Elastic Stack生态圈

 Elastic Stack介绍

      在Elastic Stack之前我们听说过ELK，ELK分别是Elasticsearch，Logstash，Kibana这三款软件在一起的简称，在发展的过程中又有新的成员Beats的加入，就形成了Elastic Stack。

 　　　　　　　　                            Elastic Stack生态圈

在Elastic Stack生态圈中Elasticsearch作为数据存储和搜索，是生态圈的基石，Kibana在上层提供用户一个可视化及操作的界面，Logstash和Beat可以对数据进行收集。在上图的右侧X-Pack部分则是Elastic公司提供的商业项目。

Elastic Stack的组成部分

　　1. Logstash

              是开源的服务器端数据收集管道，支持从不同的数据源采集数据，转换数据，最后将数据发送到不同的存储库中。后被Elastic公司在2013年收购，成为Elastic公司里专处理数据管道的部分。

　　　　Logstash具有如下特性：

　　　　　　1）可以实时解析和转换数据，比如从IP地址转换出地理坐标，将PII数据匿名话，排除一些敏感字段。

　　　　　　2）可扩展，拥有可扩展的插件生态系统，目前市面上具有200多个插件（日志/数据库/Archsigh/Netflow）。

　　　　　　3）可靠性、安全性。Logstash会通过持久化队列来保证至少将运行中的事件送达一次，同时将数据进行传输加密。

　　　　　　4）监控。

       2. Kibana

              Kibana是一款数据可视化工具，最早是基于Logstash来创建的一个工具，在2013年时候也是被Elastic公司收购。目前Kibana最常用就是以图表的形式呈现数据，并且具有可扩展的用户界面，配置和管理ElasticSearch。

　　　　Kibana特点：

　　　　     1）Kibana可以提供各种可视化的图表；

　　　　     2）可以通过机器学习的技术，对异常情况进行检测，用于提前发现可疑问题；

 　　3. ElasticSearch：

　　　　ElasticSearch是对数据进行搜索、分析和存储，其是基于JSON的分布式搜索和分析引擎，专门为实现水平可扩展性、高可靠性和管理便捷性而设计的。

　　　　它的实现原理主要分为以下几个步骤：

　　　　　　1）首先用户将数据提交到ElasticSearch数据库中；

　　　　　　2）再通过分词控制器将对应的语句分词；

　　　　　　3）将分词结果及其权重一并存入，以备用户在搜索数据时，根据权重将结果排名和打分，将返回结果呈现给用户；

 

 docker中运行ElasticSearch Kibana及Cerebro

　　　 cerebro是ElasticSearch一款监控工具，它的github地址：https://github.com/lmenezes/cerebro/releases。下吗使用docker及docker-compose来安装这些软件。

　　　 docker-compose.yaml文件内容如下

version: '2.2'
services:
  cerebro:
    image: lmenezes/cerebro:0.8.3
    container_name: cerebro
    ports:
      - "9000:9000"
    command:
      - -Dhosts.0.host=http://elasticsearch:9200
    networks:
      - es7net
  kibana:
    image: docker.elastic.co/kibana/kibana:7.1.0
    container_name: kibana7
    environment:
      - I18N_LOCALE=zh-CN
      - XPACK_GRAPH_ENABLED=true
      - TIMELION_ENABLED=true
      - XPACK_MONITORING_COLLECTION_ENABLED="true"
    ports:
      - "5601:5601"
    networks:
      - es7net
  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.1.0
    container_name: es7_01
    environment:
      - cluster.name=geektime
      - node.name=es7_01
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
      - discovery.seed_hosts=es7_01,es7_02
      - cluster.initial_master_nodes=es7_01,es7_02
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - es7data1:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - es7net
  elasticsearch2:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.1.0
    container_name: es7_02
    environment:
      - cluster.name=geektime
      - node.name=es7_02
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
      - discovery.seed_hosts=es7_01,es7_02
      - cluster.initial_master_nodes=es7_01,es7_02
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - es7data2:/usr/share/elasticsearch/data
    networks:
      - es7net


volumes:
  es7data1:
    driver: local
  es7data2:
    driver: local

networks:
  es7net:
    driver: bridge

在本地环境一个空目录中，创建上面这个 docker-compose.yaml文件，然后在执行命令docker-compose up 来启动容器。

 启动好之后，我们在浏览器输入 http://localhost:5601/  来访问Kibana。

 

在输入http://localhost:9000/ 来访问cerebro。

 登陆进去之后展示的就是cerebro的管理界面。

 

 下面在安装Logstash，这里我之前一篇文章有写关于Logstash的使用与安装 https://www.cnblogs.com/songgj/p/11183566.html，安装好之后在MovieLens上下载一些测试数据来填充到Elasticsearch中，

  （MovieLens数据集包含多个用户对多部电影的评级数据，也包括电影元数据信息和用户属性信息。）

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