ElasticSearch、可视化页面、kibana安装

ElasticSearch目录

---

二、ElasticSearch安装

JDK8，最低要求

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）

这里在windows上进行安装

2.1、Windows下安装ElasticSearch

2.1.1、下载与安装

下载地址：https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

解压即可使用。（尽量将ElasticSearch相关工具放在统一目录下）

2.1.2、熟悉目录

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.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!
1ib     
	相关jar包
modules 功能模块目录
plugins 插件目录    
	ik分词器

2.1.3、启动

一定要检查自己的java环境是否配置好

2.2、安装可视化界面elasticsearch-head

elasticsearch-head

使用前提：需要安装nodejs

2.2.1、下载地址

https://github.com/mobz/elasticsearch-head

2.2.2、安装

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

2.2.3、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）

https://blog.csdn.net/qq_38128179/article/details/84956552

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

2.3、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。

2.3.1、下载地址

下载的版本需要与ElasticSearch版本对应

https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

2.3.2、安装

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

2.3.3、启动

访问

localhost:5601

2.3.4、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

2.3.5、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

2.4、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)