Elasticsearch基本操作+集成SpringBoot+ELK日志平台搭建-Toy模板网

这篇具有很好参考价值的文章主要介绍了Elasticsearch基本操作+集成SpringBoot+ELK日志平台搭建。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、简介

1.1Elasticsearch简介

Elasticsearch是一种开源的搜索和分析引擎，最初由开源搜索引擎Lucene的作者于2010年创建。它提供了一个可伸缩、高性能的搜索和数据分析平台，可用于多种用途，包括文本搜索、应用程序性能监控、业务分析、日志聚合等。

Elasticsearch使用分布式架构，可以处理大量数据并实现快速搜索和聚合。它使用基于JSON的RESTful API进行交互，并支持各种语言的客户端库。Elasticsearch还提供了大量的插件和整合方案，例如集成Kibana和Logstash进行数据可视化和日志分析。

Elasticsearch主要特点有：

分布式架构，可以水平扩展和处理多个节点上的数据
实时搜索和分析，支持实时的文本搜索和分析
高可用性和冗余性，支持节点复制和故障转移
全文搜索和模糊查询，支持全文搜索、模糊查询和聚合操作
可扩展性和灵活性，支持各种格式的数据和第三方插件

总之，Elasticsearch是一个功能强大、可伸缩、用途广泛的搜索和数据分析引擎，适用于大量的数据处理和搜索场景。

1.2基本概念

以下是Elasticsearch中的一些主要的名词和概念：

索引（Index）：在Elasticsearch中，一个索引 类似于传统关系数据库中的一个数据库 ，是一个存储关系型文档的地方。
- 索引（名词）：
  如前所述，一个索引类似于传统关系数据库中的一个数据库，是一个存储关系型文档的地方。索引(index) 的复数词为 indices 或 indexes 。
- 索引（动词）：
  索引一个文档就是存储一个文档到一个索引（名词）中以便被检索和查询。这非常类似于 SQL 语句中的 INSERT 关键词，除了文档已存在时，新文档会替换旧文档情况之外。
文档（Document）：文档是Elasticsearch中的基本单位，类似于关系型数据库中的记录或行。每个文档都有一个唯一的标识符，称为文档ID。
分片（Shard）：分片是将一个索引分成多个部分的过程，以便能够在多个节点之间共享和平衡负载。每个索引都被分成多个分片，并可以分配到不同的节点上。
副本（Replica）：副本是在多个节点之间复制分片的过程，以便可以提高可用性和容错性。每个主分片都可以有多个副本，而每个副本都在不同的节点上。
集群（Cluster）：集群是多个节点的集合，用于共同协作以处理数据和查询。每个集群都有一个唯一的名称，并且可以容纳多个索引和多个节点。
节点（Node）：节点是一个单独的Elasticsearch实例，它通过加入一个集群来参与搜索和分析。每个节点都有一个唯一的名称，并且可以是一个主节点（Master node）或一个工作节点（Data node）。
映射（Mapping）：映射是文档存储和索引方式的定义，用于描述文档中每个字段的数据类型和其它属性。每个索引都有一个映射，用于确定该索引中的文档如何被存储和搜索。
查询（Query）：查询是在Elasticsearch中搜索文档的方法，可以通过各种查询类型进行检索，如全文搜索、聚合操作、过滤等。

这些是Elasticsearch中的一些重要概念和名词，了解它们可以更好地理解Elasticsearch的运作方式和特性。

1.3数据格式

Elasticsearch 是面向文档型数据库，一条数据在这里就是一个文档。为了方便大家理解，
我们将 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比

Elasticsearch	MySQL
Index（索引）	Dotobase（数据库）
Type（类型）	Table（数据表）
Dcoument（文档）	Row（行）
Mapping	Schema
Fields（字段）	Column（列）

ES 里的 Index 可以看做一个库，而 Types 相当于表，Documents 则相当于表的行。这里 Types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个type，Elasticsearch 7.X 中, Type 的概念已经被删除了。

二、基于HTTP的CRUD

2.1索引操作

2.1.1创建索引

对比关系型数据库，创建索引就等同于创建数据库。向 ES 服务器发 PUT 请求：

在ApiFox中：http://127.0.0.1:9200/csy

在Kibana中：PUT /csy

响应：

{
  "acknowledged" 【响应结果】: true, # true 操作成功
  "shards_acknowledged"【分片结果】 : true,# 分片操作成功
  "index" 【索引名称】: "csy"
}

2.1.2查看索引

查看所有索引： 向 ES 服务器发 GET 请求

在 ApiFox中： http://127.0.0.1:9200/_cat/indices?v

这里请求路径中的_cat 表示查看的意思， indices 表示索引，查看当前 ES服务器中的所有索引，就像 MySQL 中的 show tables

在Kibana中： GET/_cat/indices?v

查看单个索引：

在 ApiFox中： http://127.0.0.1:9200/csy

在Kibana中： GET/csy

响应：

  "csy" : { //索引名
   	"aliases": {},//别名
     "mappings": {},//映射
     "settings": {//设置
      "index" : { //设置 - 索引
        "routing" : {
          "allocation" : {
            "include" : {
              "_tier_preference" : "data_content"
            }
          }
        },
        "number_of_shards" : "1", //设置 - 索引 - 主分片数量
        "provided_name" : "csy",
        "creation_date" : "1679450796617", //设置 - 索引 - 创建时间
        "number_of_replicas" : "1", //设置 - 索引 - 主分片数量
        "uuid" : "x-bQnnvzT6-ooWVf8bdrTQ",  //设置 - 索引 - 唯一标识
        "version" : { //设置 - 索引 - 版本
          "created" : "7170399"
        }
      }
    }
  }
}

2.1.3删除索引

向 ES 服务器发 DELETE 请求：

在 ApiFox中： http://127.0.0.1:9200/csy

在Kibana中： DELETE /csy

响应结果：

{
  "acknowledged" : true
}

2.2文档操作

2.2.1创建文档

索引已经创建好了，接下来我们来创建文档，并添加数据。这里的文档可以类比为关系型数
据库中的表数据，添加的数据格式为 JSON 格式

向 ES 服务器发 POST 请求：
请求内容为：

{
 "title":"小米手机",
 "category":"小米",
 "images":"http://www.gulixueyuan.com/xm.jpg",
 "price":3999.00
}

在 ApiFox中： http://127.0.0.1:9200/csy/_doc 并将上述内容以Json的形式发送

在Kibana中:
	POST /csy/_doc 
	{
	 "title":"小米手机",
	 "category":"小米",
	 "images":"http://www.gulixueyuan.com/xm.jpg",
	 "price":3999.00
	}

响应结果：

{
  "_index" : "csy", 
  "_type" : "_doc", //类型-文档
  "_id" : "7vklB4cBPMxSmKFid4CY", //唯一标识 #可以类比为 MySQL 中的主键，随机生成
  "_version" : 1,
  "result" : "created", //这里的 create 表示创建成功
  "_shards" : { // 分片
    "total" : 2, //分片 - 总数
    "successful" : 1, //分片 - 成功
    "failed" : 0 // 分片 - 失败
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

上面的数据创建后，由于没有指定数据唯一性标识（ID），默认情况下，ES 服务器会随机生成一个。

如果想要自定义唯一性标识，需要在创建时指定：
http://127.0.0.1:9200/csy/_doc/1

2.2.2查看文档

查看文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询，向 ES 服务器发 GET 请求。

ApiFox: http://127.0.0.1:9200/csy/_doc/7vklB4cBPMxSmKFid4CY

Kibana: GET  /csy/_doc/7vklB4cBPMxSmKFid4CY

2.2.3修改文档

和新增文档一样，输入相同的 URL 地址请求附带上唯一标识，如果请求体变化，会将原有的数据内容覆盖，向 ES 服务器发 POST 请求。

在 ApiFox中： http://127.0.0.1:9200/csy/_doc/7vklB4cBPMxSmKFid4CY 并将下述内容以Json的形式发送
{ 
 "doc": {
 "price":3000.00
 } 
}

在Kibana中:
	POST /csy/_doc/7vklB4cBPMxSmKFid4CY
	{ 
	 "doc": {
		 "price":3000.00
		 } 
	}

2.2.4修改字段

修改数据时，也可以只修改某一给条数据的局部信息。向 ES 服务器发 POST 请求。

在 ApiFox中： http://127.0.0.1:9200/csy/_update/7vklB4cBPMxSmKFid4CY 并将上述内容以Json的形式发送

在Kibana中:
	POST /csy/_update/7vklB4cBPMxSmKFid4CY
	{
	 "title":"小米手机",
	 "category":"小米",
	 "images":"http://www.gulixueyuan.com/xm.jpg",
	 "price":3999.00
	}

2.2.5删除文档

删除一个文档不会立即从磁盘上移除，它只是被标记成已删除（逻辑删除）。向 ES 服务器发 DELETE 请求。

在 ApiFox中： http://127.0.0.1:9200/csy/_doc/7vklB4cBPMxSmKFid4CY

在Kibana中: DELETE/csy/_doc/7vklB4cBPMxSmKFid4CY

响应结果：

{
  "_index" : "csy",
  "_type" : "_doc",
  "_id" : "7vklB4cBPMxSmKFid4CY",
  "_version" : 2,
  "result" : "deleted", //deleted 表示数据被标记为删除
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 1,
  "_primary_term" : 1
}

2.2.6条件删除文档

向 ES 服务器发 POST 请求。

在 ApiFox中： http://127.0.0.1:9200/csy/_delete_by_query
{
 "query":{
 "match":{
 "price":4000.00
 }
 }
}

在Kibana中: POST /csy/_delete_by_query
{
 "query":{
 "match":{
 "price":4000.00
 }
 }
}

响应结果：

{
  "took" : 27, //耗时
  "timed_out" : false,
  "total" : 1,
  "deleted" : 1, //删除数量
  "batches" : 1,
  "version_conflicts" : 0,
  "noops" : 0,
  "retries" : {
    "bulk" : 0,
    "search" : 0
  },
  "throttled_millis" : 0,
  "requests_per_second" : -1.0,
  "throttled_until_millis" : 0,
  "failures" : [ ]
}

2.3映射操作

有了索引库，等于有了数据库中的 database。接下来就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)。创建数据库表需要设置字段名称，类型，长度，约束等；索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)

2.3.1创建映射

向 ES 服务器发 PUT 请求。

在 ApiFox中： http://127.0.0.1:9200/csy/_mapping
请求体内容为
{
 "properties": {
 "name":{
 "type": "text",
 "index": true
 },
 "sex":{
 "type": "text",
 "index": false
 },
 "age":{
 "type": "long",
 "index": false
 }
 }
}

在Kibana中: PUT/csy/_mapping
{
 "properties": {
 "name":{
 "type": "text",
 "index": true
 },
 "sex":{
 "type": "text",
 "index": false
 },
 "age":{
 "type": "long",
 "index": false
 }
 }
}

映射数据说明：

字段名：任意填写，下面指定许多属性，例如：title、subtitle、images、price
type：类型，Elasticsearch 中支持的数据类型非常丰富，说几个关键的：
- String 类型，又分两种：
  - text：可分词
  - keyword：不可分词，数据会作为完整字段进行匹配
- Numerical：数值类型，分两类
  - 基本数据类型：long、integer、short、byte、double、float、half_float
  - 浮点数的高精度类型：scaled_float
- Date：日期类型
- Array：数组类型
- Object：对象
index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。
- true：字段会被索引，则可以用来进行搜索
- false：字段不会被索引，不能用来搜索
store：是否将数据进行独立存储，默认为 false
- 原始的文本会存储在_source 里面，默认情况下其他提取出来的字段都不是独立存储
  的，是从_source 里面提取出来的。当然你也可以独立的存储某个字段，只要设置
  “store”: true 即可，获取独立存储的字段要比从_source 中解析快得多，但是也会占用
  更多的空间，所以要根据实际业务需求来设置。
analyzer：分词器，这里的 ik_max_word 即使用 ik 分词器,后面会有专门的章节学习

2.3.2查看映射

向 ES 服务器发 GET 请求。

在 ApiFox中： http://127.0.0.1:9200/csy/_mapping

在Kibana中: GET/csy/_mapping

响应结果：

{
  "csy" : {
    "mappings" : {
      "properties" : {
        "age" : {
          "type" : "long",
          "index" : false
        },
        "category" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "images" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "name" : {
          "type" : "text"
        },
        "price" : {
          "type" : "float"
        },
        "query" : {
          "properties" : {
            "match" : {
              "properties" : {
                "price" : {
                  "type" : "float"
                }
              }
            }
          }
        },
        "sex" : {
          "type" : "text",
          "index" : false
        },
        "title" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        }
      }
    }
  }
}

2.3.3索引映射关联

向 ES 服务器发 PUT 请求。

在 ApiFox中： http://127.0.0.1:9200/csy1
{
 "settings": {},
 "mappings": {
 "properties": {
"name":{
 "type": "text",
 "index": true
 
},
"sex":{
 "type": "text",
 "index": false
},
"age":{
 "type": "long",
 "index": false
}
 }
 }
}

在Kibana中: PUT /csy1 
{
 "settings": {},
 "mappings": {
 "properties": {
"name":{
 "type": "text",
 "index": true
 
},
"sex":{
 "type": "text",
 "index": false
},
"age":{
 "type": "long",
 "index": false
}
 }
 }
}

响应：

{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "csy1"
}

2.4高级查询

Elasticsearch 提供了基于 JSON 提供完整的查询 DSL 来定义查询
定义数据：

# POST /student/_doc/1001
{
"name":"zhangsan",
"nickname":"zhangsan",
 "sex":"男",
 "age":30
}
# POST /student/_doc/1002
{
"name":"lisi",
"nickname":"lisi",
 "sex":"男",
 "age":20
}
# POST /student/_doc/1003
{
"name":"wangwu",
 "nickname":"wangwu",
 "sex":"女",
 "age":40
}
# POST /student/_doc/1004
{
"name":"zhangsan1",
"nickname":"zhangsan1",
 "sex":"女",
 "age":50
}
# POST /student/_doc/1005
{
"name":"zhangsan2",
"nickname":"zhangsan2",
 "sex":"女",
 "age":30
}

2.4.1查询所有文档

以下所有的操作均在Kibana中操作

GET _search
{
  "query": {
    "match_all": {}
  }
}
// "query"：这里的 query 代表一个查询对象，里面可以有不同的查询属性
//"match_all"：查询类型，例如：match_all(代表查询所有)， match，term ， range 等等
//{查询条件}：查询条件会根据类型的不同，写法也有差异

查询结果：

#! Deprecation: this request accesses system indices: [.apm-agent-configuration, .kibana_1, .kibana_task_manager_1, .security-7], but in a future major version, direct access to system indices will be prevented by default
{
  "took" : 769, //查询花费时间，单位毫秒
  "timed_out" : false, //是否超时
  "_shards" : { //分片信息
    "total" : 12, //总数
    "successful" : 12, //成功
    "skipped" : 0,//忽略
    "failed" : 0 //	失败
  },
  "hits" : { //搜索命中结果
    "total" : { //搜索条件匹配的文档总数
      "value" : 10000, //总命中计数的值
      "relation" : "gte" //计数规则
    },
    "max_score" : 1.0, //匹配度分值
    "hits" : [ } //命中结果集合
    ]
  }
}

2.4.2匹配查询

match 匹配类型查询，会把查询条件进行分词，然后进行查询，多个词条之间是 or 的关系，向 ES 服务器发 GET 请求。

GET /student/_search
{
 "query": {
 "match": {
 "name":"zhangsan"
	 }
 }
}

2.4.3字段匹配查询

multi_match 与 match 类似，不同的是它可以在多个字段中查询。向 ES 服务器发 GET 请求

GET /student/_search
{
 "query": {
 "multi_match": {
 "query": "zhangsan",
 "fields": ["name","nickname"]
 }
 }
}

2.4.4关键字精确查询

term 查询，精确的关键词匹配查询，不对查询条件进行分词。向 ES 服务器发 GET 请求。

GET /student/_search
{
 "query": {
 "term": {
 "name": {
 "value": "zhangsan"
 	}
   }
 }
}

2.4.5多关键字精确查询

terms 查询和 term 查询一样，但它允许你指定多值进行匹配。如果这个字段包含了指定值中的任何一个值，那么这个文档满足条件，类似于 mysql 的 in，向 ES 服务器发 GET 请求。

GET /student/_search
{
 "query": {
 "terms": {
 "name": ["zhangsan","lisi"]
 }
 }
}

2.4.6指定查询字段

GET /student/_search
{
 "_source": ["name","nickname"], 
 "query": {
 "terms": {
 "nickname": ["zhangsan"]
 }
 }
}

2.4.7过滤字段

我们也可以通过：

includes：来指定想要显示的字段
excludes：来指定不想要显示的字段

向 ES 服务器发 GET 请求：

GET /student/_search
{
 "_source": {
 "includes": ["name","nickname"]
 }, 
 "query": {
 "terms": {
 "nickname": ["zhangsan"]
 }
 }
}
//或
{
 "_source": {
 "excludes": ["name","nickname"]
 }, 
 "query": {
 "terms": {
 "nickname": ["zhangsan"]
 }
 }
}

2.4.8组合查询

bool把各种其它查询通过must（必须）、must_not（必须不）、should（应该）的方
式进行组合，向 ES 服务器发 GET 请求.

GET /student/_search
{
 "query": {
 "bool": {
 "must": [
 {
 	"match": {
 	"name": "zhangsan"
 	}
 }
 ],
 "must_not": [
 {
	 "match": {
 	"age": "40"
 	}
 }
 ],
 "should": [
	 {
		 "match": {
 		"sex": "男"
 		}
      }
    ]
   }
 }
}

2.4.9范围查询

range 查询找出那些落在指定区间内的数字或者时间。range 查询允许以下字符

操作符	说明
gt	>
gte	>=
lt	<
lte	<=

向 ES 服务器发 GET 请求

GET /student/_search
{
 "query": {
 "range": {
  "age": {
   "gte": 30,
    "lte": 35
     }
  }
 }
}

2.4.10模糊查询

返回包含与搜索字词相似的字词的文档。编辑距离是将一个术语转换为另一个术语所需的一个字符更改的次数。这些更改可以包括：

更改字符（box → fox）
删除字符（black → lack）
插入字符（sic → sick）
转置两个相邻字符（act → cat）

为了找到相似的术语，fuzzy 查询会在指定的编辑距离内创建一组搜索词的所有可能的变体
或扩展。然后查询返回每个扩展的完全匹配。通过 fuzziness 修改编辑距离。一般使用默认值 AUTO，根据术语的长度生成编辑距离。向 ES 服务器发 GET 请求：

GET /student/_search
{
 "query": {
  "fuzzy": {
    "name": {
      "value": "lisi"
      }
    }
  }
}

GET /student/_search
{
 "query": {
  "fuzzy": {
    "name": {
      "value": "lisi",
      "fuzziness": 2
      }
    }
  }
}

2.4.11单字段排序

sort 可以让我们按照不同的字段进行排序，并且通过 order 指定排序的方式。desc 降序，asc
升序。向 ES 服务器发 GET 请求。

GET /student/_search
{
 "query": {
	 "match": {
		 "name":"zhangsan"
 	}
 },
 "sort": [{
	 "age": {
		 "order":"desc"
 	}
 }]
}

2.4.12多字段排序

假定我们想要结合使用 age 和 _score 进行查询，并且匹配的结果首先按照年龄排序，然后
按照相关性得分排序，向 ES 服务器发 GET 请求。

GET /student/_search
{
 "query": {
    "match_all": {}
    },
 "sort": [
  {
    "age": {
      "order": "desc"
     }
 },
 {
    "_score":{
      "order": "desc"
  }
  }
 ]
}

2.4.13高亮查询

在进行关键字搜索时，搜索出的内容中的关键字会显示不同的颜色，称之为高亮。
Elasticsearch 可以对查询内容中的关键字部分，进行标签和样式(高亮)的设置。
在使用 match 查询的同时，加上一个 highlight 属性：

pre_tags：前置标签
post_tags：后置标签
fields：需要高亮的字段
title：这里声明 title 字段需要高亮，后面可以为这个字段设置特有配置，也可以空

向 ES 服务器发 GET 请求。

GET /student/_search
{
 "query": {
  "match": {
    "name": "zhangsan"
     }
 },
 "highlight": {
  "pre_tags": "<font color='red'>",
   "post_tags": "</font>",
   "fields": {
     "name": {}
  }
 }
}

2.4.14分页查询

from：当前页的起始索引，默认从 0 开始。 from = (pageNum - 1) * size
size：每页显示多少条，向 ES 服务器发 GET 请求

GET /student/_search
{
 "query": {
 "match_all": {}
 },
 "sort": [
 {
 "age": {
 "order": "desc"
 }
 }
 ],
 "from": 0,
 "size": 2
}

2.4.15聚合查询

聚合允许使用者对 es 文档进行统计分析，类似与关系型数据库中的 group by，当然还有很
多其他的聚合，例如取最大值、平均值等等。

对某个字段取最大值 max

向 ES 服务器发 GET 请求：

GET /student/_search
{
 "aggs":{
 "max_age":{
 "max":{"field":"age"}
 }
 },
 "size":0
}

对某个字段取最小值 min

GET /student/_search
{
 "aggs":{
 "min_age":{
 "min":{"field":"age"}
 }
 },
 "size":0
}

对某个字段求和 sum

对某个字段求和 sum
GET /student/_search
{
 "aggs":{
 "sum_age":{
 "sum":{"field":"age"}
 }
 },
 "size":0
}

对某个字段取平均值 avg

GET /student/_search
{
 "aggs":{
 "avg_age":{
 "avg":{"field":"age"}
 }
 },
 "size":0
}

对某个字段的值进行去重之后再取总数

对某个字段的值进行去重之后再取总数
GET /student/_search
{
 "aggs":{
 "distinct_age":{
 "cardinality":{"field":"age"}
 }
 },
 "size":0
}

State 聚合
stats 聚合，对某个字段一次性返回 count，max，min，avg 和 sum 五个指标

GET /student/_search
{
 "aggs":{
 "stats_age":{
 "stats":{"field":"age"}
 }
 },
 "size":0
}

2.4.16桶聚合查询

桶聚和相当于 sql 中的 group by 语句

terms 聚合，分组统计

GET /student/_search
{
 "aggs":{
 "age_groupby":{
 "terms":{"field":"age"}
 }
 },
 "size":0
}

在 terms 分组下再进行聚合

GET /student/_search
{
 "aggs":{
 "age_groupby":{
 "terms":{"field":"age"}
 }
 },
 "size":0
}

三、集成SpringBoot的操作

3.1引入如下依赖

    <properties>
        <maven.compiler.source>11</maven.compiler.source>
        <maven.compiler.target>11</maven.compiler.target>
        <elastic.version>7.17.3</elastic.version>
        <jackson.version>2.12.3</jackson.version>
        <jakarta.version>2.0.1</jakarta.version>
        <logstash.version>7.3</logstash.version>
    </properties>
    <dependencies>
      <!--elasticsearch-->
        <dependency>
            <groupId>co.elastic.clients</groupId>
            <artifactId>elasticsearch-java</artifactId>
            <version>${elastic.version}</version>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-databind</artifactId>
            <version>${jackson.version}</version>
        </dependency>
        <dependency>
            <groupId>jakarta.json</groupId>
            <artifactId>jakarta.json-api</artifactId>
            <version>${jakarta.version}</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/ch.qos.logback/logback-core -->
        <dependency>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-classic</artifactId>
        </dependency>
        <dependency>
            <groupId>net.logstash.logback</groupId>
            <artifactId>logstash-logback-encoder</artifactId>
            <version>${logstash.version}</version>
        </dependency>
    </dependencies>

3.2写配置文件

@SpringBootConfiguration
@ConfigurationProperties(prefix = "es")
@Data
public class ElasticConfig {
    private String host;
    private Integer port;
    private String username;
    private String password;
    public static final RequestOptions COMMON_OPTIONS;

    static {
        RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();
//        builder.addHeader("Authorization", "Bearer " + TOKEN);
//        builder.setHttpAsyncResponseConsumerFactory(
//                new HttpAsyncResponseConsumerFactory
//                        .HeapBufferedResponseConsumerFactory(30 * 1024 * 1024 * 1024));
        COMMON_OPTIONS = builder.build();
    }

    // 同步客户端
    @Bean
    public ElasticsearchClient esClient() {

        final CredentialsProvider credentialsProvider = new BasicCredentialsProvider();
        credentialsProvider.setCredentials(AuthScope.ANY, new UsernamePasswordCredentials(username, password));

        // Create the low-level client
        RestClient restClient = RestClient.builder(new HttpHost(this.getHost(), this.getPort(),"http"))
                .setHttpClientConfigCallback(httpClientBuilder -> httpClientBuilder
                        .setDefaultCredentialsProvider(credentialsProvider)).build();

        // Create the transport with a Jackson mapper
        ElasticsearchTransport transport = new RestClientTransport(
                restClient, new JacksonJsonpMapper());

        // And create the API client
        return new ElasticsearchClient(transport);
    }
}

官方文档

3.3操作Elasticsearch

@SpringBootTest
@Slf4j
public class SearchApplicationTest {
    @Resource
    private ElasticsearchClient elasticsearchClient;

    @Data
    @ToString
    static class Product {
        private String Sku;
        private String cityBike;
        private double price;

        public Product(String Sku, String cityBike, double price) {
        }
    }
    /**
     * 保存信息
     */
    @Test
    void indexData() throws IOException {
        Product product = new Product("bk-1", "City bike", 123.0);

        IndexResponse response = elasticsearchClient.index(i -> i
                .index("products")
                .id(product.getSku())
                .document(product)
        );
        log.info("Indexed with version " + response.version());
    }
	/**
     * 查询信息
     */
    @Test
    public void searchDataProduct() throws IOException {
        GetResponse<Product> response = elasticsearchClient.get(g -> g
                        .index("products")
                        .id("bk-1"),
                Product.class
        );
        log.info("Found source " + response.source() + ", version "
                + response.version() + ", index " + response.index()
                + ", id " + response.id());
    }
    /**
     * 搜索索引为users的信息
     */
    @Test
    public void searchDataUser() throws IOException {
        // 1.创建检索请求
        SearchResponse<Map> users = elasticsearchClient.search(s -> s
                .index("users"), Map.class);
        log.info("max score " + users.hits().hits());

    }



    /**
     * 搜索文档
     */
    @Test
    public void searchData() throws IOException {
        Query query = MatchQuery.of(q -> q
                .field("address")
                .query("mill")
        )._toQuery();
        // 1.创建检索请求
        SearchResponse<Account> response = elasticsearchClient.search(s -> s
                        .index("bank")
                        .query(query)
                        // 按照年龄值分布聚合
                        .aggregations("ageAgg", a -> a
                                .terms(h -> h
                                        .field("age")
                                        .size(10)
                                ))
                        // 计算平均薪资
                        .aggregations("balanceAvg", b -> b
                                .avg(h -> h
                                        .field("balance"))),
                Account.class

        );
        log.info("max score " + response.hits().maxScore());
        log.info("response.aggregations" + response.aggregations());
    }
}

更多JavaAPI操作移步官网

四、ELK日志平台搭建

ELK平台是一种开源的实时数据分析平台，由三个免费的软件组成：Elasticsearch、Logstash和Kibana。它允许用户从不同来源收集、存储、搜索、分析和可视化大量日志数据和其他数据类型，以便更好地管理和监视应用程序和系统。每个工具有以下职责：

Elasticsearch: Elasticsearch 是一个分布式、可扩展和高可用性的分析引擎，使您可以轻松地存储、搜索和分析大量数据。
Logstash：Logstash 是一个日志收集、处理和传输的工具。它可以将来自不同系统、应用程序和存储位置的日志数据收集到一个集中的位置进行处理。
Kibana：Kibana 是一个用于可视化和分析数据的界面，使您可以以各种方式查看一个或多个数据源中的数据。

ELK平台的优势在于其能够集中管理和监视来自多个源的日志数据。这使得用户可以更好地了解他们的应用程序和系统的性能和问题，并且可以采取适当措施来解决这些问题。

4.1安装ELK

elasticsearch

# 安装es
docker pull elasticsearch:7.17.3
mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml
chmod -R 777 /mydata/elasticsearch/

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms512m -Xmx512m" \
--restart=always --privileged=true \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.17.3

logstach

# logstash安装
 docker run -d --name logstash \
 -p 5043:5043 -p 5044:5044  --privileged=true \
 -v /mydata/logstash/logstash.conf:/usr/share/logstash/pipeline/logstash.conf \
 -v /mydata/logstash/logstash.yml:/usr/share/logstash/config/logstash.yml \
 logstash:7.17.3

kibana

# 安装es可视化工具kibana
docker pull kibana:7.17.3

# ELASTICSEARCH_HOSTS=http://本机ip:9200
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.101:9200 -p 5601:5601 \
--restart=always --privileged=true -d kibana:7.17.3

4.2修改配置文件

elasticsearch

修改 /mydata/elasticsearch/config/elasticsearch.yml

http.host: 0.0.0.0
http.cors.enabled: true
http.cors.allow-origin: "*"
http.cors.allow-headers: Authorization
xpack.security.enabled: true
# Enable encryption and mutual authentication between cluster nodes
xpack.security.transport.ssl.enabled: true
# Enable encryption for HTTP API client connections, such as Kibana, Logstash, and Agents
xpack.security.http.ssl.enabled: false

重启之后进入容器

./bin/elasticsearch-setup-passwords interactive

logstach

新增/mydata/logstash/logstash.conf文件

input {
  stdin { }

  tcp {
      mode => "server"
      host => "0.0.0.0"
      port => 5043
      codec => json_lines
  }
}

output {
  stdout {
    codec => rubydebug
  }
  elasticsearch {
    hosts => "localhost:9200"
    index => "springboot-%{+YYYY.MM.dd}"
    user => "username"
    password => "password"
  }
}

进入容器执行

docker exec -it logstash /bin/bash

/usr/share/logstash/bin/logstash-plugin install logstash-codec-json_lines //安装json_lines所需的插件

4.3SpringBoot整合logstach

pom

<dependency>
   <groupId>ch.qos.logback</groupId>
   <artifactId>logback-classic</artifactId>
</dependency>
<dependency>
   <groupId>net.logstash.logback</groupId>
   <artifactId>logstash-logback-encoder</artifactId>
   <version>7.3</version>
</dependency>

在resources文件夹下，创建logback.xml

<?xml version="1.0" encoding="UTF-8"?>
<configuration debug="false">
    <!--获取springboot的yml配置信息-->
    <springProperty scope="context" name="applicationName" source="spring.application.name" defaultValue="default"/>
    <!--定义日志文件的存储地址 勿在 LogBack 的配置中使用相对路径-->
    <property name="LOG_HOME" value="/home"/>
    <!--输出到控制台-->
    <appender name="console" class="ch.qos.logback.core.ConsoleAppender">
        <filter class="ch.qos.logback.classic.filter.ThresholdFilter">
            <level>INFO</level>
        </filter>
        <withJansi>false</withJansi>
        <encoder>
            <!--<pattern>%d %p (%file:%line)- %m%n</pattern>-->
            <!--格式化输出：%d:表示日期    %thread:表示线程名     %-5level:级别从左显示5个字符宽度  %msg:日志消息    %n:是换行符-->
            <pattern>%d{yyyy-MM-dd HH:mm:ss} %highlight(%-5level) -- %boldMagenta([%thread]) %boldCyan(%logger) : %msg%n</pattern>
            <charset>UTF-8</charset>
        </encoder>
    </appender>

    <!--  日志发送至logstash  -->
    <appender name="logstash" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
        <!-- logstash的服务器地址和通信端口 -->
        <destination>你的虚拟机IP地址:5043</destination>
        <!-- encoder is required -->
        <encoder class="net.logstash.logback.encoder.LogstashEncoder">
            <!-- 在elasticsearch的index中追加applicationName字段  -->
            <customFields>{"applicationName":"${applicationName}"}</customFields>
        </encoder>
    </appender>

    <!-- 按照每天生成日志文件 -->
    <appender name="FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
        <rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
            <!--日志文件输出的文件名-->
            <FileNamePattern>${LOG_HOME}/TestWeb.log.%d{yyyy-MM-dd}.log</FileNamePattern>
            <!--日志文件保留天数-->
            <MaxHistory>30</MaxHistory>
        </rollingPolicy>
        <encoder class="ch.qos.logback.classic.encoder.PatternLayoutEncoder">
            <!--格式化输出：%d表示日期，%thread表示线程名，%-5level：级别从左显示5个字符宽度%msg：日志消息，%n是换行符-->
            <pattern>%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{50} - %msg%n</pattern>
        </encoder>
        <!--日志文件最大的大小-->
        <triggeringPolicy class="ch.qos.logback.core.rolling.SizeBasedTriggeringPolicy">
            <MaxFileSize>10MB</MaxFileSize>
        </triggeringPolicy>
    </appender>

     <!-- 日志输出级别 -->
    <!-- 线上环境，日志配置 -->
    <springProfile name="prod">
        <root level="INFO">
            <appender-ref ref="LOGSTASH"/>
        </root>
    </springProfile>

    <!-- 本地、开发环境，日志配置 可以写logback支持的所有节点 -->
    <springProfile name="dev,test">
        <root level="INFO">
            <appender-ref ref="LOGSTASH"/>
            <appender-ref ref="console"/>
        </root>
    </springProfile>
</configuration>

4.4测试结果

@RestController
public class TestController {

    private final static Logger logger= LoggerFactory.getLogger(TestController.class);
    @GetMapping("/testELK")
    public void test(){
        logger.info("日志开始"+System.currentTimeMillis());
        logger.info("日志结束"+System.currentTimeMillis());
    }
}

访问完请求后，进入Stack Management找到索引管理,回看到一条新的记录存到es中。文章来源地址https://www.toymoban.com/news/detail-461351.html

到了这里，关于Elasticsearch基本操作+集成SpringBoot+ELK日志平台搭建的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

Elasticsearch基本操作+集成SpringBoot+ELK日志平台搭建

一、简介

1.1Elasticsearch简介

1.2基本概念

1.3数据格式

二、基于HTTP的CRUD

2.1索引操作

2.1.1创建索引

2.1.2查看索引

2.1.3删除索引

2.2文档操作

2.2.1创建文档

2.2.2查看文档

2.2.3修改文档

2.2.4修改字段

2.2.5删除文档

2.2.6条件删除文档

2.3映射操作

2.3.1创建映射

2.3.2查看映射

2.3.3索引映射关联

2.4高级查询

2.4.1查询所有文档

2.4.2匹配查询

2.4.3字段匹配查询

2.4.4关键字精确查询

2.4.5多关键字精确查询

2.4.6指定查询字段

2.4.7过滤字段

2.4.8组合查询

2.4.9范围查询

2.4.10模糊查询

2.4.11单字段排序

2.4.12多字段排序

2.4.13高亮查询

2.4.14分页查询

2.4.15聚合查询

2.4.16桶聚合查询

三、集成SpringBoot的操作

3.1引入如下依赖

3.2写配置文件

3.3操作Elasticsearch

四、ELK日志平台搭建

4.1安装ELK

4.2修改配置文件

4.3SpringBoot整合logstach

4.4测试结果

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2