当前位置: 首页 > article >正文

示例说明:elasticsearch实战应用

Elasticsearch 是一个基于 Lucene 的分布式搜索和分析引擎,广泛应用于日志分析、全文搜索、数据可视化等领域。以下是 Elasticsearch 实战应用的一些关键点和步骤:

1. 环境搭建

首先,你需要在你的环境中安装和配置 Elasticsearch。

安装 Elasticsearch

你可以通过以下几种方式安装 Elasticsearch:

  • Docker: 使用 Docker 容器来运行 Elasticsearch。
    docker run -d --name elasticsearch -p 92:92 -p 93:93 -e "discovery.type=single-node" elasticsearch:7.
  • 包管理器: 使用包管理器安装,如 apt 或 yum
    sudo apt-get install elasticsearch
  • 手动下载: 从官网下载并解压。 

wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.1.-linux-x86_64.tar.gz
tar -xzf elasticsearch-7.1.-linux-x86_64.tar.gz
cd elasticsearch-7.1./

启动 Elasticsearch

在安装完成后,启动 Elasticsearch 服务。

./bin/elasticsearch 

2. 基本操作

Elasticsearch 的基本操作包括索引的创建、文档的添加、查询等。

创建索引

curl -X PUT "localhost:92/my_index" -H 'Content-Type: application/json' -d'
{
  "mappings": {
    "properties": {
      "field1": { "type": "text" },
      "field2": { "type": "keyword" }
    }
  }
}
'
添加文档

curl -X POST "localhost:92/my_index/_doc/1" -H 'Content-Type: application/json' -d'
{
  "field1": "value1",
  "field2": "value2"
}
'
查询文档

curl -X GET "localhost:92/my_index/_search" -H 'Content-Type: application/json' -d'
{
  "query": {
    "match": {
      "field1": "value1"
    }
  }
}
'

3. 高级应用

Elasticsearch 不仅支持基本的搜索功能,还支持复杂的数据分析和可视化。

聚合查询

聚合查询可以用来对数据进行统计分析。

curl -X GET "localhost:92/my_index/_search" -H 'Content-Type: application/json' -d'
{
  "aggs": {
    "my_agg": {
      "terms": {
        "field": "field2"
      }
    }
  }
}
'

数据可视化

使用 Kibana 可以对 Elasticsearch 中的数据进行可视化。

  • 安装 Kibana:
    docker run -d --name kibana -p 561:561 kibana:7.1.

4. 性能优化

为了提高 Elasticsearch 的性能,可以考虑以下几个方面:

  • 分片和副本: 合理设置分片和副本的数量。
  • 索引优化: 使用合适的数据类型和分析器。
  • 硬件配置: 使用高性能的硬件,如 SSD。

5. 安全配置

Elasticsearch 默认没有启用安全功能,建议在生产环境中启用。

  • 启用安全: 配置 xpack.security.enabled 为 true
  • 用户管理: 创建和管理用户角色和权限。

6. 监控和日志

使用 Elastic Stack(ELK)来监控和分析 Elasticsearch 的性能和日志。

  • Logstash: 用于日志收集和处理。
  • Beats: 轻量级数据采集器。

通过以上步骤,你可以开始使用 Elasticsearch 进行实战应用,并根据具体需求进行扩展和优化。

示例1:电商网站的全文搜索

假设你正在开发一个电商网站,用户可以通过关键字搜索商品。你可以使用 Elasticsearch 来实现高效的全文搜索功能。

1. 创建索引

首先,创建一个名为 products 的索引,并定义商品的字段。

curl -X PUT "localhost:92/products" -H 'Content-Type: application/json' -d'
{
  "mappings": {
    "properties": {
      "name": { "type": "text" },
      "description": { "type": "text" },
      "price": { "type": "float" },
      "category": { "type": "keyword" }
    }
  }
}
'

2. 添加商品文档

products 索引中添加一些商品文档。

curl -X POST "localhost:92/products/_doc/1" -H 'Content-Type: application/json' -d'
{
  "name": "iPhone 13",
  "description": "The latest iPhone with advanced camera features.",
  "price": 999.99,
  "category": "Electronics"
}
'

curl -X POST "localhost:92/products/_doc/2" -H 'Content-Type: application/json' -d'
{
  "name": "Samsung Galaxy S21",
  "description": "A powerful Android smartphone with a great display.",
  "price": 899.99,
  "category": "Electronics"
}
'

3. 搜索商品

用户可以通过关键字搜索商品。例如,搜索所有包含 "iPhone" 的商品。

 curl -X GET "localhost:92/products/_search" -H 'Content-Type: application/json' -d'
{
  "query": {
    "match": {
      "name": "iPhone"
    }
  }
}
'

示例2:数据可视化

使用 Kibana 对 Elasticsearch 中的数据进行可视化。

1. 安装和启动 Kibana

docker run -d --name kibana -p 561:561 kibana:7.1.

2. 配置 Kibana

配置 Kibana 连接到 Elasticsearch。

3. 创建可视化

在 Kibana 中创建一个饼图,展示不同日志级别的分布。

  1. 打开 Kibana 的“Visualize”页面。
  2. 选择“Create visualization”。
  3. 选择“Pie”图表类型。
  4. 选择 logs 索引。
  5. 配置聚合,使用 level 字段进行分组。
  6. 保存并查看可视化结果。

通过这些示例,你可以看到 Elasticsearch 在不同场景下的应用,从简单的全文搜索到复杂的数据分析和可视化。

 

     


http://www.kler.cn/news/323764.html

相关文章:

  • 等保托管怎么样,流程是什么样的?
  • 弹性盒模型关键几个点:
  • 【SQL】总结Select语句中用来连接字符串的方法
  • 万字长文详解FreeRTOS软件定时器
  • 机器学习:opencv--特征检测
  • 静态链接和动态链接的Golang二进制文件
  • 音视频入门基础:FLV专题(4)——使用flvAnalyser工具分析FLV文件
  • SQLI—LABS刷题 | SQL总结
  • QT:常用类与组件
  • Humans or LLMs as the Judge? A Study on Judgement Bias
  • Redis6.0.9配置redis集群
  • 银河麒麟高级服务器操作系统V10外接硬盘挂载指南
  • 关于el-card的height设置100%后, el-card内容超出高度后,内容被隐藏这件事
  • Tkinter制作登录界面以及登陆后页面切换--用户数据从数据库获取并进行合法性校验(二)
  • 【WPF】多屏幕展示
  • Flask学习之项目搭建
  • Linux上的C/C++编程
  • 【管理】销售管理到底应该怎么管?
  • uniapp 实现3d轮播图,也就是中间的放大两边的缩小 用swiper和swiper-item就能实现
  • CentOS7 离线部署docker和docker-compose环境
  • 图说数集相等定义表明“R各元x的对应x+0.0001的全体=R“是几百年重大错误
  • c++与Python用笛卡尔的心形函数输出爱心
  • 学习ubuntu 24.10系统目录架构
  • 【Qt】前后端交互---DataCenter类
  • 牛顿迭代法求解x 的平方根
  • 架构师:消息队列的技术指南
  • Unity 网格的细节级别 (LOD) 学习
  • Python Web架构:微服务与服务网格的实践
  • C. Cards Partition 【Codeforces Round 975 (Div. 2)】
  • 强化-极限