ElasticStack安装(windows)

官网 : Elasticsearch 平台 --- 大规模查找实时答案 | Elastic

Elasticsearch

Elastic Stack(一套技术栈)

包含了数据的整合 =>提取 =>存储 =>使用,一整套!

各组件介绍:

  • beats 套件:从各种不同类型的文件/应用中采集数据。比如:a,b,cd,e,aa,bb,cc
  • Logstash:从多个采集器或数据源来抽取/转换数据,向 es 输送。比如:a,bb,cc
  • elasticsearch:存储、查询数据
  • kibana:可视化 es 的数据

百度网盘

链接:Elastic Stack_免费高速下载|百度网盘-分享无限制 (baidu.com)

提取码:e7vy

ElasticSearch

Elasticsearch : Set up Elasticsearch | Elasticsearch Guide [7.17] | Elastic

安装 : Install Elasticsearch with .zip on Windows | Elasticsearch Guide [7.17] | Elastic

windows 点击 zip 包下载

Kibana

kibana : Kibana---your window into Elastic | Kibana Guide [7.17] | Elastic

安装 : Install Kibana | Kibana Guide [7.17] | Elastic

windows 点击 zip包下载

只要是一套技术,所有版本必须一致!!!此处都用 7.17 版本。
输入命令 或者 点击elasticsearch.bat

java 复制代码
elasticsearch.bat

访问成功 , localhost:9200

与JDK版本不一致问题 : 解决

只需要改成 : JAVA="$ES_HOME/jdk/bin/java"

java 复制代码
JAVA="$ES_HOME/jdk/bin/java"
java 复制代码
# now set the path to java
if [ ! -z "$ES_JAVA_HOME" ]; then
  JAVA="$ES_JAVA_HOME/bin/java"
  JAVA_TYPE="ES_JAVA_HOME"
elif [ ! -z "$JAVA_HOME" ]; then
  # fallback to JAVA_HOME
  echo "warning: usage of JAVA_HOME is deprecated, use ES_JAVA_HOME" >&2
  #只需要把这个 JAVA="$JAVA_HOME/bin/java" 和 JAVA_TYPE="JAVA_HOME" 换成 
  #JAVA="$ES_HOME/jdk/bin/java"
  JAVA="$ES_HOME/jdk/bin/java"
else
  # use the bundled JDK (default)
  if [ "$(uname -s)" = "Darwin" ]; then
    # macOS has a different structure
    JAVA="$ES_HOME/jdk.app/Contents/Home/bin/java"
  else
    JAVA="$ES_HOME/jdk/bin/java"
  fi
  JAVA_TYPE="bundled JDK"
fi

IK分词器

下载地址 : GitHub - medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary.
创建一个 plugins文件夹

plugins内再创建一个文件夹

解压

如果没有相应版本的分词器,可以改版本 ,在 plugin-descriptor.properties 文件里修改

安装IK分词器后启动es可能出现 访问被拒绝 的报错 , 可能是路径有 空格 导致的

Logstash

传输处理 数据的管道 , 数据同步的时候可能会用 , 不必须

文章 : Getting Started with Logstash | Logstash Reference [7.17] | Elastic

下载地址 : Past Releases of Elastic Stack Software | Elastic

好处:用起来方便,插件多

缺点:成本更大、一般要配合其他组件使用(比如 kafka)


这期就到这里 , 下期见 !

相关推荐
Learn Beyond Limits5 小时前
Error metrics for skewed datasets|倾斜数据集的误差指标
大数据·人工智能·python·深度学习·机器学习·ai·吴恩达
IT研究室6 小时前
大数据毕业设计选题推荐-基于大数据的宫颈癌风险因素分析与可视化系统-Spark-Hadoop-Bigdata
大数据·hadoop·spark·毕业设计·源码·数据可视化·bigdata
武子康6 小时前
Java-118 深入浅出 MySQL ShardingSphere 分片剖析:SQL 支持范围、限制与优化实践
java·大数据·数据库·分布式·sql·mysql·性能优化
IT毕设梦工厂6 小时前
大数据毕业设计选题推荐-基于大数据的高级大豆农业数据分析与可视化系统-Hadoop-Spark-数据可视化-BigData
大数据·数据分析·课程设计
专注数据的痴汉7 小时前
「数据获取」《中国服务业统计与服务业发展(2014)》
大数据·人工智能
镜舟科技7 小时前
告别 Hadoop,拥抱 StarRocks!政采云数据平台升级之路
大数据·starrocks·数据仓库·hadoop·存算分离
毕设源码-赖学姐7 小时前
【开题答辩全过程】以 基于Hadoop电商数据的可视化分析为例,包含答辩的问题和答案
大数据·hadoop·分布式
时序数据说8 小时前
时序数据库IoTDB的核心优势
大数据·数据库·物联网·开源·时序数据库·iotdb
计算机毕设残哥8 小时前
HDFS存储农业大数据的秘密是什么?高级大豆数据分析与可视化系统架构设计思路
大数据·hadoop·python·hdfs·数据分析·spark·django
IT毕设实战小研8 小时前
2026届大数据毕业设计选题推荐-基于大数据旅游数据分析与推荐系统 爬虫数据可视化分析
大数据·人工智能·爬虫·机器学习·架构·数据分析·课程设计