Elastic Stack——Elastic Stack简介和Elasticsearch核心详解

最新推荐文章于 2024-03-14 16:33:30 发布
最新推荐文章于 2024-03-14 16:33:30 发布
阅读量3.7k 收藏 17
点赞数 4
分类专栏： java 文章标签： 搜索引擎 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/qq_42038623/article/details/105525870
版权

目录

1、Elastic Stack简介

如果你没有听说过Elastic Stack，那你一定听说过ELK，实际上ELK是三款软件的简称，分别是Elasticsearch、
Logstash、Kibana组成，在发展的过程中，又有新成员Beats的加入，所以就形成了Elastic Stack。所以说，ELK是旧的称呼，Elastic Stack是新的名字。
在这里插入图片描述

  • Elasticsearch
    Elasticsearch 基于java，是个开源分布式搜索引擎，它的特点有：分布式，零配置，自动发现，索引自动分片，索引
    副本机制，restful风格接口，多数据源，自动搜索负载等。
  • Logstash
    Logstash 基于java，是一个开源的用于收集,分析和存储日志的工具。
  • Kibana
    Kibana 基于nodejs，也是一个开源和免费的工具，Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的
    Web 界面，可以汇总、分析和搜索重要数据日志。
  • Beats
    Beats是elastic公司开源的一款采集系统监控数据的代理agent，是在被监控服务器上以客户端形式运行的数据收集
    器的统称，可以直接把数据发送给Elasticsearch或者通过Logstash发送给Elasticsearch，然后进行后续的数据分析活
    动。

Beats由如下组成:

  1. Packetbeat：是一个网络数据包分析器，用于监控、收集网络流量信息，Packetbeat嗅探服务器之间的流量，
    解析应用层协议，并关联到消息的处理，其支 持ICMP (v4 and v6)、DNS、HTTP、Mysql、PostgreSQL、Redis、MongoDB、Memcache等协议；
  2. Filebeat：用于监控、收集服务器日志文件，其已取代 logstash forwarder；
  3. Metricbeat：可定期获取外部系统的监控指标信息，其可以监控、收集 Apache、HAProxy、MongoDB
    MySQL、Nginx、PostgreSQL、Redis、System、Zookeeper等服务；
  4. Winlogbeat：用于监控、收集Windows系统的日志信息；

2、Elasticsearch

2.1、简介

ElasticSearch是一个基于Lucene的搜索服务器。 它提供了一一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。
官网：https://www.elastic.co/cn/elasticsearch

2.2、安装

下载地址：：https://www.elastic.co/cn/downloads/elasticsearch
解压即可
点击bin目录下的elasticsearch.bat即可启动服务器，
http://localhost:9200/
访问得到相关的版本信息
在这里插入图片描述
解决允许跨域访问
在 /config/elasticsearch.yml 文件最后添加如下代码

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

2.3、可视化工具elasticsearch-head

由于ES官方并没有为ES提供界面管理工具，仅仅是提供了后台的服务。elasticsearch-head是一个为ES开发的一个页面客户端工具，其源码托管于GitHub，
地址为：https://github.com/mobz/elasticsearch-head

安装启动

  1. 首先要有node环境
  2. 使用npm install安装模块包
  3. npm run srart即可后台启动elasticsearch-head的服务器
  4. 使用 http://localhost:9100 即可访问可视化页面
    在这里插入图片描述

2.4、基本概念

索引

  • 索引（index）是Elasticsearch对逻辑数据的逻辑存储，所以它可以分为更小的部分。
  • 可以把索引看成关系型数据库的表，索引的结构是为快速有效的全文索引准备的，特别是它不存储原始值。
  • Elasticsearch可以把索引存放在一台机器或者分散在多台服务器上，每个索引有一或多个分片（shard），每个
    分片可以有多个副本（replica）。

文档

  • 存储在Elasticsearch中的主要实体叫文档（document）。用关系型数据库来类比的话，一个文档相当于数据库表中的一行记录。
  • Elasticsearch和MongoDB中的文档类似，都可以有不同的结构，但Elasticsearch的文档中，相同字段必须有相同类型。
  • 文档由多个字段组成，每个字段可能多次出现在一个文档里，这样的字段叫多值字段（multivalued）。
  • 每个字段的类型，可以是文本、数值、日期等。字段类型也可以是复杂类型，一个字段包含其他子文档或者数组。

映射

  • 所有文档写进索引之前都会先进行分析，如何将输入的文本分割为词条、哪些词条又会被过滤，这种行为叫做映射（mapping）。一般由用户自己定义规则。

文档类型

  • 在Elasticsearch中，一个索引对象可以存储很多不同用途的对象。例如，一个博客应用程序可以保存文章和评论。
  • 每个文档可以有不同的结构。
  • 不同的文档类型不能为相同的属性设置不同的类型。例如，在同一索引中的所有文档类型中，一个叫title的字段必须具有相同的类型。

2.5、RESTful API

在Elasticsearch中，提供了功能丰富的RESTful API的操作，包括基本的CRUD、创建索引、删除索引等操作。

2.5.1、创建非结构化索引

在Lucene中，创建索引是需要定义字段名称以及字段的类型的，在Elasticsearch中提供了非结构化的索引，就是不需要创建索引结构，即可写入数据到索引中，实际上在Elasticsearch底层会进行结构化操作，此操作对用户是透明的。
创建空索引：

put:	127.0.0.1:9200/hello
#第一个参数：分片数
#第二个参数：副本数
{
    "settings":{
        "index":{
            "number_of_shards":"2",
            "number_of_replicas":"0"
        }
    }
}

#删除索引
DELETE:	127.0.0.1:9200/hello

{
"acknowledged": true
}

在这里插入图片描述

2.5.2、插入数据

URL规则：
POST /{索引}/{类型}/{id}

POST 127.0.0.1:9200/hello/user/1001
#数据
{
    "id":1001,
    "name":"张三",
    "age":20,
    "sex":"男"
}
#响应
{
    "_index":"haoke",
    "_type":"user",
    "_id":"1",
    "_version":1,
    "result":"created",
    "_shards":{
        "total":1,
        "successful":1,
        "failed":0
    },
    "_seq_no":0,
    "_primary_term":1
}

不指定id插入数据：

POST 127.0.0.1:9200/hello/user/
{
	"id":1002,
	"name":"张三",
	"age":20,
	"sex":"男"
}

在这里插入图片描述

2.5.3、更新数据

在Elasticsearch中，文档数据是不为修改的，但是可以通过覆盖的方式进行更新。

PUT 127.0.0.1:9200/hello/user/1001
{
	"id":1001,
	"name":"张三",
	"age":21,
	"sex":"女"
}

这时到数据已经被覆盖了，如果有字段没有值，那么值就为空
如果要局部更新

#注意：这里多了_update标识和"doc"
POST 127.0.0.1:9200/hello/user/1001_update
{
	"doc":{
		"age":23
	}
}

可以看到数据已经被局部更新了。

2.5.4、删除数据

在Elasticsearch中，删除文档数据，只需要发起DELETE请求即可。
DELETE 127.0.0.1:9200/hello/user/1001
需要注意的是，result表示已经删除，version也更加了。
如果删除一条不存在的数据，会响应404：

2.5.5、搜索数据

  1. 根据id搜索数据
Get 127.0.0.1:9200/hello/user/1001

#响应数据
{
    "_index": "hello",
    "_type": "user",
    "_id": "1001",
    "_version": 3,
    "found": true,
    "_source": {
        "id": 1001,
        "name": "张三",
        "age": 66,
        "sex": "女"
    }
}
  1. 搜索全部数据
    Get 127.0.0.1:9200/hello/user/1001
  2. 关键字搜素数据
#查询年龄等于20的用户
GET 127.0.0.1:9200/hello/user/_search?q=age:20

2.5.6、DSL搜索

Elasticsearch提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。
DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。

#实现：查询年龄等于20的用户
POST 127.0.0.1:9200/hello/user/_search
#请求体
{
    "query":{
        "match":{
            "age":"20"
        }
    }
}

#实现：查询年龄大于30岁的男性用户。
POST 127.0.0.1:9200/hello/user/_search
#请求体
{
    "query":{
        "bool":{
            "filter":{
                "range":{
                    "age":{
                        "gt":25
                    }
                }
            },
            "must":{
                "match":{
                    "sex":"男"
                }
            }
        }
    }
}


#实现：高亮显示
POST 127.0.0.1:9200/hello/user/_search
#请求体
{
    "query":{
        "match":{
            "name":"张三 李四"
        }
    },
    "highlight":{
        "fields":{
            "name":{

            }
        }
    }
}


#实现：聚合
在Elasticsearch中，支持聚合操作，类似SQL中的group by操作。
POST 127.0.0.1:9200/hello/user/_search
#请求体
{
    "aggs":{
        "all_interests":{
            "terms":{
                "field":"age"
            }
        }
    }
}

索引

{
    "settings":{
        "index":{
            "number_of_shards":"2",
            "number_of_replicas":"0"
        }
    },
    "mappings":{
        "person":{
            "properties":{
                "name":{
                    "type":"text"
                },
                "age":{
                    "type":"integer"
                },
                "mail":{
                    "type":"keyword"
                },
                "hobby":{
                    "type":"text"
                }
            }
        }
    }
}

3、核心详解

3.1、文档

在Elasticsearch中，文档以JSON格式进行存储，可以是复杂的结构

  • 元数据（metadata）
    一个文档不只有数据。它还包含了元数据(metadata)——关于文档的信息。三个必须的元数据节点是：
    **[]图片**
  • _index
    索引(index)类似于关系型数据库里的“数据库”——它是我们存储和索引关联数据的地方
  • _type
    每个类型(type)都有自己的映射(mapping)或者结构定义，就像传统数据库表中的列一样。所有类型下的文档被存储在同一个索引下，但是类型的映射(mapping)会告诉Elasticsearch不同的文档如何被索引。
    _type 的名字可以是大写或小写，不能包含下划线或逗号。我们将使用 blog 做为类型名。
  • _id
    id仅仅是一个字符串，它与 _index 和 _type 组合时，就可以在Elasticsearch中唯一标识一个文档。当创建一个文
    档，你可以自定义 _id ，也可以让Elasticsearch帮你自动生成（32位长度）。

3.2、查询响应

3.2.1、pretty

可以在查询url后面添加pretty参数，使得返回的json更易查看。
**[]图片**

3.2.2、指定响应字段

在响应的数据中，如果我们不需要全部的字段，可以指定某些需要的字段进行返回

GET	 http://127.0.0.1:9200/itcast/person/If6JeXEBTDVmGkzkSswT?_source=age,name

响应数据
{
    "_index": "itcast",
    "_type": "person",
    "_id": "If6JeXEBTDVmGkzkSswT",
    "_version": 1,
    "found": true,
    "_source": {
        "name": "张三",
        "age": 20
    }
}

如不需要返回元数据，仅仅返回原始数据，可以这样：

GET	http://127.0.0.1:9200/itcast/person/If6JeXEBTDVmGkzkSswT/_source
#响应数据
{
    "name": "张三",
    "age": 20,
    "mail": "111@qq.com",
    "hobby": "羽毛球、乒乓球、足球"
}

还可以这样：
GET http://127.0.0.1:9200/itcast/person/If6JeXEBTDVmGkzkSswT/_source?_source=age,name
#响应数据
{
    "name": "张三",
    "age": 20
}

3.3、判断文档是否存在

如果我们只需要判断文档是否存在，而不是查询文档内容，那么可以这样：
HEAD http://127.0.0.1:9200/itcast/person/1001/
如果文档存在：响应头信息状态码200
如果文档不存在：响应头信息状态码404

3.4、批量操作

有些情况下可以通过批量操作以减少网络请求。如：批量查询、批量插入数据。

3.4.1、批量查询

_mget

http://127.0.0.1:9200/itcast/person/_mget

{
	"ids" : [ "1001", "1003" ]
}

如果，某一条数据不存在，不影响整体响应，需要通过found的值进行判断是否查询到数据。

3.4.2、_bulk操作

在Elasticsearch中，支持批量的插入、修改、删除操作，都是通过_bulk的api完成的。
请求格式如下：（请求格式不同寻常）

{ action: { metadata }}\n
{ request body }\n
{ action: { metadata }}\n
{ request body }\n
...(这个一定要有一个换行)

注意：末尾一定要有一个换行

  1. 批量插入数据：
POST	127.0.0.1:9200/itcast/_bulk

{"create":{"_index":"haoke","_type":"user","_id":2001}}
{"id":2001,"name":"name1","age": 20,"sex": "男"}
{"create":{"_index":"haoke","_type":"user","_id":2002}}
{"id":2002,"name":"name2","age": 20,"sex": "男"}
{"create":{"_index":"haoke","_type":"user","_id":2003}}
{"id":2003,"name":"name3","age": 20,"sex": "男"}
  1. 批量删除：
POST	127.0.0.1:9200/itcast/_bulk
{"delete":{"_index":"haoke","_type":"user","_id":2001}}
{"delete":{"_index":"haoke","_type":"user","_id":2002}}
{"delete":{"_index":"haoke","_type":"user","_id":2003}}

由于delete没有请求体，所以，action的下一行直接就是下一个action。
其他操作类似。
一次请求多少性能最高？
通常着眼于你请求批次的物理大小是非常有用的。一千个1kB的文档和一千个1MB的文档大不相同。一个好的
批次最好保持在5-15MB大小间。

3.5、分页

和SQL使用 LIMIT 关键字返回只有一页的结果一样，Elasticsearch接受 from 和 size 参数：
size: 结果数，默认10
from: 跳过开始的结果数，默认0
如果你想每页显示5个结果，页码从1到3，那请求如下：

GET /_search?size=5
GET /_search?size=5&from=5
GET /_search?size=5&from=10

GET	 127.0.0.1:9200/hello/user/_search?size=2&from=2

应该当心分页太深或者一次请求太多的结果。结果在返回前会被排序。但是记住一个搜索请求常常涉及多个分
片。每个分片生成自己排好序的结果，它们接着需要集中起来排序以确保整体排序正确。

在集群系统中深度分页
们假设在一个有5个主分片的索引中搜索。当我们请求结果的第一
页（结果1到10）时，每个分片产生自己最顶端10个结果然后返回它们给请求节点(requesting node)，它再
排序这所有的50个结果以选出顶端的10个结果。
现在假设我们请求第1000页——结果10001到10010。工作方式都相同，不同的是每个分片都必须产生顶端的
10010个结果。然后请求节点排序这50050个结果并丢弃50040个！
你可以看到在分布式系统中，排序结果的花费随着分页的深入而成倍增长。这也是为什么网络搜索引擎中任何
语句不能返回多于1000个结果的原因。

3.6、映射

前面我们创建的索引以及插入数据，都是由Elasticsearch进行自动判断类型，有些时候我们是需要进行明确字段类型的，否则，自动判断的类型和实际需求是不相符的。
自动判断的规则如下：
[]图片
Elasticsearch中支持的类型如下：
【】图片
注意

  • string类型在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和
    keyword类型替代。
  • text 类型，当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型
    以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段
    不用于排序，很少用于聚合。
  • keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过
    滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精
    确值搜索到。

创建明确类型的索引：

PUT`127.0.0.1:9200/itcast
{
    "settings":{
        "index":{
            "number_of_shards":"2",
            "number_of_replicas":"0"
        }
    },
    "mappings":{
        "person":{
            "properties":{
                "name":{
                    "type":"text"
                },
                "age":{
                    "type":"integer"
                },
                "mail":{
                    "type":"keyword"
                },
                "hobby":{
                    "type":"text"
                }
            }
        }
    }
}

查看映射：
GET 127.0.0.1:9200/itcast/_mapping
插入数据：

POST	127.0.0.1:9200/itcast/_bulk
{"index":{"_index":"itcast","_type":"person"}}
{"name":"张三","age": 20,"mail": "111@qq.com","hobby":"羽毛球、乒乓球、足球"}
{"index":{"_index":"itcast","_type":"person"}}
{"name":"李四","age": 21,"mail": "222@qq.com","hobby":"羽毛球、乒乓球、足球、篮球"}
{"index":{"_index":"itcast","_type":"person"}}
{"name":"王五","age": 22,"mail": "333@qq.com","hobby":"羽毛球、篮球、游泳、听音乐"}
{"index":{"_index":"itcast","_type":"person"}}
{"name":"赵六","age": 23,"mail": "444@qq.com","hobby":"跑步、游泳"}
{"index":{"_index":"itcast","_type":"person"}}
{"name":"孙七","age": 24,"mail": "555@qq.com","hobby":"听音乐、看电影"}

在这里插入图片描述
测试搜索：

POST	127.0.0.1:9200/itcast/person/_search
{
    "query":{
        "match":{
            "hobby":"音乐"
        }
    }
}

3.7、结构化查询

3.7.1、term查询

term 主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)：

{ "term": { "age": 26 }}
{ "term": { "date": "2014-09-01" }}
{ "term": { "public": true }}
{ "term": { "tag": "full_text" }}
#示例
POST	127.0.0.1:9200/itcast/person/_search
{
    "query":{
        "term":{
            "age":20
        }
    }
}

3.7.2、terms查询

terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配：

POST	127.0.0.1:9200/itcast/person/_search
{
    "query":{
        "terms":{
            "age" : [20,21]
        }
    }
}

3.7.3、range查询

range 过滤允许我们按照指定范围查找一批数据：
范围操作符包含：
gt :: 大于
gte :: 大于等于
lt :: 小于
lte :: 小于等于
示例

POST	127.0.0.1:9200/itcast/person/_search
{
    "query":{
        "range":{
            "age":{
                "gte":20,
                "lte":22
            }
        }
    }
}

3.7.4、exists 查询

exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的 IS_NULL 条件

POST	127.0.0.1:9200/itcast/person/_search
{
    "query":{
        "exists":{
            "field": "hobby"
        }
    }
}

3.6.5、match查询

match 查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析 match 一下查询字符：
如果用 match 下指定了一个确切值，在遇到数字，日期，布尔值或者 not_analyzed 的字符串时，它将为你搜索你
给定的值：

{ "match": { "age": 26 }}
{ "match": { "date": "2014-09-01" }}
{ "match": { "public": true }}
{ "match": { "tag": "full_text" }}

3.7.6、bool查询

  • bool 查询可以用来合并多个条件查询结果的布尔逻辑，它包含一下操作符：
  • must :: 多个查询条件的完全匹配,相当于 and 。
  • must_not :: 多个查询条件的相反匹配，相当于 not 。
  • should :: 至少有一个查询条件匹配, 相当于 or 。

这些参数可以分别继承一个查询条件或者一个查询条件的数组：

POST	127.0.0.1:9200/itcast/person/_search
{
   "query":{
   	 "bool":{
    	"must":{
    		"match":{"hobby":"足球"}
    	},
    	"must_not":{
    		"match":{"hobby":"音乐"}
    	},
        "should":[
            {
                "match":{
                    "hobby":"足球"
                }
            },
            {
                "match":{
                    "hobby":"羽毛球"
                }
            }
        ]
    }
   }
}

3.8、过滤查询

前面讲过结构化查询，Elasticsearch也支持过滤查询，如term、range、match等。
示例：查询年龄为20岁的用户。

POST	127.0.0.1:9200/itcast/person/_search
{
    "query":{
        "bool":{
            "filter":{
                "term":{
                    "age":20
                }
            }
        }
    }
}

查询和过滤的对比

  • 一条过滤语句会询问每个文档的字段值是否包含着特定值。
  • 查询语句会询问每个文档的字段值与特定值的匹配程度如何。
    一条查询语句会计算每个文档与查询语句的相关性，会给出一个相关性评分 _score，并且 按照相关性对匹配到的文档进行排序。 这种评分方式非常适用于一个没有完全配置结果的全文本搜索。
  • 一个简单的文档列表，快速匹配运算并存入内存是十分方便的， 每个文档仅需要1个字节。这些缓存的过滤结果
    集与后续请求的结合使用是非常高效的。
  • 查询语句不仅要查找相匹配的文档，还需要计算每个文档的相关性，所以一般来说查询语句要比 过滤语句更耗时，并且查询结果也不可缓存。

建议：
做精确匹配搜索时，最好用过滤语句，因为过滤语句可以缓存数据。

配套软件和教程下载

点击下载
链接：https://pan.baidu.com/s/1HJbA3Wsgbuqyd8pX4g7cpA
提取码：e506

不愿意做鱼的小鲸鱼
关注
  • 4
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
elasticstack部署完全版
09-19
elasticstack部署完全版，包含HA的方式（kafka缓存日志的方式）
elasticstash安装使用（java）
06-08
ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。
Elastic stack（一）：Elastic stack简介、Elasticsearch简介、安装
最新发布
dl_11的博客
03-14 1196
ELK是三款软件的简称，分别是Elasticsearch、Logstash、Kibana，在发展的过程中，又有新成员Beats的加入，所以就形成了Elastic Stack。说白了Elastic Stack相当于以前的ELK。Elasticsearch是Elastic Stack的核心，是一个分布式搜索和分析引擎。Logstash和Beats有助于收集、聚合和丰富数据，并将其存储在Elasticsearch中。Kibana让你 以交互方式探索、可视化和共享数据的见解，并管理和监控整个堆栈。
【开发】中间件——ElasticStack
努力，奋斗！
03-28 1103
ElasticStack简介，Beats日志采集，Kibana可视化，LogStash日志
浅谈Elastic Stack组件集成和应用
weixin_59801183的博客
12-09 975
Elastic Stack（以前称为 ELK Stack）是一套开源的日志管理和分析解决方案，由 Elasticsearch、Logstash、Kibana 和 Beats 四个主要组件组成。本文将详细讲解 Elasticsearch 与其他 Elastic Stack 组件的集成和应用。
Elastic Stack简介入门
qqxhb 资源共享
11-01 376
Elastic Stack是指Elasticsearch、Logstash 、 Kibana和Beats。 1、Beats Beats 是轻量的数据采集工具，集合了多种单一用途数据采集器。它们从成百上千或成千上万台机器和系统向 Logstash 或 Elasticsearch 发送数据。 1.1、FileBeat FileBeat是轻量型日志采集器。当您要面对成百上千、甚至成千上万的服务器、...
Elastic Stack简介和Elasticsearch基本介绍
yfy的博客
06-04 2997
1． Elastic Stack简介 1.1简介 ELK是一个免费开源的日志分析架构技术栈总称，官网https://www.elastic.co/cn。包含三大基础组件，分别是Elasticsearch、Logstash、Kibana。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搜索、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。下面是ELK架构： 随着elk的发展，又有新成员Beats、elastic cloud的加入，所以就形成了Elastic Stack.
Elastic Stack 概述
weixin_45880055的博客
04-24 2835
文章目录一、Elastic Stack简介三、elasticsearch四、logstash二、Beats五、kibana六、常见架构 一、Elastic Stack简介 “ELK”是三个开源项目的首字母缩写，这三个项目分别是：Elasticsearch、Logstash 和 Kibana。Elasticsearch 是一个搜索和分析引擎。Logstash 是服务器端数据处理管道，能够同时从多个来源采集数据，转换数据，然后将数据发送到诸如 Elasticsearch 等“存储库”中。Kibana 则可以让用
Elastic Stack之Elasticsearch教程
yz2015的博客
11-06 1733
1.Elastic Stack简介 2.Elasticsearch 2.1 简介 2.2 安装 2.2.1 版本说明 2.2.2 下载 2.2.3 单机版安装 2.2.4 elasticsearch-head 2.3 基本概念 2.4 RESTful API 2.4.1 创建非结构化数据 2.4.2 插入数据 2.4.3 更新数据 2.4.4 删除数据 2.4.5 搜索数据 2.4.6 DSL搜索 2.4.7 高亮显示 2.4.8 聚合 3. 核心详解 3.1 文档 3.2 查询响应 3.2.1 pret.
Elasticsearch与Elastic Stack对比
禅与计算机程序设计艺术
01-18 961
1.背景介绍 Elasticsearch是一个开源的搜索和分析引擎，它基于Lucene库构建，具有高性能、可扩展性和实时性。Elastic Stack是Elasticsearch的上层组件，它包括Kibana、Logstash和Beats等多个模块，用于数据收集、可视化和监控。在本文中，我们将对Elasticsearch和Elastic Stack进行详细对比，揭示它们之间的关系和联系。 2....
Elastic Stack搭建部署及使用示例（手把手）
weixin_38251332的博客
05-15 1165
文章目录zookeeper安装部署配置：zoo.cfg创建数据和日志目录创建myid文件zk使用zookeeper可视化:kafkakafka伪分布式安装部署beatsfilebeatmetricbeat 配置elasticsearchlogstashkibana 本博客是演示基于filebeat->kafka->logstash->elasticsearch->kibana 数据采集、及数据可视化分析系统搭建。 包括配置方法、使用实例、运维脚本 zookeeper安装部署 采用伪集
elastic-stack:以简单的方式学习 Elasticsearch、Logstash、Kibana 和 Beats
05-31
初学者的弹性堆栈 添加作者 概括 删除 更新中 节点和集群 分片和副本 倒排索引 在堆栈上前进 基巴纳 日志存储 Kibana搜索 创建视图 我们的第一个仪表板 开发与生产 节拍 监控容器 结论
day14-ElasticStack学习之Elasticsearch进阶.zip
01-29
黑马程序员-JavaEE 57期-day14-ElasticStack学习之Elasticsearch进阶代码、讲义和资料
如何阅读我的文章来学习 Elastic Stack
11-08
如何阅读我的文章来学习 Elastic Stack。
ElasticStack学习之Elasticsearch进阶.zip
10-16
ElasticStack学习之Elasticsearch进阶
ElasticStack学习之Elasticsearch入门.docx
10-16
ElasticStack学习之Elasticsearch入门
微信公众平台开发（四）——微信网页授权：获取用户openid&用户基本信息
不愿意做鱼的小鲸鱼の博客
03-24 8765
在开发中，如果web产品需要使用到微信的功能,比如微信授权登录、微信支付、微信投票等，我是开发的东东是一个web项目，然而如果需要接入微信的话，就需要使用道微信的微信网页开发相关的功能。
kkFileView在线文件预览项目学习&搭建
不愿意做鱼的小鲸鱼の博客
12-20 5680
目录1. kkFileView介绍2. 源码下载3. 项目启动和配置修改4. 项目打包和部署4.1、打包4.2、部署4.3、文件预览乱码问题5. web中使用API 在偶然的翻阅大佬博客的时候，发现一个挺有意思的项目：kkFileView，在线文件预览项目 1. kkFileView介绍 kkFileView是git的开源在线文件预览项目 支持格式：doc、docx、ppt、pptx、xls、xlsx、zip、rar、mp4、mp3以及众多类文本如txt、html、xml、java、properties、s
Spring学习笔记（三十六）——SpringBoot 实现大文件分片上传、断点续传及秒传
不愿意做鱼的小鲸鱼の博客
07-01 5100
小文件（图片、文档、视频）上传可以直接使用很多ui框架封装的上传组件，或者自己写一个input 上传，利用FormData 对象提交文件数据，后端使用spring提供的MultipartFile进行文件的接收，然后写入即可。但是对于比较大的文件，比如上传2G左右的文件（http上传），就需要将文件分片上传（file.slice()），否则中间http长时间连接可能会断掉。分片上传 分片上传，就是将所要上传的文件，按照一定的大小，将整个文件分隔成多个数据块（我们称之为Part）来进行分别上传，上传完...
elasticstack
09-05
Elastic Stack是一个由Elastic公司开发和维护的开源数据分析平台。它由多个组件组成，包括Elasticsearch、Logstash、Kibana和Beats。每个组件都有独特的功能，但一起使用时，它们可以实现强大的数据收集、存储、搜索、分析和可视化。 - Elasticsearch是一个分布式搜索和分析引擎，能够处理大规模数据的实时搜索和分析。 - Logstash是用于数据收集、转换和发送的服务器端管道工具，可以将数据从各种来源收集到Elasticsearch中进行处理和存储。 - Kibana是一个用于可视化和分析数据的开源平台，可以通过界面直观地探索、查询和生成仪表盘来展示Elasticsearch中的数据。 - Beats是轻量级的数据收集器，可以安装在各种不同的服务器上，用于收集各种类型的数据并将其发送到Elasticsearch或Logstash进行处理。 通过使用Elastic Stack，用户可以实时监控日志、指标和其他类型的数据，进行搜索、分析和可视化，以便更好地理解和利用数据。它在许多领域都有广泛的应用，如日志管理、应用程序性能监控、安全分析等。

“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

打赏作者

不愿意做鱼的小鲸鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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