Elastic学习之旅 (2) 快速安装ELK

大家好，我是Edison。

上一篇：初识ElasticSearch

ElasticSearch的安装方式

ElasticSearch可以有多种安装方式，比如直接下载安装到宿主机进行运行，也可以通过docker的方式运行，完全取决我们的用途。这里，我们只是为了学习和练习，通过docker方式运行即可。

Docker安装的前置条件

这里为了成功通过docker安装ElasticSearch+Kibana，我们需要准备一下docker和docker-compose（如果你的实验机器没有安装的话）：

安装docker：

wget https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo -O
/etc/yum.repos.d/docker-ce.repo
yum -y install docker
systemctl enable docker && systemctl start docker
docker --version

安装docker-compose：

wget https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo -O
/etc/yum.repos.d/docker-ce.repo
yum -y install docker
systemctl enable docker && systemctl start docker
docker --version

这里我们通过直接运行的方式（非Docker）运行Logstash，因此这里我们安装一下JDK：

yum install java-1.8.0-openjdk
java -version

修改系统参数（如果你的机器配置较低的话，比如只有2个G内存）：

# 修改配置
sudo vim /etc/sysctl.conf
vm.max_map_count = 655360
# 让配置生效
sudo sysctl -p

Docker安装ElasticSearch+Kibana

这里我们以ES 7.1.0版本为例，虽然它是几年前的版本了，但这里我们只是学习完全够用了。

下面是我们准备好的docker-compose.yml文件：

version: '2.2'
services:
  kibana:
    image: docker.elastic.co/kibana/kibana:7.1.0
    container_name: kibana7
    environment:
      - I18N_LOCALE=en-US
      - XPACK_GRAPH_ENABLED=true
      - TIMELION_ENABLED=true
      - XPACK_MONITORING_COLLECTION_ENABLED="true"
    ports:
      - "5601:5601"
    networks:
      - es7net

  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.1.0
    container_name: es7_01
    environment:
      - cluster.name=edisontalk
      - node.name=es7_01
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
      - discovery.seed_hosts=es7_01,es7_02
      - cluster.initial_master_nodes=es7_01,es7_02
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - es7data1:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - es7net

  elasticsearch2:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.1.0
    container_name: es7_02
    environment:
      - cluster.name=edisontalk
      - node.name=es7_02
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
      - discovery.seed_hosts=es7_01,es7_02
      - cluster.initial_master_nodes=es7_01,es7_02
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - es7data2:/usr/share/elasticsearch/data
    networks:
      - es7net

volumes:
  es7data1:
    driver: local
  es7data2:
    driver: local

networks:
  es7net:
    driver: bridge

在这个文件中，定义了两个ES实例 和 一个Kibana实例，两个ES实例组成了一个小集群，Kibana则是可视化查询工具。

这里需要注意的是参数是"ES_JAVA_OPTS "，建议将Xmx 和 Xms 设置成一样的，如这里的512M。当然，如果你的机器配置较低，建议将这两个值调的低一些，比如256M。但是，Xmx的值不要超过机器内存的50%！

运行docker-compose文件执行运行安装：

docker-compose up -d

运行后等待1分钟，通过浏览器URL访问ES实例：

然后通过浏览器URL访问Kibana实例：

至此，你的ES+Kibana初步安装好了。

安装Logstash并导入测试数据集

这里我们再安装一个logstash，选择下载一个logstash-7.1.0安装到宿主机上的/usr/local/elastic/elk7目录下。

从这里下载logstash 7.1.0，与我们刚刚安装的ES实例保持一致：https://www.elastic.co/cn/downloads/past-releases/logstash-7-1-0

然后将其copy到你的服务器上，并进行解压：

然后准备一个logstash.conf配置文件，并copy到logstash-7.1.0/bin目录下：

input {
  file {
    path => "/usr/local/elastic/elk7/logstash-7.1.0/bin/movies.csv"
    start_position => "beginning"
    sincedb_path => "/dev/null"
  }
}
filter {
  csv {
    separator => ","
    columns => ["id","content","genre"]
  }

  mutate {
    split => { "genre" => "|" }
    remove_field => ["path", "host","@timestamp","message"]
  }

  mutate {

    split => ["content", "("]
    add_field => { "title" => "%{[content][0]}"}
    add_field => { "year" => "%{[content][1]}"}
  }

  mutate {
    convert => {
      "year" => "integer"
    }
    strip => ["title"]
    remove_field => ["path", "host","@timestamp","message","content"]
  }

}
output {
   elasticsearch {
     hosts => "http://localhost:9200"
     index => "movies"
     document_id => "%{id}"
   }
  stdout {}
}

这个配置文件定义了我们需要采集的数据的路径，为了实现测试数据集的导入，我们也需要下载一个测试数据集，这里选择的是MovieLens的开放数据集，选择其small类型的movies测试数据，将这个movices.csv数据copy到logstash-7.1.0/bin目录下即可。

数据集地址：http://files.grouplens.org/datasets/movielens/ml-latest-small.zip

这个movie.csv中包含了一些电影的id和标题，以及该电影的类别，数据格式如下：

movieId, title, genres

最后，开始运行logstash：

sudo ./logstash -f logstash.conf

稍后，我们就可以看到一条条数据被传到了ElasticSearch中：

**NOTE：**logstash的执行比较慢，需要耐心等待一下，取决于你的测试服务器的配置了。

数据插入完成后，我们可以到Kibana的Dev Tools中验证一下：

可以看到，共计9743个movie数据被传到了ElasticSearch中。

安装Cerebro可视化管理界面

Cerebro是一个常用的开源可视化管理工具，它可以对ElasticSearch进行集群监控和管理、集群配置修改、索引分片管理。

要安装Cerebro，只需要修改一下我们的docker-compose.yml，添加一个service即可：

version: '2.2'
services:
  cerebro:
    image: lmenezes/cerebro:0.8.3
    container_name: cerebro
    ports:
      - "9000:9000"
    command:
      - -Dhosts.0.host=http://elasticsearch:9200
    networks:
      - es7net
      
 ......

然后重新执行以下命令即可安装：

docker-compose up -d

安装好后访问9000端口即可看到：

小结

本篇，我们了解了ElasticSearch的安装方式，并通过docker-compose的方式快速搭建了一个两个ES节点的ElasitcSearch + Kibana服务。然后，通过手动安装Logstash并导入测试数据集，为后续学习ElasticSearch基本概念和查询练习奠定了基础。

下一篇，我们就正式开始ElasticSearch的入门，先从一些常见的基本概念走起！

参考资料

极客时间，阮一鸣，《ElasticSearch核心技术与实战》

作者：周旭龙

出处：https://edisonchou.cnblogs.com

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。