zoukankan      html  css  js  c++  java
  • Docker 安装Elasticsearch、Kibana实战——避免踩坑

    一、Docker安装Elasticsearch

    1.拉取对应版本的镜像

    docker pull elasticsearch:7.6.0
    

    2.设置配置文件elasticsearch.yaml

    cluster.name: "docker-cluster"
    node.name: node-1
    node.master: true
    network.host: 0.0.0.0
    http.cors.enabled: true
    http.cors.allow-origin: "*"
    

    3.宿主机配置文件/opt/elk/elasticsearch.yml挂载到容器/usr/share/elasticsearch/config/目录下并启动容器

    docker run -d --name es -p 9200:9200 -p 9300:9300 -v /opt/elk/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml   
    -v /data/es/data:/usr/share/es/data -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:7.6.0
    

    4.查看容器状态

    docker ps
    

    5.查看es服务信息

    curl http://localhost:9200
    

      

    6.head插件安装

    6.1 下载插件

    docker pull mobz/elasticsearch-head:5
    

    6.2 启动插件

    docker run -d -p 9100:9100 --name es-manager  mobz/elasticsearch-head:5
    

    6.3 查看head插件信息

    curl http://localhost:9100
    

    7.安装ik分词器

    7.1 进入es容器内部

    docker exec -it es /bin/bash
    

    7.2安装分词插件

    ./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.0/elasticsearch-analysis-ik-7.6.0.zip
    

    7.3查看已安装插件列表

    ./bin/elasticsearch-plugin  list
    

      

    7.4安装后退出容器

    exit
    

    7.5重启es服务

    docker restart es
    

    二、Docker安装Kibana

    1.拉取对应版本镜像

    docker pull kibana:7.6.0
    

    2.设置配置文件kibana.yml

    server.host: "0"
    server.name: "kibana"
    elasticsearch.hosts: ["http://xxxx:9200"]
    xpack.monitoring.ui.container.elasticsearch.enabled: true
    

    3.宿主机配置文件/opt/elk/kibana.yml挂载到容器/usr/share/kibana/config/kibana.yml目录下并启动容器

    docker run --name kibana --link=es:es -v /opt/elk/kibana.yml:/usr/share/kibana/config/kibana.yml  -p 5601:5601 -d kibana:7.6.0
    

    三、问题

    Elasticsearch搭建完成之后,创建索引错误,es-head报Content-Type错误

     解决办法:

  • 相关阅读:
    客户细分那点事_实践1
    和各种人去交流_好玩的事
    客户细分那点事_理论篇
    模型持久化
    天赋是积累出来的——转载自周鸿祎博客
    Pytorch——torch.nn.Sequential()详解
    第2章 Python序列
    Pytorch将数据打包
    线性回归的从零开始实现
    plt.scatter 各参数详解
  • 原文地址:https://www.cnblogs.com/zfwwdz/p/13106729.html
Copyright © 2011-2022 走看看