ElasticSearch、可视化页面、kibana安装

ElasticSearch、可视化页面、kibana安装

ElasticSearch目录

文章目录

​​二、ElasticSearch安装​​

​​2.1、Windows下安装ElasticSearch​​

​​2.1.1、下载与安装​​​​2.1.2、熟悉目录​​​​2.1.3、启动​​

​​2.2、安装可视化界面elasticsearch-head​​

​​2.2.1、下载地址​​​​2.2.2、安装​​​​2.2.3、启动​​

​​2.3、安装kibana​​

​​2.3.1、下载地址​​​​2.3.2、安装​​​​2.3.3、启动​​​​2.3.4、开发工具​​​​2.3.5、kibana汉化​​

​​2.4、了解ELK​​

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：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

​​elasticsearch-head# 安装依赖npm install# 启动npm run start# 访问

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）​​​​

开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）

# 开启跨域true# 所有人访问"*"

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

​​​​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)

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。