• ElasticSearch 集群 安装与部署


    windows

      1、安装java:

        配置环境变量,自行百度,注:java版本安装一定要用64位的,32位的java跑不起es。

      2、安装es:

        1)官网下载安装包,注:集群中的每个es节点的版本一定要一致,特别是在横向扩展的时候。

        2)修改配置 config/elasticsearch.yml

          cluster.name: haowang                                              #集群名称,所有节点一致

          node.name: node-91                                               #节点名称,所以节点都不一致 

          network.host: 0.0.0.0                                               # 0.0.0.0  接受所有请求
          network.publish_host: 192.168.120.91                   # 对外暴露的ip

          http.port: 9200                       # http 请求的端口

          transport.tcp.port: 9300                      # tcp 请求的端口,集群中节点通信用的端口,java 的api 也是用 tcp 通信,.net 用的是 http 的api

          discovery.zen.ping.unicast.hosts:["{ip}:9300","{ip2:9300}"]       #es集群互相发现,不需要全部写进去,es的发现模式 A->B,B->C,C->D,那么ABCD都在一个集群中。

          discovery.zen.minimum_master_nodes: 2           #es集群最小数量,小于它启动不成功。

          xpack.ml.enabled: false                   #xpack 的配置,不知道怎么配置,不需要的就设置false,需要的百度吧

        3)大功告成,cmd 运行 bin/elasticsearch.bat 

          运行成功后,浏览器上访问:http://{ip}:9200/_cat/nodes  可查看节点情况,也可使用kibana查看

    Docker

      1、安装docker请参见其他博文

       2、运行命令

          docker run --name es --restart=always

            -p 9300:9300 -p 9200:9200

            -v $PWD:/data

            -v /etc/localtime:/etc/localtime

            -e ES_JAVA_OPTS="-Xms30g -Xmx30g"

            -e cluster.name="test" -e node.name="es-1" -e node.master=true -e node.data=true -e discovery.zen.ping.unicast.hosts="1.1.8.179:9300,1.1.8.182:9300"

            -e discovery.zen.minimum_master_nodes=2 -e network.host=0.0.0.0 -e network.publish_host=1.1.8.181 -e transport.tcp.port=9300 -e http.port=9200

            -e path.data=/data/data -e path.logs=/data/logs

            elasticsearch:6.7.0

      # es 的配置应该都看得懂,-v $PWD:/data 表示挂载当前目录到容器的/data目录,  -e path.data=/data/data -e path.logs=/data/logs 设置es的数据与日志路径

      # -e ES_JAVA_OPTS="-Xms30g -Xmx30g" 配置es 的内存

    总的来说还是 docker 部署es这种多节点的方便。

      

  • 相关阅读:
    UVA 401 回文词
    n的阶乘分解成素数幂的积
    DSSM问答匹配模型
    Enhanced LSTM for Natural Language Inference
    Bidirectional LSTM-CRF Models for Sequence Tagging
    Attention Is All You Need 学习笔记
    BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
    C++学习笔记(四)
    C++学习笔记(三)
    java学习笔记(七)
  • 原文地址:https://www.cnblogs.com/wh-blog/p/11058248.html
Copyright © 2020-2023  润新知