Docker部署Elasticsearch（包含win10环境部署）

最新推荐文章于 2025-04-16 03:40:38 发布

ywj_csdn

最新推荐文章于 2025-04-16 03:40:38 发布

阅读量2.4k

点赞数 20

分类专栏： elasticsearch 文章标签： docker elasticsearch

本文链接：https://blog.youkuaiyun.com/ywj_csdn/article/details/144185700

版权

elasticsearch 专栏收录该内容

1 篇文章

订阅专栏

Docker部署Elasticsearch

目录
一、Elasticsearch安装说明
二、部署单点es
三、部署kibana
- 3.1.下载镜像并部署
- 3.2.DevTools介绍
四、安装IK分词器
引用

一、Elasticsearch安装说明

Elasticsearch是一个Java项目，从Elasticsearch7.0以上的版本已经内置jdk，不同的版本所需要的jdk版本是不同的（建议使用自己的Java版本，推荐Java长期版本），同时不同的系统版本所需要的ES版本也是不同的，

注意：ES自带openjdk，如果你的主机本身没有安装JDK，那么它会使用自带的JDK，如果安装了，那么会使用系统JDK。可是如果系统JDK版本小于ES需要的JDK版本，那么就会在启动时抛出不支持你的JDK的错误

参考官方网址：https://www.elastic.co/cn/support/matrix#matrix_os

下载地址：https://www.elastic.co/cn/downloads/elasticsearch，下载下来目录如下表

目录名称	描述
bin	可执行脚本文件，包括启动elastic search服务、插件管理、函数命令等等
config	配置文件目录，如elasticsearch配置、角色配置、jvm配置等。
jdk	7.0以后才有，自带的Java环境
lib	elasticsearch所依赖的Java库
data	默认的数据存放目录，包含节点、分片、索引、文档的所有数据，生产环境要求必须修改。
logs	默认的日志文件存储路径，生产环境务必修改。
modules	包含所有的Elasticsearch模块，如Cluster、Discovery、Indices等。
plugins	已经安装的插件的目录

本次安装的jdk版本为JDK1.8，Elasticsearch版本为elasticsearch-analysis-ik-7.17.5

二、部署单点es

2.1.创建网络

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

docker network create es-net

2.2.拉取镜像

考虑到elasticsearch的兼容性，这里elasticsearch、kibana、IK分词器统一下载7.17.5版本,拉取镜像：

docker pull elasticsearch:7.17.5
docker pull kibana:7.17.5

2.3.运行

运行docker命令，部署单点es：
linux环境部署如下：

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:7.17.5

Windows环境部署如下（我这里将windows中的D盘共享给docker，并充当数据卷挂在到docker）：
在这里插入图片描述
运行命令如下：

docker run -d --name es -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" -e "discovery.type=single-node" -v d:/docker/elasticsearch/es-data:/usr/share/elasticsearch/data -v d:/docker/elasticsearch/es-plugins:/usr/share/elasticsearch/plugins --privileged --network es-net -p 9200:9200 -p 9300:9300 elasticsearch:7.17.5

下面是各个参数的含义解释和作用，详见如下表：

命令	描述
-d	以后台模式运行容器。
–name es	为容器指定一个名称为 “es”。
-e “ES_JAVA_OPTS=-Xms512m -Xmx512m”	设置 Elasticsearch 的 Java 虚拟机选项，指定初始堆大小为 512MB，最大堆大小也为 512MB。
-e “discovery.type=single-node”	设置 Elasticsearch 的发现类型为单节点模式，这意味着它将以单节点模式启动，不会尝试与其他节点进行通信。
-v es-data:/usr/share/elasticsearch/data	将名为 “es-data” 的 Docker 卷挂载到容器内的 /usr/share/elasticsearch/data 目录，用于持久化 Elasticsearch 的数据。
-v es-plugins:/usr/share/elasticsearch/plugins	将名为 “es-plugins” 的 Docker 卷挂载到容器内的 /usr/share/elasticsearch/plugins 目录，用于安装 Elasticsearch 插件
–privileged	以特权模式运行容器，这允许容器内的进程获得更高的权限。
–network es-net	将容器连接到名为 “es-net” 的网络，这样容器内的服务可以通过网络进行通信。
-p 9200:9200	将容器的 9200 端口映射到主机的 9200 端口，这样可以通过主机的 IP 地址和端口访问 Elasticsearch 的 HTTP API。
-p 9300:9300	将容器的 9300 端口映射到主机的 9300 端口，这样可以通过主机的 IP 地址和端口访问 Elasticsearch 的节点间通信。

总体而言，这个命令会创建一个名为 “es” 的 Elasticsearch 容器，配置了内存限制、数据和插件目录的挂载，以及网络和端口的映射，使得可以通过主机访问 Elasticsearch 服务

2.3.测试

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

三、部署kibana

Kibana 是一款开源的数据分析和可视化平台，设计用于和 Elasticsearch 协作。可以使用 Kibana 对 Elasticsearch 索引中的数据进行搜索、查看、交互操作。kibana可以给我们提供一个elasticsearch的可视化界面，方便学习。

3.1.下载镜像并部署

创建kibana容器，如下：

docker run -d --name kibana -e ELASTICSEARCH_HOSTS=http://es:9200 --network=es-net -p 5601:5601 kibana:7.17.5

参数说明如下表：

命令	描述
–network es-net	加入一个名为es-net的网络中，与elasticsearch在同一个网络中
-e ELASTICSEARCH_HOSTS=http://es:9200	设置elasticsearch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启动比较慢，需要多等待一会，可以通过命令查看启动情况：

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://localhost:5601/app/home#/，即可看到结果：

3.2.DevTools介绍

kibana中提供了一个DevTools界面，地址：http://localhost:5601/app/dev_tools#/console，如下：
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。

四、安装IK分词器

4.1.在线安装ik插件（较慢、缺少IKAnalyzer.cfg.xml配置文件，不推荐）

# 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/v7.17.5/elasticsearch-analysis-ik-7.17.5.zip
#退出容器
exit
#重启容器
docker restart es

4.2 离线安装ik插件（推荐）

4.2.1 Linux环境离线安装ik插件

4.2.1.1 查看数据卷目录

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

docker volume inspect es-plugins

如下图：
在这里插入图片描述
说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data这个目录中。

4.2.1.2 解压缩分词器安装包

去GitHub下载ik分词器，下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.17.5
在这里插入图片描述

4.2.1.3 上传到es容器的插件数据卷中

在/var/lib/docker/volumes/es-plugins/_data，创建路径analysis-ik，路径即可，然后解压

# 创建路径
mkdir analysis-ik

将文件上传到创建的路径，然后解压
在这里插入图片描述

4.2.1.4 重启es容器

# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es

4.2.2 Windows环境离线安装ik插件

4.2.2.1 进入ES容器并查看es-plugins目录存放地址

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

#查看容器获取es的容器ID
docker ps

#以交互的方式进入es容器
docker exec -it 71ef2d903729 /bin/bash

#查看es-plugins在容器中的位置，获取文件夹目录
ls
cd plugins/
pwd

        根据上述命令获取到es-plugins目录存放地址为：/usr/share/elasticsearch/plugins
        如下图：
在这里插入图片描述
        说明plugins目录被挂载到了：/usr/share/elasticsearch这个目录中。

4.2.2.2 解压缩分词器安装包

去GitHub下载ik分词器，下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.17.5
在这里插入图片描述

4.2.1.3 上传到es容器的插件数据卷中

        1.在/usr/share/elasticsearch/plugins中，创建路径analysis-ik文件夹
        2.将elasticsearch-analysis-ik-7.17.5.zip文件放入与docker共享文件夹中，例如我这边将D盘共享给docker
        3.退出es容器并将elasticsearch-analysis-ik-7.17.5.zip文件拷贝至容器中
        4.再次进入es容器并在容器中解压elasticsearch-analysis-ik-7.17.5.zip文件

# 创建路径
mkdir analysis-ik

#退出容器
exit

#将elasticsearch-analysis-ik-7.17.5.zip文件拷贝至容器中
docker cp D:\\elasticsearch-analysis-ik-7.17.5.zip  es:/usr/share/elasticsearch/plugins/analysis-ik

#再次进入es容器并进入到analysis-ik文件夹中
cd plugins/analysis-ik/

#在容器中解压elasticsearch-analysis-ik-7.17.5.zip文件
unzip elasticsearch-analysis-ik-7.17.5.zip

执行命令如下图：
在这里插入图片描述
解压完成后，在对应es本地挂在目录即可看到对应的解压文件，如下图

4.2.2.4 重启es容器

# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es

4.2.3 测试

IK分词器包含两种模式：
ik_smart：最少切分
ik_max_word：最细切分

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "今天是周末吗？"
}

在这里插入图片描述

4.3 扩展词词典

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：“显眼包”，“蓝瘦香菇” 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。

所谓扩展词：就是不想哪些词分开，让他们成为一个词，比如“蓝瘦香菇”

4.3.1 打开IK分词器config目录，在IKAnalyzer.cfg.xml配置文件内容添加

在这里插入图片描述

<?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 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</entry>
</properties>

在这里插入图片描述

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

注意：ext.dic文件格式需要为UTF-8

显眼包
蓝瘦香菇

在这里插入图片描述

4.3.3 重启elasticsearch

docker restart es
# 查看 日志
docker logs -f es

日志中已经成功加载ext.dic配置文件，如下图：
在这里插入图片描述

4.3.4 测试效果

执行最细粒度的拆分，
在没有将“蓝瘦香菇”、“显眼包”放到扩展词典前，会拆分成单个汉字或者词语，
添加后将“蓝瘦香菇”和“显眼包”放到扩展词典，并重启elasticsearch服务之后，执行会“蓝瘦香菇”、“显眼包”显示成单词出现：

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "蓝瘦香菇的作者真的是个显眼包,奥力给！"
}

执行结果如下图：
在这里插入图片描述

4.4 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。

停用词：有些词在文本中出现的频率非常高。但对本文的语义产生不了多大的影响。例如英文的a、 an、the、of等。或中文的”的、了、呢等”。这样的词称为停用词。停用词经常被过滤掉，不会被进行索引。在检索的过程中，如果用户的查询词中含有停用词，系统会自动过滤掉。停用词可以加快索引的速度，减少索引库文件的大小。

4.4.1 停用词词典

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>

在这里插入图片描述

4.4.2 在config文件夹中stopword.dic文件并添加停用词

在这里插入图片描述

嗯
的
了
嘤

在这里插入图片描述

4.4.3 重启elasticsearch

# 重启服务
docker restart es
# 查看 日志
docker logs -f es

查看日期是否加载文件
在这里插入图片描述

4.4.4 测试效果

执行结果如下：

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "嗯嗯，明天的天气挺好？"
}

之前的配置中停用了嗯、的等字，所以在检索的时候就不会再出现,如下图：
在这里插入图片描述

4.5 同义词典

同义词：意思相同的，“番茄”和“西红柿”，查询“番茄”的时候，把带有“西红柿”的数据一起查出来，这种叫做同义词查询

4.5.1 Linux环境配置同义词典

4.5.1.1 先进入到es容器，创建目录

# 进入到es的配置路径
cd /usr/share/elasticsearch/config/
# 创建路径,后续同义词词典保存在这里
mkdir analysis

4.5.1.2 在创建配置IK同义词（服务器中），创建名为synonym.dic的文件，输入下面同义词，并保存

番茄,西红柿,柿子
土豆,马铃薯

4.5.1.3 将同义词文件synonym.dic拷贝到容器

docker cp synonym.dic es:/usr/share/elasticsearch/config/analysis

4.5.1.4 重启容器

然后重启elasticsearch会自动加载相近词

docker restart es

4.5.2 Windows环境配置同义词典

4.5.2.1 先进入到es容器，创建目录

# 进入到es的配置路径
cd /usr/share/elasticsearch/config/
# 创建路径,后续同义词词典保存在这里
mkdir analysis

在这里插入图片描述

4.5.1.2 在docker共享磁盘中创建配置IK同义词（上文中共享磁盘设置），创建名为synonym.dic的文件，输入下面同义词，并保存

番茄,西红柿,柿子
土豆,马铃薯

4.5.1.3 将同义词文件synonym.dic拷贝到容器

docker cp D:\\synonym.dic es:/usr/share/elasticsearch/config/analysis

在这里插入图片描述

4.5.1.4 重启容器

然后重启elasticsearch会自动加载相近词

docker restart es

4.5.3 打开kibana输入以下命令测试

注意先要创建同义词库，才可以查询同义词库

#创建同义词词库
PUT syno
{
  "settings": {
    "analysis": {
      "filter": {
        "my_synonym_filter": {
          "type": "synonym",
          "synonyms_path" : "analysis/synonym.dic"
        }
      },
      "analyzer": {
        "my_synonyms": {
          "tokenizer": "ik_smart",
          "filter": [
            "lowercase",
            "my_synonym_filter"
          ]
        }
      }
    }
  }
}

#查询同义词
GET /syno/_analyze
{
  "analyzer": "my_synonyms",
  "text": "我爱吃番茄"
}

#删除数据库
DELETE syno