写点什么

ElasticSearch 从入门到精通:基础知识

作者:Jackpop
  • 2022 年 6 月 30 日
  • 本文字数:3652 字

    阅读完需:约 12 分钟

hello,大家好,我是 Jackpop,硕士毕业于哈尔滨工业大学,曾在华为、阿里等大厂工作,如果你对升学、就业、技术提升等有疑惑,不妨交个朋友:


我是Jackpop,我们交个朋友吧!


你会如何处理实时或准实时数据流?


在大数据时代,有很多方案可以帮助你完成这项任务。


接下来,我将通过一个系列的教程,我将利用 Storm、Kafka、ElasticSearch 逐步教你搭建一个实时计算系统。


搭建系统之前,我们首先需要了解一些定义。


通过考虑四个不同的属性,帮助你更好地理解大数据:数据量,速度,多样性和准确性。


  • 数据量:海量数据

  • 速度:数据处理的速度

  • 多样性: 任何类型的数据,包括结构化和非结构化

  • 准确性:传入和传出数据的准确性


存在具有不同用途的大数据工具:


  • 数据处理工具对数据执行某种形式的计算

  • 数据传输工具将数据收集和引入数据处理工具

  • 数据存储工具在不同处理阶段存储数据


数据处理工具可进一步分类为:


  • 批处理:批处理是要一起处理的数据的集合。批处理允许你将不同的数据点连接、合并或聚合在一起。在整个批处理完成之前,其结果通常不可用。批处理越大,等待从中获取有用信息的时间越长。如果需要更直接的结果,流处理是更好的解决方案。

  • 流处理:流处理器作用于无限制的数据流,而不是连续摄取的一批数据点(“流”)。 与批处理过程不同,流中没有明确定义的数据流起点或终点,而且,它是连续的。



批处理



流梳理

示例数据和方案

我们将使用一些实际数据来数据规约系统(DRS)。根据维基百科,“数据规约是将数字或字母数字信息…转换为校正,有序和简化的形式。基本概念是将大量数据规约为有意义的形式。”


数据源将是实际的航空公司历史飞行数据,我们的最终目标是能够在地图上显示航班历史数据。


我们将构建的最终数据处理链路如下图所示:



可以使用 SMACK 替代上述方案:


  • Spark:引擎(替代 Storm)

  • Mesos:容器

  • Akka:模型

  • Cassandra:存储(替代 ElasticSearch)

  • Kafka:消息队列


或者,你可以尝试自己使用自己喜欢的编程语言来实现它。



单线程调度程序使用以下方式以循环方式将工作分配给多个处理器(例如,可以是 Raspberry Pi 的阵列)。 MQTT 用于数据交换。 每个处理器并行处理数据并产生结果,这些结果由收集器收集,收集器负责将其存储到数据库,NAS 或实时呈现。 由于我们没有与用于接收实时飞行数据的真实传感器(例如雷达)建立任何连接以演示实际流处理,因此我们只能选择批处理(即下载历史飞行数据并离线处理它们)。


我们将首先将数据直接存储到 ElasticSearch 并在 Kibana 或其他 UI 应用程序中可视化它们。

ElasticSearch

ElasticSearch 是一个面向文档的分布式搜索引擎,用于处理以文档形式存储数据。


ElasticSearch 具有如下优势:


  • 跨多个节点可扩展

  • 搜索结果速度非常快

  • 多语种

  • 面向文档

  • 支持即时搜索

  • 支持模糊搜索

  • 开源,不收费


ElasticStack 由许多产品组成:


  • ElasticSearch:我们将在本文中重点介绍的

  • Kibana:一个分析和可视化平台,可让你轻松地可视化 Elasticsearch 中的数据并进行分析

  • LogStash:数据处理管道

  • Beats:数据传输集合

  • X-pack:可为 Elasticsearch 和 Kibana 添加其他功能,例如安全性(身份验证和授权),性能(监控),报告和机器学习


综上所述,可以使用 Beats 和/或 Logstash 将数据导入 Elasticsearch,也可以直接通过 ElasticSearch 的 API。 Kibana 用于可视化 ElasticSearch 中的数据。



接下来,我们将学习如何安装,启动和停止 ElasticSearch 和 Kibana。 在下一篇文章中,我们将提供产品概述,并学习如何将批量航班数据导入 ElasticSearch。


  1. 安装 ElasticSearch & Kibana


访问ElasticSearch网站,下载安装包,解压,然后进行接下,你会发现它包含如下内容:


binconfigdatajdkliblogsmodulesplugins
复制代码


它的主要配置文件是 config/elasticsearch.yml。


通过如下命令,可以运行 ElasticSearch,


cd <elasticsearch-installation>bin/elasticsearch
复制代码


使用浏览器打开链接 http:// localhost:9200/,如果看到类似以下的内容,那么恭喜你,你已经正常运行 ElasticSearch 实例了。


{  "name" : "MacBook-Pro.local",  "cluster_name" : "elasticsearch",  "cluster_uuid" : "jyxqsR0HTOu__iUmi3m3eQ",  "version" : {    "number" : "7.9.0",    "build_flavor" : "default",    "build_type" : "tar",    "build_hash" : "a479a2a7fce0389512d6a9361301708b92dff667",    "build_date" : "2020-08-11T21:36:48.204330Z",    "build_snapshot" : false,    "lucene_version" : "8.6.0",    "minimum_wire_compatibility_version" : "6.8.0",    "minimum_index_compatibility_version" : "6.0.0-beta1"  },  "tagline" : "You Know, for Search"}
复制代码


ElasticSearch 由一组节点组成(也就是存储数据的 ElasticSearch 实例),每个节点存储部分数据,同一台计算机上运行多个实例。


http://localhost:9200/_cluster/health?pretty


{  "cluster_name" : "elasticsearch",  "status" : "green",  "timed_out" : false,  "number_of_nodes" : 1,  "number_of_data_nodes" : 1,  "active_primary_shards" : 0,  "active_shards" : 0,  "relocating_shards" : 0,  "initializing_shards" : 0,  "unassigned_shards" : 0,  "delayed_unassigned_shards" : 0,  "number_of_pending_tasks" : 0,  "number_of_in_flight_fetch" : 0,  "task_max_waiting_in_queue_millis" : 0,  "active_shards_percent_as_number" : 100.0}
复制代码


集群状态为 green,我们看到它仅包含 1 个节点。 数据作为 JSON 对象(或文档)存储在 ElasticSearch 中,使用索引将文档组织在群集内。索引是具有相似特征并在逻辑上相关的文档的集合,通过索引,在逻辑上将文档分组在一起,并提供与可伸缩性和可用性相关的配置选项。


数据分布在各个节点中,但是,实际上是如何实现的呢?


ElasticSearch 使用分片。


分片是一种将索引分为不同部分的方法,其中每个部分称为分片,分片可水平缩放数据。


如果发生磁盘故障并且存储分片的节点发生故障,该怎么办?


如果我们只有一个节点,那么所有数据都会丢失。


默认情况下,ElasticSearch 支持分片复制以实现容错功能。主碎片的副本碎片在存储主碎片的节点以外的节点中创建。主分片和副本分片都称为复制组。在我们只有一个节点的示例中,没有复制发生。如果磁盘出现故障,我的所有数据都会丢失。我们添加的节点越多,通过在节点周围散布碎片就可以提高可用性。


ElasticSearch 集群暴露 REST API,使得开发者可以通过 GET POST PUT DELETE 命令进行访问。


有多种方法可以向 ElasticSearch 发出命令。


  • 通过在浏览器中或使用 curl 命令

  • 通过 Kibana 的控制台工具


curl 的访问语法如下:


curl -X<VERB> '<PROTOCOL>://<HOST>:<PORT>/<PATH>?<QUERY_STRING>' -d '<BODY>'
复制代码


参数解释:


  • <VERB>:HTTP 请求方法,GET POST PUT DELETE

  • <PROTOCOL>或.:如果你在 Elasticsearch 前面有 HTTPS 代理,或者使用 Elasticsearch 安全功能来加密 HTTP 通信,请使用后者

  • <HOST>:Elasticsearch 集群中任何节点的主机名

  • <PORT>:运行 Elasticsearch HTTP 服务的端口,默认为 9200

  • <PATH>:API 的 endpoint

  • <BODY>:JSON 编码的请求正文


例如:


curl -X GET "localhost:9200/flight/_doc/1?pretty"
复制代码


将返回存储在索引中的所有文档,由于我们尚未在 ElasticSearch 中插入任何文档,因此该查询将返回错误。


前面介绍了 ElasticSearch 的安装方法,下面介绍一下 Kibana 的安装。


访问网站下载安装包,解压,通过下方命令运行 Kibana:


cd <kibana-installation>bin/kibana
复制代码


在启动 Kibana 之前,请确保 ElasticSearch 已启动并正在运行。


Kibana 的目录结构如下:


binbuilt_assetsconfigdatanodenode_modulesoptimizepackage.jsonpluginssrcwebpackShimsx-pack
复制代码


首次运行 Kibana(http://localhost:5601)时,会让你提供样本数据或自行探索。


使用浏览器发送下方命令:


GET /_cat/health?v
复制代码


会得到下方信息:


epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent1585684478 19:54:38 elasticsearch green 1 1 6 6 0 0 7 0 - 100.0%
复制代码


_catAPI 提供有关属于群集的节点的信息。


有一个更方便的 API GET /_cat/indices?pretty,它提供了有关节点的更多详细信息。


health status index uuid pri rep docs.count docs.deleted store.size pri.store.sizegreen open .apm-custom-link ticRJ0PoTk26n8Ab7-BQew 1 0 0 0 208b 208bgreen open .kibana_task_manager_1 SCJGLrjpTQmxAD7yRRykvw 1 0 6 99 34.4kb 34.4kbgreen open .kibana-event-log-7.9.0-000001 _RqV43r_RHaa-ztSvhV-pA 1 0 1 0 5.5kb 5.5kbgreen open .apm-agent-configuration 61x6ihufQfOiII0SaLHrrw 1 0 0 0 208b 208bgreen open .kibana_1 lxQoYjPiStuVyK0pQ5_kaA 1 0 22 1 10.4mb 10.4mb
复制代码


在这一部分,我主要介绍了一下搭建数据规约系统涉及到的一些基本概念,以及 ElasticSearch、Kibana 的安装,确保,这两款关键工具能够正常运行。


在下一部分中,我们将看到如何将批量航班数据导入到 ElasticSearch,并查看如何实际搜索它们。

发布于: 刚刚阅读数: 3
用户头像

Jackpop

关注

还未添加个人签名 2020.09.16 加入

公众号:平凡而诗意,微信:code_7steps,全网粉丝超20万,技术进阶、优质资源、实用工具,欢迎关注!

评论

发布
暂无评论
ElasticSearch从入门到精通:基础知识_Jackpop_InfoQ写作社区