讲师：阮一鸣——eBay Pronto 平台技术负责人、极客时间『Elasticsearch 核心技术与实战』课程讲师
课程为了更多同学能快速体验 Elasticsearch，为大家提供了免费的阿里云 Elasticsearch （3节点1核2G）的测试环境>>>>去开通

课程回顾

7 | 在Docker容器中运行Elasticsearch Kibana和 Cerebro
8 | Logstash安装与导入数据
9 | 基本概念：索引、文档和REST API
10 | 基本概念：节点、集群、分片及副本

知识点一：在 Docker 容器中运行 Elasticsearch Kibana和 Cerebro

lasticsearch 成立之初就开始拥抱容器技术，官方不仅提供 Docker Image，同时在2019年5月，在发布7.1版本时，免费支持并提供 Elatic Operator on Kubernetes。而Cerebro 可以很好的让大家学习了解 Elasticsearch 分布式特性。

关于在本机运行 Docker 环境去启动 Elasticsearch 有两点好处

• 可以通过一行命令，快速搭建环境
• 非常快捷的清除数据

Demo 部分请跟随课程，动手试试吧

课程相关资料访问及下载

下载安装 Docker 与 Docker Compose
• https://www.docker.com
• https://docs.docker.com/compose
• https://docs.docker.com/machine/install-machine/

Docker - Compose 相关命令

• 运行 Docker- compose up
• docker Compose down
• docker Compose down - v
• docker stop / rm containerID

GitHub:https://github.com/onebirdrocks/geektime-ELK/

知识点二：Logstash 安装与导入数据

我们通过 Elastic 官网下载并安装 Logstash，并在 Docker 本地运行，下载需要确保版本号跟 Elasticsearch 相一致；

下载安装 Logstash：

http://www.elastic.co/downloads/logstash
开通阿里云 Logstash 2核4G 1个月免费测试环境_点击开通

通过Movieiens 测试数据集，写了一个配置文件，并通过 Logstash 将这些数据写入 Elasticsearch，这些测试数据对于我们学习查询 Elasticsearch 起到非常关键的作用

下载 Movie Len 数据：

https://grouplens.org/datasets/movielens/

Demo 部分请跟随课程，动手试试吧

知识点三：基本概念（1）- 索引，文档和 REST API

Elasticsearch 中的“索引”和“文档”是一个逻辑概念，偏向与开发者视角；“文档”是所有可能搜索数据的最小单位，“索引”是相似文档的集合。

关于“文档”

在 Elasticsearch 中，“文档”以序列化成 JSON 格式保存，每个文档均对应一个 Unique ID和元数据，如 【_index-索引名】、【_type-类型名】等

关于“索引”

在 Elasticsearch 中“索引”是相似文档的集合，每一个“索引”都有属于自己的 Mapping 定义文档，用于描述包含的字段名和类型。每一个索引可以创建一个 “Type”（Elasticsearch 7.0之后），每个“Type”底下有相同结构的文档。

与关系型数据库类比时，当用于全文检索，Elasticsearch 比较有优势，往往会将Elasticsearch 与数据库组合使用。

关于“REST API”

“REST API”是 Elasticsearch 为了方便其他语言整合，对程序做调用。当程序需要与 Elasticsearch 做集成时，我们仅需发出 HTTP 的请求，就可以得到相应的结果。

Demo 部分请跟随课程，动手试试吧

• 查看一些与 index 的相关 API
• 进入 Kinbana Index Management 界面，探索 Index 相关的信息

知识点四：基本概念（2）- 集群 / 节点 / 分片 / 副本

关于“集群”

Elasticsearch 的“集群”是一个分布式集群，满足“高可用”、“可拓展”的特性。不仅提供存储的水平扩容，而且当出现部分节点停止服务，也不影响整个集群的服务。
Elasticsearch 官方也提供 CAT API，来帮助了解“集群”健康状况，用“green”、“yellow”、“red”，分别代表集群“主、副分片分配正常”、“主分片正常分配，副本未正常分配”、“主分片未正常分配

关于“节点”

“节点”是一个 Elasticsearch 的实例，本质上是一个 JAVA 的进程，当节点启动后，系统会分配一个 UID，保存着在 Data 目录下。

不同的节点，会承担不同的角色

其他还有很多类型节点，比如需要做日志 Case 时，有“Hot & Warm Node”、用于机器学习的“Machine Learning Node”；

每个节点启动，都会读取 Elasticsearch YML 配置文件，用于决定自己承担说明角色

关于“分片/副本”

“分片”分为 Primary Shard & Replica Shard（主、副分片）

通过分片，将数据分布在集群节点上，生产环境中，需要提前规划分片容量

当分片设置过小

1. 导致后续无法增加节点实现水平扩展
2. 当分片数据量超过容量，重新分配数据会耗费过多时间

当分片设置过大

1. 影响搜索结果相关性打分。
2. 导致统计不准确，影响性能造成浪费。

Demo 部分请跟随课程，动手试试吧

• 查看一个集群的健康状态 http://localhost:9200/_cluster/health
• CAT API

1. http://localhost:9200/_cat/nodes
2. 查看索引和分片

• 设置分片数
• Kibana+Cerebro 界面介绍

下周课程预告

点击预约课程

11 | 文档的基本CRUD与批量操作
12 | URI Search详解
13 | 通过Analyzer进行分词
14 | Search API概览

相关活动

更多折扣活动，请访问阿里云 Elasticsearch 官网

• 阿里云 Elasticsearch 商业通用版，1核2G首月免费
• 阿里云 Elasticsearch 日志增强版，首月六折，年付六折
• 阿里云 Logstash 2核4G首月免费