ElasticSearch是一款基于Lucene的功能强大的开源分布式搜索与数据分析引擎，它具有高性能、易于扩展的优点，不仅可以从海量数据中快速找到相关信息，还被广泛运用于大数据近实时的分析，包括日志分析、指标监控、信息安全等多个领域。
常听的ELK，即ElasticSearch、Logstash、Kibana，可以搭建一个完整的数据采集、存储、可视化的平台，这里来先动手实践，对其流程有一个感官的理解，后面再慢慢去深入了解ElasticSearch的各种高级用法。
首先，需要下载ELK三件套，注意，这三者的版本必须一致，否则无法正常进行数据采集，我这里采用的是7.8.0版本的:
另外还需要注意的是，安装之前需要JDK环境的支持，JAVA_HOME的配置很简单,这里就不多说了。
安装ElasticSsearch
下载ES压缩包，解压后目录结构如下所示：
目录说明：
配置elasticsearch.yml
配置jvm.options
还有一点要注意，上面的值设置不要超过30GB大小。
启动elasticsearch
检查确认启动成功：
注意这里，cluster_name，是ES集群的名称，默认名字为elasticsearch，这里只是单机的一个实例，单一个集群有多个节点时，需要确保集群名称一样，可以通过如下方式在本机启动一个集群的多个节点：
./elasticsearch -E node.name=linjk_1 -E cluster.name=linjk-framework-test -E path.data=xxx -E http.port=9202 -d
./elasticsearch -E node.name=linjk_2 -E cluster.name=linjk-framework-test -E path.data=xxx -E http.port=9204 -d
./elasticsearch -E node.name=linjk_3 -E cluster.name=linjk-framework-test -E path.data=xxx -E http.port=9206 -d
节点是一个Elasticsearch实例，本质是一个Java进程，每个节点启动后，会分配一个UID，保存在data目录下。
然后可通过URL查看当前集群有多少个节点：
为了后面方便，这里安装了IK中文分词器:
elasticsearch-plugin.bat install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.8.0/elasticsearch-analysis-ik-7.8.0.zip
安装完成后，重启ES，查看安装的插件：
ES配置用户名密码
提示需要配置X-Pack，配置如下：
重启ES，重新配置密码：(这里我都用了一个密码ljk121)
这是再访问http://localhost:9200，就会弹出登录对话框了：
安装Kibana
上面是通过浏览器去调用ES提供的一些API，但是只能发GET请求，后面需要发POST请求去查询一些数据就不方便了，这里可以借助Kibana这个工具，启动Kibana很简单，修改其配置文件，然后执行bin目录下的bat或sh脚本即可，注意，ES首先需要启动，在这里ES是服务端，Kibana是客户端。
修改配置文件kibana.yml：
启动：
验证：【http://localhost:5601】*注意：登录Kibana的账号信息和ElasticSearch的一样*
圈住的Dev Tools很有用，如下所示：
可以很方便运行ES提供的一些API函数。这里暂时就用到Kibana的Dev Tools，其他功能后面再慢慢探索。
Docker安装es
扩展
设置Docker网络
Docker Image中安装插件
Cerebro 源码
安装 docker-compose
ELK docker-compose 配置
然后在该文件目录下执行命令docker-compose up即可同时启动elasticsearch和kibana了。
安装es集群监控工具：
其监控页面如下：
安装Logstash
有了存储数据的ES和可视化工具Kibana，现在就需要从数据库导入数据到ES了，这里从MySQL导入数据到ES，以借助ES强大的搜索和分析能力去进一步实现后面的业务功能。
新建一个测试库和测试表：
新建Logstash导入数据的配置文件:
如ES开启了密码，hosts配置需要修改为：http://elastic:xxx@localhost:9200
编写后最好测试一下配置文件是否有语法问题：
没问题，启动:
报错：
解决：
下载安装插件：
https://github.com/logstash-plugins/logstash-input-jdbc/releases/tag/v4.3.19
然后安装：(生成gem文件这一步需要先安装Ruby)
再次启动，可以看到，在执行数据同步了：
去ES查询验证一下：
可以看到，在ES可以看到了，接下来，在MySQL修改这条数据，看是否也能同步更新ES的数据，同步的时间最小粒度是1分钟，可以看到，数据也变化了。
这里使用一张表的数据，对应于一个索引的数据，数据库的每一条数据对应于索引的一个文档。Elasticsearch是面向文档的，文档是所有可搜索数据的最小单位，文档会被序列化成JSON格式存储，每个文档都有其UUID。
索引体现了逻辑空间的概念，每个索引一般都会有分片，而分片，体现的就是物理空间的概念，索引的mapping定义文档字段的类型，setting定义不同的数据分布。
好了，从采集数据到存储到ES的链路走通了，后面学习再慢慢研究使用ES了。
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 linjk121@163.com.