文章目录

一、Elasticsearch集群
- 1、Elasticsearch集群概念
- 2、Elasticsearch集群安装
- 3、安装Kibana
- 4、测试集群状态
二、Elasticsearch优化
- 1、磁盘选择
- 2、分片策略
- 3、内存设置
三、Elasticsearch实践
- 1、ES自动补全
- 2、创建索引
- 3、安装logstash导入数据
- 4、项目搭建
- 5、自动补全功能
- 6、高亮搜索关键字功能
- 7、页面展示
总结：

一、Elasticsearch集群

1、Elasticsearch集群概念

当索引足够大时，需要建立ES集群，此时需要将索引拆分成多分，分别放入不同的服务器中，几台服务器维护同一个索引。每一台服务器为一个节点，每一台服务器中的数据称为一个分片。
如果某个节点故障，则会造成集群崩溃，所以每个节点的分片往往还会创建副本，存放在其他节点中，此时一个节点崩溃就不会影响整个集群的正常运行了。即分片和该分片的副本不会存放在同一个节点上。
1）节点（node）：一个节点是集群中的一台服务器，是集群的一部分。它存储数据，参与集群的索引和搜索功能。集群中有一个主节点，主节点通过ES集群内部选举产生。
2）集群（cluster）：一组节点组织在一起称为一个集群，它们共同持有整个的数据，并一起提供索引和搜索功能。
3）分片（shards）：ES可以把完整的索引分成多个分片，分别存储在不同的节点上。
4）副本（replicas）：ES可以为每个分片创建副本，提高查询效率，保证在分片数据丢失后的恢复。
分片数量只能在索引创建时指定，索引创建后不能再更改分片数量，但可以改变副本的数量。

2、Elasticsearch集群安装

下载Elasticsearch7.17.7版本：https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.17.7-linux-x86_64.tar.gz
因为8.6.2版本，与springboot整合ES的版本不一致无法解析响应正文，而且7.17.7也是比较新的
将该压缩包通过Mobax终端上传到目录/中，进入到目录/中，然后解压到目录/usr/local/中：tar -zxvf elasticsearch-7.17.7-linux-x86_64.tar.gz -C /usr/local/
安装ik分词器到该ES服务中：
1）下载IKAnalyzer：https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.17.7/elasticsearch-analysis-ik-7.17.7.zip
2）通过mobax上传至虚拟机的目录/，进入到目录/中，然后进行解压缩：unzip elasticsearch-analysis-ik-7.17.7.zip -d /usr/local/elasticsearch-7.17.7/plugins/analysis-ik
安装拼音分词器到该ES服务中：
1）下载拼音分词器：https://github.com/medcl/elasticsearch-analysis-pinyin/releases/download/v7.17.7/elasticsearch-analysis-pinyin-7.17.7.zip
2）通过mobax上传到虚拟机的/目录，进入到目录/中，解压到elasticsearch的plugins/analysis-pinyin目录下：unzip elasticsearch-analysis-pinyin-7.17.7.zip -d /usr/local/elasticsearch-7.17.7/plugins/analysis-pinyin
给es用取得该文件件的权限：chown -R es:es /usr/local/elasticsearch-7.17.7

修改配置文件：vim /usr/local/elasticsearch-7.17.7/config/elasticsearch.yml，添加如下

#集群名称，保证唯一
cluster.name: my_elasticsearch
#节点名称，必须不一样
node.name: node1
#可以访问该节点的ip地址
network.host: 0.0.0.0
#该节点服务端口号
http.port: 9200
#集群间通信端口号
transport.tcp.port: 9300
#候选主节点的设备地址
discovery.seed_hosts: ["127.0.0.1:9300","127.0.0.1:9301","127.0.0.1:9302"]
#候选主节点的节点名
cluster.initial_master_nodes: ["node1","node2","node3"]
#关闭安全认证，才能访问es
xpack.security.enabled: false
xpack.security.http.ssl:enabled: false

将elasticsearch-7.17.7文件夹修改名字为myes1：mv /usr/local/elasticsearch-7.17.7/ /usr/local/myes1
切换为es用户：su es
后台启动第一个ES节点：ES_JAVA_OPTS="-Xms512m -Xmx512m" /usr/local/myes1/bin/elasticsearch -d，默认占用4G，只是为了搭建集群而搭建集群，所以设置512m的内存。
测试ES服务是否正常启动：curl 127.0.0.1:9200
切换为root用户：su root
进入到目录/中，然后将ES压缩包解压到目录/usr/local/中：tar -zxvf elasticsearch-7.17.7-linux-x86_64.tar.gz -C /usr/local/
进入到目录/中，然后将ik分词器压缩包进行解压缩：unzip elasticsearch-analysis-ik-7.17.7.zip -d /usr/local/elasticsearch-7.17.7/plugins/analysis-ik
进入到目录/中，然后将pinyin分词器解压到elasticsearch的plugins/analysis-pinyin目录下：unzip elasticsearch-analysis-pinyin-7.17.7.zip -d /usr/local/elasticsearch-7.17.7/plugins/analysis-pinyin
给es用取得该文件件的权限：chown -R es:es /usr/local/elasticsearch-7.17.7

修改配置文件：vim /usr/local/elasticsearch-7.17.7/config/elasticsearch.yml，添加如下

#集群名称，保证唯一
cluster.name: my_elasticsearch
#节点名称，必须不一样
node.name: node2
#可以访问该节点的ip地址
network.host: 0.0.0.0
#该节点服务端口号
http.port: 9201
#集群间通信端口号
transport.tcp.port: 9301
#候选主节点的设备地址
discovery.seed_hosts: ["127.0.0.1:9300","127.0.0.1:9301","127.0.0.1:9302"]
#候选主节点的节点名
cluster.initial_master_nodes: ["node1","node2","node3"]
#关闭安全认证，才能访问es
xpack.security.enabled: false
xpack.security.http.ssl:enabled: false

将elasticsearch-7.17.7文件夹修改名字为myes2：mv /usr/local/elasticsearch-7.17.7/ /usr/local/myes2
进入到目录/中，然后将ES压缩包解压到目录/usr/local/中：tar -zxvf elasticsearch-7.17.7-linux-x86_64.tar.gz -C /usr/local/
进入到目录/中，然后将ik分词器压缩包进行解压缩：unzip elasticsearch-analysis-ik-7.17.7.zip -d /usr/local/elasticsearch-7.17.7/plugins/analysis-ik
进入到目录/中，然后将pinyin分词器解压到elasticsearch的plugins/analysis-pinyin目录下：unzip elasticsearch-analysis-pinyin-7.17.7.zip -d /usr/local/elasticsearch-7.17.7/plugins/analysis-pinyin
给es用取得该文件件的权限：chown -R es:es /usr/local/elasticsearch-7.17.7

修改配置文件：vim /usr/local/elasticsearch-7.17.7/config/elasticsearch.yml，添加如下

#集群名称，保证唯一
cluster.name: my_elasticsearch
#节点名称，必须不一样
node.name: node3
#可以访问该节点的ip地址
network.host: 0.0.0.0
#该节点服务端口号
http.port: 9202
#集群间通信端口号
transport.tcp.port: 9302
#候选主节点的设备地址
discovery.seed_hosts: ["127.0.0.1:9300","127.0.0.1:9301","127.0.0.1:9302"]
#候选主节点的节点名
cluster.initial_master_nodes: ["node1","node2","node3"]
#关闭安全认证，才能访问es
xpack.security.enabled: false
xpack.security.http.ssl:enabled: false

将elasticsearch-7.17.7文件夹修改名字为myes3：mv /usr/local/elasticsearch-7.17.7/ /usr/local/myes3
切换为es用户：su es
后台启动第二个ES节点：ES_JAVA_OPTS="-Xms512m -Xmx512m" /usr/local/myes2/bin/elasticsearch -d
后台启动第三个ES节点：ES_JAVA_OPTS="-Xms512m -Xmx512m" /usr/local/myes3/bin/elasticsearch -d
查看集群是否搭建成功，访问浏览器：http://192.168.126.24:9200/_cat/nodes
查看集群的状态：curl -uelastic:pwd -XGET "http://127.0.0.1:9200/_cluster/health?pretty"

3、安装Kibana

在Elasticsearch官网下载linux版的kibana：https://artifacts.elastic.co/downloads/kibana/kibana-7.17.7-linux-x86_64.tar.gz
切换到root用户：su root
在目录/中上传该压缩包，然后在目录/下解压缩到目录/usr/local/中：tar -zxvf kibana-7.17.7-linux-x86_64.tar.gz -C /usr/local/
修改配置文件
1）进入到config目录下：cd /usr/local/kibana-7.17.7-linux-x86_64/config
2）修改配置文件：vim kibana.yml
3）添加kibana主机ip：server.host: "192.168.126.24"
添加Elasticsearch路径：elasticsearch.hosts: ["http://127.0.0.1:9200","http://127.0.0.1:9201","http://127.0.0.1:9202"]
给es用户设置kibana目录权限：chown -R es:es /usr/local/kibana-7.17.7-linux-x86_64/
切换到es用户：su es
确保启动Elasticsearch后，再启动kibana：/usr/local/kibana-7.17.7-linux-x86_64/bin/kibana
在浏览器中访问kibana：http://192.168.126.24:5601/

4、测试集群状态

创建product索引

PUT /product
{"settings": {"number_of_shards": 5,"number_of_replicas": 1},"mappings": {"properties": {"id": {"type": "integer","store": true,"index": true},"productName": {"type": "text","store": true,"index": true},"productDesc": {"type": "text","store": true,"index": true}}}
}

“number_of_shards”: 5，即设置该索引的分片数量为5，“number_of_replicas”: 1，每个分片的副本数为1。

查看集群健康状态：GET /_cat/health?v
查看索引状态：GET /_cat/indices?v
查看分片状态：GET /_cat/shards?v
ES集群可以自动进行故障应对，即可以自动进行水平扩容。
改变每个分片的副本数
```
PUT /product/_settings
{"number_of_replicas": 2
}
```
分片数不能改变，但是分片的副本数可以改变。

二、Elasticsearch优化

1、磁盘选择

Elasticsearch重度使用磁盘，磁盘的效率越高，Elasticsearch的执行效率就越高。
优化磁盘：
1）使用SSD（固态硬盘）。
2）使用RAID0模式，即将连续的数据分散到多个硬盘存储，这样可以并行进行IO操作。代价是一块硬盘发生故障就会引发系统故障。
3）不要使用远程挂载的存储。即在ES服务器中，而非ES服务器之外的存储。

2、分片策略

每个分片的底层都是一个Lucene索引，会消耗一定的系统资源。搜索请求需要命中索引中的所有分片，分片过多会降低搜索的性能。
分片原则：
1）每个分片占用的磁盘容量不超过ES的JVM的最大堆空间设置（一般设置不超过32G）。
2）分片数一般不超过节点数的三倍。
3）推迟分片分配：节点中断后集群会重新分配分片。但默认集群会等待一分钟来查看节点是否重新加入。可以设置等待的时长，减少分配的次数。
```
PUT /product/_settings
{"settings":{"index.unassigned.node_left.delayed_timeout": "5m"}
}
```

减少副本数量：进行写入操作时，需要把写入的数据都同步到副本中，副本越多写入的效率就越慢。进行大批量写入操作时可以先设置副本数为0，写入完成后再修改回正常的状态。

3、内存设置

ES默认占用内存时4G，可以修改config/jvm.option文件设置ES的堆内存大小。
1）Xms表示堆内存的初始大小，Xmx表示可分配的最大内存。
2）Xmx和Xms的大小设置为相同时，可以减轻伸缩堆大小带来的压力。
3）Xmx和Xms不要超过物理内存的50%，因为ES内部的Lucene也要占据一部分物理内存。
4）Xmx和Xms不要超过32G，由于JAVA语言的特性，堆内存超过32G会浪费大量系统资源，所以在内存足够的情况下，最终都会采用设置为31G。

三、Elasticsearch实践

1、ES自动补全

自动补全对性能要求极高，ES不是通过倒排索引来实现的，所以需要将对应的查询字段类型设置为completion。

创建索引，添加自动补全字段

PUT /product2
{"mappings": {"properties": {"id": {"type": "integer","store": true,"index": true},"productName": {"type": "completion","store": true,"index": true},"productDesc": {"type": "text","store": true,"index": true}}}
}
POST /product2/_doc
{"id":1,"productName":"elasticsearch1","productDesc":"elasticsearch1 is a good search engine"
}
POST /product2/_doc
{"id":2,"productName":"elasticsearch2","productDesc":"elasticsearch2 is a good search engine"
}

测试自动补全功能

GET /product2/_search
{"suggest": {"prefix_suggestion": {"prefix": "elastic","completion": {"field": "productName","skip_duplicates": true,"size": 10 }}}
}

2、创建索引

创建news索引

PUT /news
{"settings": {"number_of_shards": 5,"number_of_replicas": 1,"analysis": {"analyzer": {"ik_pinyin": {"tokenizer": "ik_smart","filter": "pinyin_filter"},"tag_pinyin": {"tokenizer": "keyword","filter": "pinyin_filter"}},"filter": {"pinyin_filter": {"type": "pinyin","keep_joined_full_pinyin":true,"keep_original": true,"remove_duplicated_term": true}}}},"mappings": {"properties": {"id": {"type": "integer","index": true},"title": {"type": "text","index": true,"analyzer": "ik_pinyin","search_analyzer": "ik_smart"},"content": {"type": "text","index": true,"analyzer": "ik_pinyin","search_analyzer": "ik_smart"},"url": {"type": "keyword","index": true},"tags": {"type": "completion","analyzer": "tag_pinyin"}}}
}

3、安装logstash导入数据

通过命令行进入mysql中导入SQL文件：source 绝对路径/xxx.sql;
下载logstash：https://artifacts.elastic.co/downloads/logstash/logstash-7.17.7-windows-x86_64.zip

将logstash压缩包进行解压，在/logstash-7.17.7/config/目中下创建mysql.conf文件。写入以下脚本：

input {jdbc {jdbc_driver_library => "F:\SoftWare\mysql\mysql-connector-java-8.0.27.jar"jdbc_driver_class => "com.mysql.jdbc.Driver"jdbc_connection_string => "jdbc:mysql:///news"jdbc_user => "root"jdbc_password => "root"schedule => "* * * * *"jdbc_default_timezone => "Asia/Shanghai"statement => "SELECT * FROM news;"}
}filter {mutate {split => {"tags" => ","}}
}output {elasticsearch {hosts => ["192.168.126.24:9200","192.168.126.24:9201","192.168.126.24:9202"]index => "news"document_id => "%{id}"}
}

在解压路径/logstash-7.17.7下，打开cmd窗口，运行命令：bin\logstash -f config\mysql.conf

测试自动补齐功能

GET /news/_search
{"suggest": {"YOUR_SUGGESTION": {"prefix": "zhu", //需要补全的关键词"completion": {"field": "tags","skip_duplicates": true,//去重复值"size": 10}}}
}

4、项目搭建

在myes空项目中，新建一个module，选择2.7.9版本的springboot项目，并且添加lombok,springweb,springdataES依赖

在resources目录下，创建配置文件application.yml，添加如下配置：

spring:elasticsearch:uris: http://192.168.126.24:9200,http://192.168.126.24:9201,http://192.168.126.24:9202logging:pattern:console: '%d{HH:mm:ss.SSS} %clr(%-5level) ---  [%-15thread] %cyan(%-50logger{50}):%msg%n'

创建com.zzx.escase.document包，在包下创建实体类News

package com.zzx.escase.document;import lombok.Data;
import org.springframework.data.annotation.Id;
import org.springframework.data.annotation.Transient;
import org.springframework.data.elasticsearch.annotations.CompletionField;
import org.springframework.data.elasticsearch.annotations.Document;
import org.springframework.data.elasticsearch.annotations.Field;
import org.springframework.data.elasticsearch.core.suggest.Completion;@Document(indexName = "news")
@Data
public class News {@Idprivate Integer id;@Fieldprivate String title;@Fieldprivate String content;@Fieldprivate String url;@CompletionField@Transientprivate Completion tags;
}

创建com.zzx.escase.repository包，在包下创建接口Repository

package com.zzx.escase.repository;import com.zzx.escase.document.News;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;public interface NewsRepository extends ElasticsearchRepository<News,Integer> {}

5、自动补全功能

创建com.zzx.escase.service包，在包下创建类NewsService

package com.zzx.escase.service;import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.common.text.Text;
import org.elasticsearch.search.suggest.Suggest;
import org.elasticsearch.search.suggest.SuggestBuilder;
import org.elasticsearch.search.suggest.SuggestBuilders;
import org.elasticsearch.search.suggest.completion.CompletionSuggestionBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.elasticsearch.core.ElasticsearchRestTemplate;
import org.springframework.data.elasticsearch.core.mapping.IndexCoordinates;
import org.springframework.stereotype.Service;import java.util.List;
import java.util.stream.Collectors;@Service
public class NewsService {@Autowiredprivate ElasticsearchRestTemplate template;//自动补齐public List<String> autoSuggest(String keyword){// 1.创建补齐请求SuggestBuilder suggestBuilder = new SuggestBuilder();// 2.构建补齐条件CompletionSuggestionBuilder suggestionBuilder = SuggestBuilders.completionSuggestion("tags").prefix(keyword).skipDuplicates(true).size(10);suggestBuilder.addSuggestion("prefix_suggestion",suggestionBuilder);// 3.发送请求SearchResponse response = template.suggest(suggestBuilder, IndexCoordinates.of("news"));// 4.处理结果List<String> result = response.getSuggest().getSuggestion("prefix_suggestion").getEntries().get(0).getOptions().stream().map(Suggest.Suggestion.Entry.Option::getText).map(Text::toString).collect(Collectors.toList());return result;}
}

在Test根目录下，创建com.zzx.escase.service包，在包下创建NewsServiceTest测试类

package com.zzx.escase.service;import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;import java.util.List;@SpringBootTest
public class NewsServiceTest {@Autowiredprivate NewsService newsService;@Testpublic void testAutoSuggest(){List<String> list = newsService.autoSuggest("zhu");list.forEach(System.out::println);}}

即打印出tags域中自动补齐的10个关键词

6、高亮搜索关键字功能

在com.zzx.escase.repository的接口Repository下，添加高亮搜索关键字方法

@Highlight(fields = {@HighlightField(name = "title"),@HighlightField(name="content")})
List<SearchHit<News>> findByTitleMatchesOrContentMatches(String title, String content);

在com.zzx.escase.service的接口NewsService下，添加高亮搜索关键字方法

//查询关键字
public List<News> highLightSearch(String keyword){List<SearchHit<News>> result = newsRepository.findByTitleMatchesOrContentMatches(keyword, keyword);//处理结果，封装News类型的集合ArrayList<News> newsList = new ArrayList();for (SearchHit<News> newsSearchHit : result) {News news = newsSearchHit.getContent();//高亮字段Map<String, List<String>> highlightFields = newsSearchHit.getHighlightFields();if(highlightFields.get("title") != null){news.setTitle(highlightFields.get("title").get(0));}if(highlightFields.get("content") != null){news.setTitle(highlightFields.get("content").get(0));}newsList.add(news);}return  newsList;
}

将elasticsearch内部的处理高亮的结果封装到News实体类中，然后返回

在Test根目录下的com.zzx.escase.service包的NewsServiceTest测试类中添加高亮测试方法
```
@Test
public void testHighLightSearch(){List<News> newsList = newsService.highLightSearch("演员");newsList.forEach(System.out::println);
}
```
此时每个演员的关键字都会被套上em的标签，再由前端对em标签进行渲染。

创建com.zzx.escase.controller包，在包下创建类NewsController

package com.zzx.escase.controller;import com.zzx.escase.document.News;
import com.zzx.escase.service.NewsService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;import java.util.List;@RestController
public class NewsController {@Autowiredprivate NewsService newsService;@GetMapping("/autoSuggest")public List<String> autoSuggest(String term){return newsService.autoSuggest(term);}@GetMapping("/highLightSearch")public List<News> highLightSearch(String term){return newsService.highLightSearch(term);}
}

启动该springboot项目，然后在浏览器中查看：http://localhost:8080/autoSuggest?term="zhu"
以及http://localhost:8080/highLightSearch?term="演员"

7、页面展示

前端页面代码：

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>结果</title><link rel="stylesheet" type="text/css" href="css/jquery-ui.min.css"/><link rel="stylesheet" type="text/css" href="css/bootstrap.min.css"/><script src="js/jquery-2.1.1.min.js"></script><script src="js/jquery-ui.min.js"></script><style>body {padding-left: 14px;padding-top: 14px;}ul, li {list-style: none;padding: 0;}li {padding-bottom: 16px;}a, a:link, a:visited, a:hover, a:active {text-decoration: none;}em {color: red;font-style: normal;}</style>
</head>
<body>
<div><input id="newsTag" class="form-control" style="display: inline; width: 50%;" name="keyword"><button class="btn btn-primary" onclick="search()">搜索一下</button>
</div>
<hr>
<div><ul id="news"></ul>
</div>
</body>
<script>$("#newsTag").autocomplete({source: "/autoSuggest", // 请求路径delay: 100, //请求延迟minLength: 1 //最少输入多少字符像服务器发送请求})function search() {var term = $("#newsTag").val();$.get("/highLightSearch", {term: term}, function (data) {var str = "";for (var i = 0; i < data.length; i++) {var document = data[i];str += "<li>" +"       <h4>" +"           <a href='" + document.url + "' target='_blank'>" + document.title + "</a>" +"       </h4> " +"       <p>" + document.content + "</p>" +"   </li>";}$("#news").html(str);})}
</script>
</html>

给输入文本框绑定自动补齐autocomplete函数，以及给搜索按钮绑定search函数，用以展示数据。

总结：

当索引足够大时，需要建立ES集群，此时需要将索引拆分成多分，分别放入不同的服务器中，几台服务器维护同一个索引。每一台服务器为一个节点，每一台服务器中的数据称为一个分片。防止节点故障导致集群无法正常运行，分片和该分片的副本不会存放在同一个节点上。
安装完ES服务后，再安装分词器，然后修改ES的配置文件elasticsearch.yml，配置成集群的参数即可完成集群的搭建。
安装Kibana需要修改Kibana的配置文件kiabana.yml，配置集群的连接即可。
在创建索引时，可以指定索引的分片数和分片的副本数，创建后只能修改分片的副本数。
ES优化可以通过优化磁盘、分片策略、内存设置进行优化。
1）优化磁盘，就是选择SSD或者使用RAID0模式；
2）分片策略，就是每个分片占用的磁盘容量一般不超过32G。
分片数一般不超过节点数的三倍。
推迟分片分配。
减少副本数量，以及大批量写入时，副本先设置为0，写完再复原。
3）内存设置，就是Xmx和Xms的大小设置为相同。
Xmx和Xms不要超过物理内存的50%。
Xmx和Xms不要超过32G。
自动补全功能，指定的某个域作为源数据，因为该功能对性能要求极高，所以需要设置该域的类型为completion。在mysql数据库中的数据可以通过logstash导入到ES服务中。
搭建springboot整合的Elasticserach项目时，需要配置application.yml配置文件来指定集群。并且使用SuggestBuilder对象。
给搜索框绑定autocomplete函数，用以实现自动补齐功能；以及给搜索按钮绑定search函数，用以展示有高亮显示关键词的数据。

Elasticsearch集群搭建、优化及实践相关推荐

elasticsearch集群搭建及springboot集成使用
elasticsearch集群搭建及springboot集成使用 1. ES介绍 2. 原理 2.1 核心概念 2.2 索引功能 2.3 ES特性 3. 分词器(analyzer) 4. 集群搭建 4 ...
elasticsearch集群搭建记录
elasticsearch集群搭建记录一.集群服务器配置信息二.安装 JDK 三.下载 ElasticSearch 安装包和中文分词器并解压四.创建用于存放数据与日志的目录五.集群配置 5.1 ...
elasticsearch 集群搭建 + kibana配置
elasticsearch 集群搭建 + kibana配置一.elasticsearch 集群搭建 1.下载并解压elasticsearch 2.ES集群搭建 2.1 打开防火墙9200,9300端 ...
Elasticsearch集群搭建手册及配置详情(基于elasticsearch-8.5.2版本)
Elasticsearch集群搭建手册及配置详情(基于elasticsearch-8.5.2版本) 0 安装前准备工作 0.1 安装包下载组件安装包下载地址 es elasticsearch-8 ...
（六）elasticsearch 集群网络超时解决方案 --- Elasticsearch 集群搭建
上一篇: (五)elasticsearch 集群扩展 --- Elasticsearch 集群搭建因为网络原因,可能会有节点被踢出集群,如果网络恢复,节点会再次加入集群,但是这中间的过程是比较耗费性 ...
六，搭建elasticsearch集群搭建
@Author : By Runsen @Date : 2020/6/12 作者介绍:Runsen目前大三下学期,专业化学工程与工艺,大学沉迷日语,Python, Java和一系列数据分析软件.导致翘 ...
elasticsearch集群搭建实例
下个月又开始搞搜索了,几个月没动这块还好没有落下. 晚上在自己虚拟机上搭建了一个简易搜索集群,分享一下. 操作系统环境: Red Hat 4.8.2-16 elasticsearch : elasti ...
mac下ElasticSearch 集群搭建，使用Kibana配置和管理集群
Elasticsearch如果做集群的话Master节点至少三台服务器或者三个Master实例加入相同集群,三个Master节点最多只能故障一台Master节点,如果故障两个Master节点,Elas ...
elasticsearch集群搭建
elasticsearch ARM架构集群搭建一.搭建环境搭建服务器IP 环境 es版本号路径 20.10.0.xx CentOS Linux release 7.9.2009 (AltArch ...

Elasticsearch集群搭建、优化及实践

文章目录

一、Elasticsearch集群

1、Elasticsearch集群概念

2、Elasticsearch集群安装

3、安装Kibana

4、测试集群状态

二、Elasticsearch优化

1、磁盘选择

2、分片策略

3、内存设置

三、Elasticsearch实践

1、ES自动补全

2、创建索引

3、安装logstash导入数据

4、项目搭建

5、自动补全功能

6、高亮搜索关键字功能

7、页面展示

总结：

Elasticsearch集群搭建、优化及实践相关推荐

最新文章

热门文章