docker在容器中执行主机的脚本（Docker容器中运行ESKibanaCerebro）
docker在容器中执行主机的脚本（Docker容器中运行ESKibanaCerebro）localhost:9200 #ES默认端口为9200 kibana访问地址docker-compose up #启动 docker-compose down #停止容器 docker-compose down -v #停止容器并且移除数据 3、查看是否成功es访问地址xubdeMacBook-Pro:~ xub$ docker --version Docker version 17.03.1-ce-rc1 build 3476dbf 命令 docker-compose —versionxubdeMacBook-Pro:~ xub$ docker-compose --version docker-compose version 1.11.2 build dfed245 2、docker-compose.yml我们可以简单把docker-compose.yml理解成一个
这篇博客的目的就是部署好ES和跟ES相关的辅助工具，同时通过Logstash将测试数据导入ES，这些工作完成之后，之后我们就可以在此基础上深入的去学习它。
一、Docker容器中运行ES Kibana Cerebro1、所需环境docker docker-compose
首先环境要部署好 Docker 和 docker-compose
检验是否成功
命令 docker —version
xubdeMacBook-Pro:~ xub$ docker --version
Docker version 17.03.1-ce-rc1 build 3476dbf
命令 docker-compose —version
xubdeMacBook-Pro:~ xub$ docker-compose --version
docker-compose version 1.11.2 build dfed245
2、docker-compose.yml
我们可以简单把docker-compose.yml理解成一个类似Shell的脚本，这个脚本定义了运行多个容器应用程序的信息。
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=xiaoxiao
- 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=xiaoxiao
- 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
启动命令
docker-compose up #启动
docker-compose down #停止容器
docker-compose down -v #停止容器并且移除数据
3、查看是否成功
es访问地址
localhost:9200 #ES默认端口为9200
kibana访问地址
localhost:5601 #kibana默认端口5601
cerebro访问地址
localhost:9000 #cerebro默认端口9000
整体这样就安装成功了。
说明 项目是在Mac系统部署成功的 尝试在自己的阿里云服务进行部署但是因为内存太小始终无法成功。
二、 Logstash安装与数据导入ES注意 Logstash和kibana下载的版本要和你的elasticsearch的版本号一一致。
1、配置movices.yml这个名称是完全任意的
# input代表读取数据 这里读取数据的位置在data文件夹下，文件名称为movies.csv
input {
file {
path => "/Users/xub/opt/logstash-7.1.0/data/movies.csv"
start_position => "beginning"
sincedb_path => "/dev/null"
}
}
filter {
csv {
separator => " "
columns => ["id" "content" "genre"]
}
mutate {
split => { "genre" => "|" }
remove_field => ["path" "host" "@timestamp" "message"]
}
mutate {
split => ["content" "("]
add_field => { "title" => "%{[content][0]}"}
add_field => { "year" => "%{[content][1]}"}
}
mutate {
convert => {
"year" => "integer"
}
strip => ["title"]
remove_field => ["path" "host" "@timestamp" "message" "content"]
}
}
# 输入位置 这里输入数据到本地es 并且索引名称为movies
output {
elasticsearch {
hosts => "http://localhost:9200"
index => "movies"
document_id => "%{id}"
}
stdout {}
}
启动命令 : 启动命令会和配置文件movices.yml的摆放位置有关，进入bin目录
./logstash ../movices.yml
movices.yml存放的位置
启动成功
这个时候你去cerebro可视化界面可以看到 已经有名称为movies的索引存在的 上面的图片其实已经存在movies索引了，因为我是Logstash数据导入ES成功才截的图。
总结总的来说这里还是简单的，之前通过Logstash将Mysql数据数据迁移到es会相对复杂点，毕竟它还需要一个数据库驱动包。
这样环境就已经搭建成功了，接下来的学习都在这个的基础上进行演示。
