如何在Ubuntu14.04上安装和配置Elasticsearch
介绍
Elasticsearch 是一个实时分布式搜索和分析数据的平台。 它的流行是由于它的易用性、强大的功能和可扩展性。
Elasticsearch 支持 RESTful 操作。 这意味着您可以结合使用 HTTP 方法(GET、POST、PUT、DELETE 等)与 HTTP URI(/collection/entry)来操作您的数据。 直观的 RESTful 方法对开发人员和用户都很友好,这也是 Elasticsearch 受欢迎的原因之一。
Elasticsearch 是一款免费的开源软件,背后有一家实力雄厚的公司——Elastic。 这种组合使其适用于从个人测试到企业集成的任何地方。
本文将向您介绍 Elasticsearch,并向您展示如何安装、配置和开始使用它。
先决条件
在学习本教程之前,请确保您完成以下先决条件:
- 一个 Ubuntu 14.04 Droplet
- 非 root sudo 用户。 查看 Initial Server Setup with Ubuntu 14.04 了解详情。
除非另有说明,本教程中所有需要 root 权限的命令都应以具有 sudo 权限的非 root 用户身份运行。
假设
本教程假设您的服务器正在使用类似于此处描述的 VPN:如何使用 Ansible 和 Tinc VPN 保护您的服务器基础架构。 无论您的服务器使用什么物理网络,这都将提供专用网络功能。
如果您使用的是共享专用网络,例如 DigitalOcean Private Networking,则该安全功能将已为同一团队或同一区域中的帐户中的服务器启用。 这在使用 Elasticsearch 时尤为重要,因为它的 HTTP 接口中没有内置安全性。
第 1 步 — 安装 Java
首先,您需要在 Droplet 上安装 Java 运行时环境 (JRE),因为 Elasticsearch 是用 Java 编程语言编写的。 Elasticsearch 需要 Java 7 或更高版本。 Elasticsearch 推荐使用 Oracle JDK 版本 1.8.0_73,但用于 JRE 的原生 Ubuntu OpenJDK 原生包也适用。
此步骤向您展示如何安装这两个版本,以便您决定哪个版本最适合您。
安装 OpenJDK
用于 JRE 的本机 Ubuntu OpenJDK 本机软件包是免费的、受到良好支持的,并通过 Ubuntu APT 安装管理器自动管理。
在使用 APT 安装 OpenJDK 之前,请通过运行以下命令更新可在 Ubuntu Droplet 上安装的可用软件包列表:
sudo apt-get update
之后,您可以使用以下命令安装 OpenJDK:
sudo apt-get install openjdk-7-jre
要验证您的 JRE 是否已安装并且可以使用,请运行以下命令:
java -version
结果应如下所示:
Output of java -versionjava version "1.7.0_79" OpenJDK Runtime Environment (IcedTea 2.5.6) (7u79-2.5.6-0ubuntu1.14.04.1) OpenJDK 64-Bit Server VM (build 24.79-b02, mixed mode)
安装 Java 8
当您进一步使用 Elasticsearch 并开始寻找更好的 Java 性能和兼容性时,您可能会选择安装 Oracle 的专有 Java(Oracle JDK 8)。
将 Oracle Java PPA 添加到 apt:
sudo add-apt-repository -y ppa:webupd8team/java
更新您的 apt 软件包数据库:
sudo apt-get update
使用此命令安装最新的稳定版 Oracle Java 8(并接受弹出的许可协议):
sudo apt-get -y install oracle-java8-installer
最后,验证它是否已安装:
java -version
第 2 步 — 下载和安装 Elasticsearch
Elasticsearch 可以直接从 elastic.co 下载 zip、tar.gz、deb 或 rpm 包。 对于 Ubuntu,最好使用 deb (Debian) 包,它将安装运行 Elasticsearch 所需的一切。
在撰写本文时,最新的 Elasticsearch 版本是 1.7.2。 使用以下命令将其下载到您选择的目录中:
wget https://download.elastic.co/elasticsearch/elasticsearch/elasticsearch-1.7.2.deb
然后使用 dpkg
命令以通常的 Ubuntu 方式安装它,如下所示:
sudo dpkg -i elasticsearch-1.7.2.deb
提示:如果你想要最新发布的Elasticsearch版本,去elastic.co找到链接,然后使用wget
下载到你的Droplet。 请务必下载 deb 包。
这导致 Elasticsearch 安装在 /usr/share/elasticsearch/
中,其配置文件放置在 /etc/elasticsearch
中,其初始化脚本添加在 /etc/init.d/elasticsearch
中。
要确保 Elasticsearch 使用 Droplet 自动启动和停止,请使用以下命令将其 init 脚本添加到默认运行级别:
sudo update-rc.d elasticsearch defaults
第 3 步 — 配置 Elastic
现在已经安装了 Elasticsearch 及其 Java 依赖项,是时候配置 Elasticsearch 了。
Elasticsearch 配置文件位于 /etc/elasticsearch
目录中。 有两个文件:
elasticsearch.yml
— 配置 Elasticsearch 服务器设置。 这是存储除日志记录之外的所有选项的地方,这就是我们对这个文件最感兴趣的原因。logging.yml
— 提供日志记录配置。 一开始,您不必编辑此文件。 您可以保留所有默认日志记录选项。 默认情况下,您可以在/var/log/elasticsearch
中找到生成的日志。
在任何 Elasticsearch 服务器上要自定义的第一个变量是 elasticsearch.yml
中的 node.name
和 cluster.name
。 正如它们的名字所暗示的,node.name
指定服务器(节点)的名称以及与后者关联的集群。
如果您不自定义这些变量,则会根据 Droplet 主机名自动分配 node.name
。 cluster.name
将自动设置为默认集群的名称。
Elasticsearch 的自动发现功能使用 cluster.name
值来自动发现 Elasticsearch 节点并将其关联到集群。 因此,如果您不更改默认值,您的集群中可能会在同一网络上找到不需要的节点。
要开始编辑主 elasticsearch.yml
配置文件:
sudo nano /etc/elasticsearch/elasticsearch.yml
删除 node.name
和 cluster.name
行开头的 #
字符以取消注释它们,然后更改它们的值。 /etc/elasticsearch/elasticsearch.yml
文件中的第一个配置更改应如下所示:
/etc/elasticsearch/elasticsearch.yml
... node.name: "My First Node" cluster.name: mycluster1 ...
另一个重要的设置是服务器的角色,它可以是“主”或“从”。 “Masters”负责集群的健康和稳定。 在具有大量集群节点的大型部署中,建议拥有多个专用“主节点”。 通常,专用的“master”不会存储数据或创建索引。 因此,不应该有过载的机会,这可能会危及集群的健康。
“奴隶”被用作可以加载数据任务的“主力”。 即使“从”节点过载,集群健康也不应该受到严重影响,只要有其他节点承担额外的负载。
确定服务器角色的设置称为 node.master
。 如果您只有一个 Elasticsearch 节点,则应将此选项注释掉,以保持其默认值 true
— 即 唯一节点也应该是主节点。 或者,如果您希望将节点配置为从节点,请删除 node.master
行开头的 #
字符,并将值更改为 false
:
/etc/elasticsearch/elasticsearch.yml
... node.master: false ...
另一个重要的配置选项是node.data
,它决定了一个节点是否存储数据。 在大多数情况下,此选项应保留其默认值 (true
),但有两种情况您可能不希望在节点上存储数据。 一种是当节点是专用的“主节点”时,正如我们已经提到的。 另一种是节点仅用于从节点获取数据和聚合结果。 在后一种情况下,节点将充当“搜索负载平衡器”。
同样,如果您只有一个 Elasticsearch 节点,则应将此设置注释掉,以便保留默认的 true
值。 否则,要禁用本地存储数据,请取消注释以下行并将值更改为 false
:
/etc/elasticsearch/elasticsearch.yml
... node.data: false ...
另外两个重要的选项是 index.number_of_shards
和 index.number_of_replicas
。 第一个确定索引将被分成多少块(分片)。 第二个定义将在集群中分布的副本数。 拥有更多分片可以提高索引性能,而拥有更多副本则可以加快搜索速度。
假设您仍在单节点上探索和测试 Elasticsearch,最好从只有一个 shard 而没有副本开始。 因此,它们的值应设置为以下值(确保删除行开头的 #
):
/etc/elasticsearch/elasticsearch.yml
... index.number_of_shards: 1 index.number_of_replicas: 0 ...
您可能有兴趣更改的最后一个设置是 path.data
,它决定了存储数据的路径。 默认路径为 /var/lib/elasticsearch
。 在生产环境中,建议您使用专用分区和挂载点来存储 Elasticsearch 数据。 在最好的情况下,这个专用分区将是一个单独的存储介质,可以提供更好的性能和数据隔离。 您可以通过取消注释 path.data
行并更改其值来指定不同的 path.data
路径:
/etc/elasticsearch/elasticsearch.yml
... path.data: /media/different_media ...
完成所有更改后,请保存并退出文件。 现在您可以使用以下命令首次启动 Elasticsearch:
sudo service elasticsearch start
请至少等待 10 秒让 Elasticsearch 完全启动,然后才能使用它。 否则,您可能会收到有关无法连接的错误。
第 4 步 — 保护 Elastic
Elasticsearch 没有内置的安全性,任何可以访问 HTTP API 的人都可以控制它。 本节不是保护 Elasticsearch 的综合指南。 采取一切必要措施来防止未经授权访问它以及运行它的服务器/虚拟机。 考虑使用 iptables 来进一步保护您的系统。
第一个安全调整是防止公共访问。 要删除公共访问,请编辑文件 elasticsearch.yml
:
sudo nano /etc/elasticsearch/elasticsearch.yml
找到包含 network.bind_host
的行,通过删除行首的 #
字符取消注释,并将值更改为 localhost
,如下所示:
/etc/elasticsearch/elasticsearch.yml
... network.bind_host: localhost ...
警告: 因为 Elasticsearch 没有任何内置的安全性,所以不要将其设置为任何不受您控制或信任的服务器可访问的 IP 地址,这一点非常重要。 不要将 Elasticsearch 绑定到公共或 共享专用网络 IP 地址!
此外,为了提高安全性,您可以禁用用于评估自定义表达式的动态脚本。 通过制作自定义恶意表达式,攻击者可能会破坏您的环境。
要禁用自定义表达式,请在 /etc/elasticsearch/elasticsearch.yml
文件的末尾添加以下行:
... [label /etc/elasticsearch/elasticsearch.yml] script.disable_dynamic: true ...
第 5 步 — 测试
现在,Elasticsearch 应该在 9200 端口上运行。 您可以使用 curl、命令行客户端 URL 传输工具和一个简单的 GET 请求来测试它,如下所示:
curl -X GET 'http://localhost:9200'
您应该看到以下响应:
Output of curl{ "status" : 200, "name" : "Harry Leland", "cluster_name" : "elasticsearch", "version" : { "number" : "1.7.2", "build_hash" : "e43676b1385b8125d647f593f7202acbd816e8ec", "build_timestamp" : "2015-09-14T09:49:53Z", "build_snapshot" : false, "lucene_version" : "4.10.4" }, "tagline" : "You Know, for Search" }
如果您看到与上述类似的响应,则说明 Elasticsearch 工作正常。 如果没有,请确保您已正确遵循安装说明,并且您已留出一些时间让 Elasticsearch 完全启动。
第 6 步 — 使用 Elasticsearch
要开始使用 Elasticsearch,我们先添加一些数据。 如前所述,Elasticsearch 使用 RESTful API,它响应常见的 CRUD 命令:创建、读取、更新和删除。 为了使用它,我们将再次使用 curl。
您可以使用以下命令添加您的第一个条目:
curl -X POST 'http://localhost:9200/tutorial/helloworld/1' -d '{ "message": "Hello World!" }'
您应该看到以下响应:
Output{"_index":"tutorial","_type":"helloworld","_id":"1","_version":1,"created":true}
通过 curl,我们向 Elasticseach 服务器发送了一个 HTTP POST 请求。 请求的 URI 是 /tutorial/helloworld/1
。 了解这里的参数很重要:
tutorial
是 Elasticsearch 中数据的索引。helloworld
是类型。1
是我们在上述索引和类型下的条目的id。
您可以使用这样的 HTTP GET 请求检索第一个条目:
curl -X GET 'http://localhost:9200/tutorial/helloworld/1'
结果应如下所示:
Output{"_index":"tutorial","_type":"helloworld","_id":"1","_version":1,"found":true,"_source":{ "message": "Hello World!" }}
要修改现有条目,您可以使用如下 HTTP PUT 请求:
curl -X PUT 'localhost:9200/tutorial/helloworld/1?pretty' -d ' { "message": "Hello People!" }'
Elasticsearch 应该像这样确认成功的修改:
Output{ "_index" : "tutorial", "_type" : "helloworld", "_id" : "1", "_version" : 2, "created" : false }
在上面的示例中,我们将第一个条目的 message
修改为“Hello People!”。 至此,版本号自动增加到2
。
您可能已经注意到上述请求中的额外参数 pretty
。 它支持人类可读的格式,以便您可以将每个数据字段写入新行。 您还可以在检索数据时“美化”您的结果并获得更好的输出,如下所示:
curl -X GET 'http://localhost:9200/tutorial/helloworld/1?pretty'
现在响应将采用更好的格式:
Output{ "_index" : "tutorial", "_type" : "helloworld", "_id" : "1", "_version" : 2, "found" : true, "_source":{ "message": "Hello World!" } }
到目前为止,我们已经在 Elasticsearch 中添加和查询了数据。 要了解其他操作,请查看 API 文档。
结论
这就是安装、配置和开始使用 Elasticsearch 的容易程度。 一旦你玩够了手动查询,你的下一个任务就是从你的应用程序中开始使用它。