手把手教你如何安装 Elasticsearch
作者:数据库 来源:数据库 浏览: 【大中小】 发布时间:2025-11-27 00:46:46 评论数:
哈喽 ，手把手教大家好 ，何安我是手把手教指北君 。
在我们做电商网站的何安时候 ，如果直接用传统的手把手教通过数据库去搜索数据，数据库内容比较少的何安情况下还能勉强做好及时搜索 ，但是手把手教如果成百上千的数据在数据库里面，你还是何安用传统的搜索数据库的方法 ，模板下载那就要等很长一段时间 ，手把手教影响用户体验，何安所以一般数据搜索引擎采用的手把手教是Elasticsearch来进行搜索 。
1.Elasticsearch简介
全文搜索属于最常见的何安需求 ，开源的手把手教 Elasticsearch 是目前全文搜索引擎的首选 。它可以快速地储存、何安搜索和分析海量数据。手把手教维基百科 、Stack Overflow 、Github 都采用它 。源码库
Elasticsearch是一个分布式可扩展的实时搜索和分析引擎，一个建立在全文搜索引擎 Apache Lucene™ 基础上的搜索引擎。Lucene只是一个框架 ，要充分利用它的功能 ，需要使用JAVA，并且在程序中集成Lucene ，学习成本高 ，且Lucene确实非常复杂 。
文档 ：
官方文档 ：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
官方中文(版本很旧 ，2.x):https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html
2.基本概念
2.1 index(索引)ES将数据存储于一个或多个索引中。类比传统的源码下载关系型数据库领域来说 ，索引相当于SQL中的一个数据库database，或者一个数据存储方案(schema)。索引由其名称(必须为全小写字符)进行标识 。一个ES集群中可以按需创建任意数目的索引 。
2.2 Type(类型)类型是索引内部的逻辑分区(category/partition)，一个索引内部可定义一个或多个类型(type) 。类比传统的关系型数据库领域来说 ，类型相当于“表” 。
ElasticSearch7—去掉 type 概念 ：
关系型数据库中两个数据表示是独立的香港云服务器 ，即使他们里面有相同名称的列也不影响使用 ，但ES中不是这样的 。elasticsearch 是基于Lucene开发的搜索引擎 ，而ES中不同type下名称相同的filed 最终在Lucene,中的处理方式是一样的 。两个不同 type下的两个user_ name, 在ES同-个索引下其实被认为是云计算同一一个filed,你必须在两个不同的type中定义相同的filed映射 。否则 ，不同typpe中的相同字段称就会在处理中出现神突的情况 ，导致Lucene处理效率下降 。去掉type就是为了提高ES处理数据的效率 。ES 7.x
URL 中的 type 参数 可选 ，比如索引一个文档不再要求提供文档类型
ES 8.X
不再支持 URL 中的 type 参数
解决：
将索引从多类型迁移到单类型 ，每种类型文档一个独立的亿华云索引将已存在的索引下的类型数据 ，全部迁移到指定位置即可 ，详见数据迁移2.3 Document(文档)文档是索引和搜索的原子单位 ，它是包含了一个或多个域（Field）的容器 ，每个域拥有一个名字及一个或多个值 ，有多个值的域通常称为“多值域”，文档基于JSON格式进行表示。每个文档可以存储不同的域集 ，但同一类型下的文档应该有某种程度上的相似之处 。
简单来说 ：保存在某个索引（index）下 ，某种类型（Type）的一个数据（Document）,文档是 JSON 格式的 ，Document 就像是 MySQL 中某个 Table 里面的内容。
一个或者多个拥有相同cluster.name配置的节点组成 ， 它们共同承担数据和负载的压力 。
2.5 节点(Node)一个运行中的 Elasticsearch 实例称为一个节点 。
ES集群中的节点有三种不同的类型：
主节点 ：负责管理集群范围内的所有变更 ，例如增加 、删除索引，或者增加 、删除节点等。主节点并不需要涉及到文档级别的变更和搜索等操作 。可以通过属性node.master进行设置 。
数据节点：存储数据和其对应的倒排索引 。默认每一个节点都是数据节点（包括主节点），可以通过node.data属性进行设置。
协调节点 ：如果node.master和node.data属性均为false ，则此节点称为协调节点，用来响应客户请求 ，均衡每个节点的负载 。
3.倒排索引
倒排索引: 倒排索引也叫反向索引 ，通俗来讲正向索引是通过key找value ，反向索引则是通过value找key 。
对每条要存储的文档进行分词 ，然后对每个词和所在的记录进行存储。在搜索时，先搜索含有其关键字的记录 ，然后对所记录计算相关性得分 ，得出最终的搜索结果 。
4.Docker安装Elasticsearch
4.1 下载镜像文件 复制docker pull elasticsearch:7.4.2#存储和检索数据
docker pull kibana:7.4.2 #可视化检索数据1.2. 4.2 创建实例①Elasticsearch
配置 ：
复制mkdir -p /mydata/elasticsearch/config # 用来存放配置文件
mkdir -p /mydata/elasticsearch/data # 数据
echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml# 允许任何机器访问
chmod -R 777 /mydata/elasticsearch/ ## 设置elasticsearch文件可读写权限1.2.3.4.启动 ：
复制docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \-e "discovery.type=single-node"\
-e ES_JAVA_OPTS="-Xms64m -Xmx512m"\
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml\
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.21.2.3.4.5.6.7.设置开启自启 ：
复制docker update elasticsearch --restart=always1.特别注意 ：
-e ES_JAVA_OPTS="-Xms64m -Xmx128m" \ 测试环境下 ，设置 ES 的初始内存和最大内存 ，否则导致过大启动不了ES
测试 ：
②Kibana
复制docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.88.14:9200 -p 5601:5601 -d kibana:7.4.21.上面的ip地址：http://192.168.88.14:9200 改成自己Elasticsearch上的地址
测试 ：
