手把手教你如何安装 Elasticsearch

哈喽，手把手教大家好 ，何安我是手把手教指北君 。

在我们做电商网站的何安时候，如果直接用传统的手把手教通过数据库去搜索数据，数据库内容比较少的何安情况下还能勉强做好及时搜索，但是手把手教如果成百上千的数据在数据库里面 ，你还是何安用传统的搜索数据库的方法，香港云服务器那就要等很长一段时间
，手把手教影响用户体验 ，何安所以一般数据搜索引擎采用的手把手教是Elasticsearch来进行搜索。

1.Elasticsearch简介

全文搜索属于最常见的何安需求，开源的手把手教 Elasticsearch 是目前全文搜索引擎的首选。它可以快速地储存、何安搜索和分析海量数据。手把手教维基百科、Stack Overflow、Github 都采用它。免费模板

Elasticsearch是一个分布式可扩展的实时搜索和分析引擎 ，一个建立在全文搜索引擎 Apache Lucene™ 基础上的搜索引擎。Lucene只是一个框架，要充分利用它的功能
，需要使用JAVA，并且在程序中集成Lucene，学习成本高，且Lucene确实非常复杂。

文档 ：

官方文档
：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

官方中文(版本很旧 
，2.x):https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html

2.基本概念

2.1 index(索引)

ES将数据存储于一个或多个索引中。类比传统的服务器租用关系型数据库领域来说，索引相当于SQL中的一个数据库database ，或者一个数据存储方案(schema)。索引由其名称(必须为全小写字符)进行标识。一个ES集群中可以按需创建任意数目的索引。

2.2 Type(类型)

类型是索引内部的逻辑分区(category/partition) ，一个索引内部可定义一个或多个类型(type)。类比传统的关系型数据库领域来说，类型相当于“表”。

ElasticSearch7—去掉 type 概念 ：

关系型数据库中两个数据表示是独立的云计算  ，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-个索引下其实被认为是高防服务器同一一个filed,你必须在两个不同的type中定义相同的filed映射 。否则
，不同typpe中的相同字段称就会在处理中出现神突的情况，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。

ES 7.x

URL 中的 type 参数 可选，比如索引一个文档不再要求提供文档类型

ES 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的建站模板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2.3 Document(文档)

文档是索引和搜索的原子单位，它是包含了一个或多个域（Field）的容器 ，每个域拥有一个名字及一个或多个值 ，有多个值的域通常称为“多值域”，文档基于JSON格式进行表示
。每个文档可以存储不同的域集 ，但同一类型下的文档应该有某种程度上的相似之处。

简单来说：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 中某个 Table 里面的内容 。

2.4 Cluster(集群)

一个或者多个拥有相同cluster.name配置的节点组成， 它们共同承担数据和负载的压力
。

2.5 节点(Node)

一个运行中的 Elasticsearch 实例称为一个节点
。

ES集群中的节点有三种不同的类型：

主节点：负责管理集群范围内的所有变更，例如增加、删除索引 ，或者增加、删除节点等。主节点并不需要涉及到文档级别的变更和搜索等操作。可以通过属性node.master进行设置。

数据节点 ：存储数据和其对应的倒排索引 
。默认每一个节点都是数据节点（包括主节点），可以通过node.data属性进行设置。

协调节点 ：如果node.master和node.data属性均为false ，则此节点称为协调节点 ，用来响应客户请求
，均衡每个节点的负载。

3.倒排索引

倒排索引: 倒排索引也叫反向索引，通俗来讲正向索引是通过key找value，反向索引则是通过value找key。

对每条要存储的文档进行分词，然后对每个词和所在的记录进行存储。在搜索时，先搜索含有其关键字的记录，然后对所记录计算相关性得分
，得出最终的搜索结果 。

4.Docker安装Elasticsearch

4.1 下载镜像文件 复制docker pull elasticsearch:7.4.2

#存储和检索数据

docker pull kibana:7.4.2 #可视化检索数据1.2. 4.2 创建实例

①Elasticsearch

配置：

复制mkdir -p /mydata/elasticsearch/

config # 用来存放配置文件

mkdir -p /mydata/elasticsearch/

data # 数据

echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml

# 允许任何机器访问

chmod -R 777 /mydata/elasticsearch/ ## 设置elasticsearch文件可读写权限1.2.3.4.

启动
：

复制docker run --name elasticsearch -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 \

-d elasticsearch:7.4.21.2.3.4.5.6.7.

设置开启自启 ：

复制docker update elasticsearch --restart=always1.

特别注意：

-e ES_JAVA_OPTS="-Xms64m -Xmx128m" \ 测试环境下，设置 ES 的初始内存和最大内存，否则导致过大启动不了ES

测试 ：

②Kibana

复制docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.88.14:9200 -p 5601:5601 -d kibana:7.4.21.

上面的ip地址 ：http://192.168.88.14:9200 改成自己Elasticsearch上的地址

测试 ：