,封装了ES操作,API层次分明,上手简单;
- 最终选择Elasticsearch-Rest-Client(elasticsearch-rest-high-level-client);
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.6/java-rest-high.html
SpringBoot 整合
依赖
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.6.2</version>
</dependency>
注意:SpringBoot 默认整合了不是我们对应版本的es,我们需要改一下
配置
/**
* User: haitao
* Date: 2020/6/25
* <p>
* 1.导入依赖
* 2.编写配置
* 3. 注入到IOC 中
* 4. 参考API https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.6/java-rest-high.html
*/
@Configuration
public class GulimallElasticSearchConfig {
//
public static final RequestOptions COMMON_OPTIONS;
static {
RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();
// builder.addHeader("Authorization", "Bearer " + TOKEN);
// builder.setHttpAsyncResponseConsumerFactory(
// new HttpAsyncResponseConsumerFactory
// .HeapBufferedResponseConsumerFactory(30 * 1024 * 1024 * 1024));
COMMON_OPTIONS = builder.build();
}
@Bean
public RestHighLevelClient restHighLevelClient() {
RestHighLevelClient client = new RestHighLevelClient(
RestClient.builder(
new HttpHost("192.168.1.10", 9200, "http")));
return client;
}
}
使用
我们的使用场景
安装nginx
# 将nginx 默认的配置copy 出来
[vagrant@haitao-gmall-advance ~]$ docker run -d -P --name nginx nginx:1.10
[vagrant@haitao-gmall-advance ~]$ mkdir -p /mydata/nginx && docker cp nginx:/etc/nginx /mydata/nginx && mv /mydata/nginx/nginx /mydata/nginx/conf
[vagrant@haitao-gmall-advance ~]$ mkdir -p /mydata/nginx/html && docker cp nginx:/usr/share/nginx/html /mydata/nginx/html
[vagrant@haitao-gmall-advance ~]$ mkdir -p /mydata/nginx/html/es
[vagrant@haitao-gmall-advance ~]$ cat>/mydata/nginx/html/es/fenci.txt<<EOF
尚硅谷
乔碧萝
EOF
[vagrant@haitao-gmall-advance ~]$docker rm -f nginx
[vagrant@haitao-gmall-advance ~]$docker run -d -p 80:80 \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
--network es-network \
--restart always \
--name nginx \
nginx:1.10
# 默认生成的文件夹权限是root,所以这里改一下
[vagrant@haitao-gmall-advance ~]$sudo chmod -R 777 /mydata/