• 【Spring Cloud】安装 ElasticSearch、KIbana

    文章目录

    十一、安装 ElasticSearch & KIbana

    11.4.1 部署单点 es

    1.1 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

    • 1

    1.2 加载镜像

    这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G，不建议大家自己pull。

    课前资料提供了镜像的tar包：

    在这里插入图片描述

    将其上传到虚拟机中，然后运行命令加载即可：

    # 导入数据
docker load -i es.tar

    • 1
    • 2

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jpimrvaH-1661485038653)(https://test1.jsdelivr.net/gh/Code-for-dream/Blogimages/img/Docker/image-20220826100147009.png)]

    同理还有kibana的tar包也需要这样做：

    在这里插入图片描述

    1.3 运行

    运行docker命令，部署单点es：

    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:7.12.1

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    命令解释：

    • -e "cluster.name=es-docker-cluster"：设置集群名称
    • -e "http.host=0.0.0.0"：监听的地址，可以外网访问
    • -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小
    • -e "discovery.type=single-node"：非集群模式
    • -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
    • -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
    • -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定 es的插件目录
    • --privileged：授予逻辑卷访问权
    • --network es-net ：加入一个名为 es-net 的网络中
    • -p 9200:9200：端口映射配置

    在这里插入图片描述

    在浏览器中输入：http://192.168.64.178:9200 即可看到elasticsearch的响应结果：

    在这里插入图片描述

    返回顶部

    11.4.2 部署 kibana

    kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习

    2.1 部署

    运行docker命令，部署kibana

    docker run -d \
    --name kibana \
    -e ELASTICSEARCH_HOSTS=http://es:9200 \
    --network=es-net \
    -p 5601:5601  \
kibana:7.12.1

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • --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启动一般比较慢，需要多等待一会，可以通过命令：

    docker logs -f kibana

    • 1

    在这里插入图片描述

    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://192.168.64.178:5601，即可看到结果

    在这里插入图片描述

    在这里插入图片描述

    返回顶部

    2.2 DevTools

    kibana中提供了一个DevTools界面：

    在这里插入图片描述

    可以编写DSL来操作elasticsearch,并且对DSL语句有自动补全功能。

    在这里插入图片描述

    返回顶部

    11.4.3 安装IK分词器

    在内部集成的分词不管使用英文还是中文，对于词的拆分都不是精确的。一般我们处理中文分词，会使用 IK分词器。

    在这里插入图片描述

    在这里插入图片描述

    3.1 在线安装ik插件（较慢）

    # 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/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出
exit
#重启容器
docker restart elasticsearch

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    3.2 离线安装ik插件（推荐）

    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

    • 1

    显示结果：

    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。

    2）解压缩分词器安装包

    下面我们需要把课前资料中的ik分词器解压缩，重命名为ik

    在这里插入图片描述

    3）上传到es容器的插件数据卷中

    也就是/var/lib/docker/volumes/es-plugins/_data ：

    在这里插入图片描述

    4）重启容器

    # 4、重启容器
docker restart es

    • 1
    • 2
    # 查看es日志
docker logs -f es

    • 1
    • 2

    5）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

    ik_max_word

    GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "黑马程序员学习java太棒了"
}

    • 1
    • 2
    • 3
    • 4
    • 5
    {
  "tokens" : [
    {
      "token" : "黑马",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "程序员",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "程序",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "员",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "CN_CHAR",
      "position" : 3
    },
    {
      "token" : "学习",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "java",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "ENGLISH",
      "position" : 5
    },
    {
      "token" : "太棒了",
      "start_offset" : 11,
      "end_offset" : 14,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "太棒",
      "start_offset" : 11,
      "end_offset" : 13,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "了",
      "start_offset" : 13,
      "end_offset" : 14,
      "type" : "CN_CHAR",
      "position" : 8
    }
  ]
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67

    ik_smart

    GET /_analyze
{
  "analyzer": "ik_smart",
  "text": "黑马程序员学习java太棒了"
}

    • 1
    • 2
    • 3
    • 4
    • 5
    {
  "tokens" : [
    {
      "token" : "黑马",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "程序员",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "学习",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "java",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "ENGLISH",
      "position" : 3
    },
    {
      "token" : "太棒了",
      "start_offset" : 11,
      "end_offset" : 14,
      "type" : "CN_WORD",
      "position" : 4
    }
  ]
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39

    返回顶部

    3.3 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：“奥力给”，“传智播客” 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。

    1）打开IK分词器config目录：

    在这里插入图片描述

    2）在IKAnalyzer.cfg.xml配置文件内容添加：

    
DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置comment>
        
        <entry key="ext_dict">ext.dicentry>
properties>

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

    3）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

    奥力给
java就业

    • 1
    • 2

    4）重启elasticsearch

    docker restart es

# 查看 日志
docker logs -f elasticsearch

    • 1
    • 2
    • 3
    • 4

    在这里插入图片描述

    日志中已经成功加载ext.dic配置文件

    5）测试效果：

    GET /_analyze
{
  "analyzer": "ik_smart",
  "text": "java就业超过90%,奥力给！"
}

    • 1
    • 2
    • 3
    • 4
    • 5

    注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑

    在这里插入图片描述

    返回顶部

    3.4 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。

    1）IKAnalyzer.cfg.xml配置文件内容添加：

    
DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置comment>
        
        <entry key="ext_dict">ext.dicentry>
         
        <entry key="ext_stopwords">stopword.dicentry>
properties>

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    3）在 stopword.dic 添加停用词

    的
了
吗
呢

    • 1
    • 2
    • 3
    • 4

    4）重启elasticsearch

    # 重启服务
docker restart elasticsearch
docker restart kibana

# 查看 日志
docker logs -f elasticsearch

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    日志中已经成功加载stopword.dic配置文件

    5）测试效果：

    GET /_analyze
{
  "analyzer": "ik_smart",
  "text": "Java的就业率超过95%了呢！"
}

    • 1
    • 2
    • 3
    • 4
    • 5

    注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑

    在这里插入图片描述

    11.4.4 总结

    分词器的作用是什么？

    • 创建倒排索引时对文档分词
    • 用户搜索时，对输入的内容分词

    IK分词器有几种模式？

    • ik_smart：智能切分，粗粒度
    • ik_max_word：最细切分，细粒度

    IK分词器如何拓展词条？如何停用词条？*

    • 利用 config目录的 IkAnalyzer.cfg.xml文件添加拓展词典和停用词典
    • 在词典中添加拓展词条或者停用词条

    返回顶部

  • 相关阅读:
    Android Fragment 基本概念和基本使用
    向量矩阵范数pytorch
    MySQL库的库操作指南
    常见的Web安全漏洞有哪些，Web安全漏洞常用测试方法介绍
    Last Week in Milvus
    Linux 基础-新手必备命令
    【算法100天 | 1】随机数多种玩法
    计算机毕业设计基于Springboot+vue口腔牙科诊所管理系统
    Polygon zkEVM zkASM 与 以太坊虚拟机opcode 对应集合
    Kafka
  • 原文地址：https://blog.csdn.net/qq_45797116/article/details/126540413