简单安装EFK

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
简介: 简单安装EFK

简单安装EFK

安装elasticsearch

helm repo add elastic https://helm.elastic.co

 

git clone git@github.com:elastic/helm-charts.git

 

由于我使用的是minikube安装的es,内存和空间比较小,做的是单节点部署。修改了一些配置:如下:

vim helm-charts/elasticsearch/values.yaml

image.png

image.png 

安装之后,可以看到如下信息:

image.png 

 

安装指令:helm install elasticsearch ./helm-charts/elasticsearch

 

安装成功的截图:

image.png

image.png 

安装kibana

修改配置文件:

vim helm-charts/kibana/values.yaml

我用的minikube部署资源有限所以修改了一下配置,修改的内存不能太小,否则报错:OOMKILL。其他的配置不用修改

image.png

 

 

执行安装命令:helm install kibana ./helm-charts/kibana

安装filebeat

这个我没有修改任何配置,直接使用的。执行如下命令。

helm install ./helm-charts/filebeat

 

由于我的虚拟机内存实在太小了,这套EFK时不时的崩溃,测试不是很充分。有问题可以给我留言,一起讨论解决。

详细的部署过程可以参考:https://blog.csdn.net/qq_28540443/article/details/106428346

相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
目录
打赏
0
0
0
0
39
分享
相关文章
Linux基础命令---smbpasswd管理samba密码
smbpasswd smbpasswd指令可以用来修改samba用户的的密码,该指令不仅可以修改本地samba服务器的用户密码,还可以修改远程samba服务器的用户密码。 此命令的适用范围:RedHat、RHEL、Ubuntu、CentOS、Fedora、SUSE、openSUSE。
2968 0
基于js开发的一个h5页面可视化布局器
前段时间笔者一直忙于数据可视化方面的工作,比如如何实现拖拽式生成可视化大屏,如何定制可视化图表交互和数据导入方案等,这块需求在B端企业中应用非常大,所以非常有探索价值。 本篇文章并非和数据可视化相关,而是通过抽象技术底层,将其应用于H5页面可视化搭建上,通过技术的手段实现拖拽式生成H5页面。这块也有非常多的应用场景,比如我们需要开发一个移动端网站,一个H5营销页面,H5活动页面等,如果有这样的傻瓜式拖拽的工具生成H5页面,将会极大的提高我们的工作效率。 接下来笔者将对h5页面可视化编辑器做详细的演示
2924 0
基于js开发的一个h5页面可视化布局器
开源日志Fluentd
【10月更文挑战第21天】
136 7
探索未来网络:IPv6的演进与应用
本文深入探讨了互联网协议第6版(IPv6)的发展历程、技术特点以及在各领域的应用前景。通过对IPv4面临的问题进行分析,阐明了IPv6出现的必要性及其在地址空间扩展、安全性提升和自动配置等方面的显著优势。结合当前技术趋势和应用案例,展望了IPv6在未来网络中的发展潜力,为相关领域的研究和实践提供了参考。
|
11月前
|
Docker 安装 ELK,EFK代替
Docker 安装 ELK,EFK代替
104 0
论文介绍:探索离散状态空间中的去噪扩散模型
【4月更文挑战第8天】新研究提出离散去噪扩散概率模型(D3PMs),扩展了在图像和音频生成上成功的DDPMs,专注于离散数据如文本和图像分割。D3PMs通过结构化的离散腐败过程改进生成质量,无需将数据转化为连续空间,允许嵌入领域知识。实验显示,D3PMs在字符级文本生成和CIFAR-10图像数据集上表现出色。尽管有局限性,如在某些任务上不及自回归模型,D3PMs的灵活性使其适用于多样化场景。
190 2
论文介绍:探索离散状态空间中的去噪扩散模型

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问