Elastic Search簡稱ES，是一款在搜索和日志檢索領域極其成功的開源產品，當然ES背后的商業化公司也很成功。很多大的知名品牌，像是SAP、Booking、Ebay都在使用ES，

今天就來實際使用一下ES這款成功的商業化產品，并且介紹一下它的特點。

Elastic Search VS Luncence

說到搜索還是要提下Luncence，Luncence基本上可以稱為搜索領域的鼻祖了，是很早期的索引構建庫。但是Luncence的主要問題有兩點，其一是只支持Java類庫的調用方式，學習和使用門檻很高，其二是Luncence沒有線性擴展能力。搜索又是一個幾乎隨業務量線性擴張的功能，所以是否支持線性拓展資源很重要。

ES其實是對Luncence的庫的上層封裝，通過Restful的形式可以讓日志的構建和檢索等功能更容易在多語言環境下調用，做到即使是開發小白也能快速上手。另外，ES支持線性拓展，使得使用ES的用戶不需要擔心資源協調的問題。

Elastic Search整體架構

接下來介紹下ES的各個模塊，從下向上介紹。

（1）?Beat

Beat是一個輕量的數據采集器，Beat可以采集各種格式的數據，比如日志文件、值班、網絡數據等，并且把這些數據傳輸到Logstash。

（2）Logstash

Logstash是一個服務端的數據管道，能夠從多個數據來源采集數據，完成數據轉換，然后將數據傳輸到Elastic Search。在Logstash中可以實現一些數據的過濾、轉碼等功能，比如把非結構化數據轉化成結構化數據，比如從IP地址破譯出地理坐標。

（3）Elastic Search

Elastic Search主要做數據和索引的存儲以及相關查詢的計算。

（4）Kibana

Kibana主要是一個數據可視化界面，通過可視化的方式展示ES的計算和索引結果。

（5）X-Pack

X-Pack是ES內部插件，在老的ES版本是收費的，在新的版本中很多插件是被開源免費使用的。在X-Pack中可以直接使用機器學習、圖關系、安全相關的插件。

所以整體的流程如下，先通過Beat采集數據，然后數據通過管道寫到Logstash做一步處理，接著寫到Elastic Search，然后通過Kibana做數據的可視化展現。

?

具體操作體驗

?接下來就具體體驗下ES的功能，當然是選擇通過Docker的模式run一下最快。可以參考：

https://www.elastic.co/guide/en/elasticsearch/reference/current/docker.html

可以選擇通過拉起單一Docker的模式體驗，也可以通過Docker Compose的方式體驗（Docker Compose比較適合構建一個分布式ES集群）。我兩個方案都試了試，Docker Compose一堆坑，官方案例都沒跑起來。

具體操作流程如下：

(1)?先Pull一個官方鏡像

?docker pull docker.elastic.co/elasticsearch/elasticsearch:7.10.2

(2)?接著拉起這個鏡像

docker run -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:7.10.2

(3)這個時候ES的服務就已經跑起來了，Docker化的模式就是如此方便，服務的本地地址是localhost:9200。

(4)發送服務請求到localhost:9200，

curl -X GET "localhost:9200/_cat/nodes?v=true&pretty"

可以查到ES服務的節點的具體情況。

總結一下

?

ES基本上是目前業內在搜素和日志檢索領域非常成熟的開源工具，ES有很多豐富的插件，比如Kibana、Logstash，而且ES對于容器化技術非常擁抱，可以快速的做部署。最后一點是ES的全部功能都可以通過一套標準的RestFul接口去調用，這個設計很方便用戶使用。

?

總結

以上是生活随笔為你收集整理的Elastic Search入门：架构说明及Docker方式体验的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。