docker+es+kibana和springboot中使用es

本次和大家分享的主要是docker搭建es和springboot操作es的内容,也便于工作中或将来使用方便,因此从搭建es环境开始到代码插入信息到es中;主要节点如下:

  1. elasticsearch启动
  2. mobz/elasticsearch-head启动
  3. kibana启动
  4. springboot操作es

1.elasticsearch启动

  我本机环境是windows10,要挂载es的配置文档需要在本机上创建配置文档,因此这里创建配置文档C:UsersAdministratoreses-master.yml,配置文档内容如:

 1 #集群名称
 2 cluster.name: "shenniu_elasticsearch"
 3 #本节点名称
 4 node.name: master
 5 #是否master节点
 6 node.master: true
 7 #是否存储数据
 8 node.data: true
 9 #head插件设置
10 http.cors.enabled: true
11 http.cors.allow-origin: "*"
12 http.port: 9200
13 transport.tcp.port: 9300
14 #可以访问的ip
15 network.bind_host: 0.0.0.0

  这里配置一个es的cluster的master节点,集群名称shenniu_elasticsearch,有了配置下面就是启动es命令:

1 docker pull elasticsearch
2 docker run -d --name es-master -p 9200:9200 -p 9300:9300 -v C:/Users/Administrator/es/es-mast
3 er.yml:/usr/share/elasticsearch/config/elasticsearch.yml elasticsearch

  启动完后在浏览器浏览 http://192.168.183.9:9200/ 得到如下成功信息:

  

2.mobz/elasticsearch-head启动

  elasticsearch-head做为es集群状态查看插件工具,用起来还是挺方便的,启动命令如:

1 docker pull mobz/elasticsearch-head
2 docker run -d -p 9100:9100 --name mobz-es mobz/elasticsearch-head

  然后在浏览器录入 http://192.168.183.9:9100/ ,能够看到插件的操作界面,其中包含了索引,数据,基本查询等功能很是方便

  

  为了博客内容充实性,这里我添加了一些日志到es中,通过head工具能够看到如:

    

3.kibana启动

  kibana是专门针对es内容的一款查看工具,和elasticsearch-head不同的是前者主要是内容显示,通常有elk的组合,这里同样通过docker来启动下

1 docker pull kibana
2 docker run --name kibana -e ELASTICSEARCH_URL=http://192.168.183.9:9200 -p 5601:5601 -d kibana

  这里需要配置关联的es的地址,否则kibana界面无法正常使用,倘若es停了,kibana界面也会变成如下

  

  如果es和kibana都正常的话,就能够进入到如下界面

  

4.springboot操作es

  要说springboot中使用es有很多方式,这里使用的是它集成的包,通过maven添加如下依赖:

1 <!--es-->
2 <dependency>
3      <groupId>org.springframework.boot</groupId>
4      <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
5 </dependency>

  然后需要在配置文档中增加关于es的的相关配置,由于这里采用的是resposity操作es,所以这里需要设置为启动状态:

1 spring:
2   data:
3     elasticsearch:
4       cluster-name: shenniu_elasticsearch
5       cluster-nodes: 192.168.183.9:9300
6       repositories:
7         enabled: true

  cluster-name对应的是上面启动es时集群配置的名称,cluster-nodes对应集群访问的ip和端口;一般往es中存储的都是对象形式,所以这里需要定义一个实体类,这里是 MoEsLog:

 1 @Document(indexName = "eslog")
 2 public class MoEsLog {
 3     private String message;
 4 
 5     public String getMessage() {
 6         return message;
 7     }
 8 
 9     public void setMessage(String message) {
10         this.message = message;
11     }
12 
13     private String dateTime;
14 
15     public String getDateTime() {
16         return dateTime;
17     }
18 
19     public void setDateTime(String dateTime) {
20         this.dateTime = dateTime;
21     }
22 
23     @Id
24     private String _id;
25 }

  通过注解@Document里面的indexName来创建es索引名,然后通过继承ElasticsearchRepository来使用里面的增删改查方法,这里创建一个es工厂接口如:

1 @Repository
2 public interface IEsRepository extends ElasticsearchRepository<MoEsLog, String> {
3 }

  到此基本的配置和底层的工厂接口都完成了,剩下的就是怎么调用和简单的封装了,这里以save方法为例:

 1 @Service
 2 public class EsLogServiceImpl implements EsLogService {
 3 
 4     @Autowired
 5     private IEsRepository esRepository;
 6 
 7     @Override
 8     public void addEsLog(String message) {
 9 
10         Executors.newFixedThreadPool(10).submit(new Runnable() {
11             @Override
12             public void run() {
13                 SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd'T'HH:mm:ss.SSSZ");
14 
15                 MoEsLog esLog = new MoEsLog();
16                 esLog.setMessage(message);
17                 esLog.setDateTime(simpleDateFormat.format(new Date()));
18                 esRepository.save(esLog);
19             }
20         });
21     }
22 
23     @Override
24     public <T> void addEs(T t) {
25         addEsLog(JsonUtil.toJson(t));
26     }
27 }

  值得主要的是里面对datetime属性赋值的是一个时间字符串,格式如:yyyy-MM-dd'T'HH:mm:ss.SSSZ,这里匹配es的时间格式,不出意外的运行进程后,能够在kibana中看到如下信息:

  

  这里再转到9100端口的mobz/elasticsearch-head界面,也能够看到如下的记录:

  

 

关键词:es elasticsearch 这里 kibana 启动 配置 docker public string head

相关推荐:

elasticsearch技术实战——第一篇(使用篇)

es简单打造站内搜索

Spark SQL大数据处理并写入Elasticsearch

es6

常用ES6语法总结

浅谈JavaScript、ES5、ES6

Python创建ES索引

基于netcore实现mongodb和ElasticSearch之间的数据实时同步的工具(Mongo2Es)

亿级PV的ELK集群实践之路

002-es5.4.3结合spring-data-elasticsearch3.0.0.0使用