安装elasticsearch

一、部署 单点 es

1.1 创建 网络

因为我们还需要部署 kibana 容器，因此需要让es和k i b ana 容器互联。这里先创建一个网络：

docker network create es-net

1.2 加载 镜像

这里我们采用 elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。
这里采用压缩包的方式导入,也可以自己 pull

docker load -i es.tar

同理还有k i b ana的t ar包也需要这样做。

1.3 运行

运行 docker 命令，部署单点 es：

docker run -d 
	--name es 
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" 
    -e "discovery.type=single-node" 
    -v es-data:/usr/share/elasticsearch/data 
    -v es-plugins:/usr/share/elasticsearch/plugins 
    --privileged 
    --network es-net 
    -p 9200:9200 
    -p 9300:9300 
elasticsearch:7.12.1

命令解释：

-e “cluster.name=es-docker–cluster”：设置集群名称
-e “http.host=0.0.0.0”：监听的地址，可以外网访问
-e “ES_JAVA_OPTS=-Xms512m -Xmx512m”：内存大小
-e “d i sc o very.type=sin gle-node”：非集群模式
–v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
–v es-logs:/usr/share/elasticsearch/lo gs：挂载逻辑卷，绑定es的日志目录
–v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
–pr i vileged：授予逻辑卷访问权
–network es-net ：加入一个名为es-net的网络中
–p 9200:9200：端口映射配置

在浏览器中输入：ht t p://192.168.150.101:9200 即可看到 elasticsearch的响应结果：
在这里插入图片描述

二、部署 k i b ana

k i bana可以给我们提供一个 elasticsearch的可视化界面，便于我们学习。

2.1 部署

运行 docker命令，部署 k ibana

docker run -d 
--name kibana 
-e ELASTICSEARCH_HOSTS=http://es:9200 
--network=es-net 
-p 5601:5601  
kibana:7.12.1

–net work es-net ：加入一个名为es-net的网络中，与elastic search在同一个网络中
-e ELASTICSEARCH_HOSTS=http://es:9200″：设置 elastic search的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问 elasticsearch
–p 5601:5601：端口映射配置

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：
在这里插入图片描述
此时，在浏览器输入地址访问：http://192.168.150.101:5601，即可看到结果

2.2 DevTo o ls

kibana中提供了一个DevTo o ls 界面：
在这里插入图片描述
这个界面中可以编写DSL来操作 elasticsearch。并且对DSL语句有自动补全功能。

三、安装IK分词器

3.1 在线 安装 ik 插件（较慢）

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出
exit
#重启容器
docker restart elasticsearch

3.2 离线 安装ik插件（推荐）

1.查看数据卷目录
安装插件需要知道 el ast icsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看el asticsearch的数据卷目录，通过下面命令查看:

docker volume inspect es-plugins

显示结果：

[
    {
        "CreatedAt": "2022-05-06T10:06:34+08:00",
        "Driver": "local",
        "Labels": null,
        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
        "Name": "es-plugins",
        "Options": null,
        "Scope": "local"
    }
]

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data这个目录中。

2.将ik分词器上传到es容器的插件数据卷中

3.重启容器

# 重启容器
docker restart es
# 查看es日志
docker logs -f es

4.测试

ik_smart：智能切分，粗粒度
ik_max_word：最细切分，细粒度

GET /_analyze
{
  "text":"今天天气真不错，加油奥里给！",
  "analyzer": "ik_smart"
}

结果：

{
  "tokens" : [
    {
      "token" : "今天天气",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "真不错",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "加油",
      "start_offset" : 8,
      "end_offset" : 10,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "奥里给",
      "start_offset" : 10,
      "end_offset" : 13,
      "type" : "CN_WORD",
      "position" : 3
    }
  ]
}

3.3 扩展 字典

随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在。比如：“奥力给”，“传智播客” 等。

所以我们的词汇也需要不断的更新，IK分词器提供了扩展词汇的功能。

1.打开IK分词器 config目录：
在这里插入图片描述
2.在IKAnalyzer.cfg.xml 配置文件内容添加：

<?xml version="1.0" encoding="UTF-8"?&gt;
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"&gt;
<properties&gt;
        <comment&gt;IK Analyzer 扩展配置</comment&gt;
        <!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</entry>
</properties>

3.新建一个 ext.dic，可以参考 config目录下复制一个配置文件进行修改

我嘞个豆
奥力给

4.重启elas ti csearch

docker restart es

# 查看 日志
docker logs -f es

**注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑**

3.4 停用词词典

在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语，那么我们在搜索时也应该忽略当前词汇。

IK分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。

1.IKAnalyzer.cfg.xml 配置文件内容添加：

<?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">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>

3.在 stop word.dic 添加停用词

脏话

4.重启elas ti csearch

docker restart es

# 查看 日志
docker logs -f es

**注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑**

四、部署es级群

部署es集群可以直接使用 do cker-compose来完成，不过要求你的Linux 虚拟机至少有4G的内存空间
首先编写一个 do cker-compose文件，内容如下：

version: '2.2'
services:
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data02:/usr/share/elasticsearch/data
    networks:
      - elastic
  es03:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic

volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge