ElasticSearch入门篇

基于Docker安装Elasticsearch

创建网络

因为需要部署kibana容器,因此需要让es和kibana容器互联。

指令:

复制代码
docker network create es-net

2. 拉取镜像

复制代码
docker pull elasticsearch:7.12.1

3. 创建挂载点目录

复制代码
mkdir -p /usr/local/es/data /usr/local/es/config /usr/local/es/pluginsc


chmod 777  /usr/local/es/data
chmod 777  /usr/local/es/config
chmod 777  /usr/local/es/plugins

4. 创建es容器

复制代码
docker run -d \
--restart=always \
--name es \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
--privileged \
-v /usr/local/es/data:/usr/share/elasticsearch/data \
-v /usr/local/es/plugins:/usr/share/elasticsearch/plugins \
-e "discovery.type=single-node" \
-e "ES_JAVA_OPTS=-Xms256m -Xmx256m" \
elasticsearch:7.12.1

5. 编写elasticsearch.yml

进入es容器

复制代码
docker exec -it es /bin/bash

跳转到config目录下

复制代码
cd config

关闭 密码安全验证

复制代码
echo 'xpack.security.enabled: false' >> elasticsearch.yml

6. 重启容器

复制代码
docker restart es

7. 测试是否安装成功

你的ip:9200

基于Docker安装Kibana

1 . 拉取镜像

复制代码
docker pull kibana:7.12.1

2. 创建挂载目录点

复制代码
mkdir -p /usr/local/kibana/config /usr/local/kibana/data


chmod 777 /usr/local/kibana/data
chmod 777 /usr/local/kibana/config

3. 创建kibana容器

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

4. 测试kibana是否成功

你的ip:5601

基于Docker安装IK分词器

复制代码
docker exec -it es /bin/bash


./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

*注意:安装IK分词器的版本,必须和Elasticsearch的版本一致,*

*上文安装的是Elasticsearch 7.12.1的,所以安装的IK分词器版本是7.12.1*

相关推荐
GlobalInfo9 小时前
34.2%年复合增长率背后,AI量子计算市场规模影响因素会是什么?
大数据·人工智能·量子计算
kaoa0009 小时前
Linux入门攻坚——89、Hadoop-1-架构及概念
大数据·linux·hadoop·分布式
onthe_wing9 小时前
flink窗口与水位线详解
大数据·flink
RisunJan9 小时前
DeepSeek 全景技术指南:从混合推理架构到提示语工程实战(2026.09)
大数据·人工智能·架构
Elasticsearch9 小时前
将 Vercel 数据导入 Elastic:无需安装任何东西的无服务器可观测性
elasticsearch
2503_931712489 小时前
具身机器人和人形机器人的区别是什么?两者是否有什么关系
大数据
长谷深风1119 小时前
Checkpoint设计的三大生死关
大数据·人工智能·ai·大模型·ai智能体·tool·aiagent
BYSJMG9 小时前
计算机毕业设计选题推荐:基于大数据的水质多指标关联分析与可视化的设计与实现,Spark 加 K-Means 做水质分群
大数据·hadoop·信息可视化·数据分析·spark·kmeans·课程设计
龙亘川9 小时前
数字化建设案例|构建议案履职一体化闭环,解决议案建议办理多主体协同难题
大数据·人工智能·科技·信息可视化·智慧城市
牛企老板俱乐部10 小时前
全国钻井泥浆材料选型避坑指南从井温地层与体系匹配切入分析
大数据