使用Docker下载ElasticSearch，分词器ik及Kibana安装使用，亲测成功！

叁歲伎倆 2023-01-15 10:23 161阅读 0赞

# 安装EalsticSearch： #

**1．拉取镜像**

[root@localhost docker]# docker pull elasticsearch:7.12.0

**2．运行容器**

[root@localhost ~]# docker run --name ES01 -d -e ES_JAVA_OPTS="-Xms256m -Xmx256m" -e "discovery.type=single-node" -p 9200:9200 -p 9300:9300 镜像id

**3 . docker ps 查看容器运行情况**  
![> 这里是引用][20210422114115656.png]**4.使用浏览器访问**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHV6aHV5YW5n_size_16_color_FFFFFF_t_70]  
**问题：**

### `出现网络警告错误` ###

![在这里插入图片描述][20210603163820876.png]

修改：vim /usr/lib/sysctl.d/ 添加下面语句

net.ipv4.ip_forward=1

重启网络

systemctl restart network

### `如果启动之后ES又自动关闭：做如下操作` ###

设置max\_map\_count不能启动es会启动不起来

查看max\_map\_count的值 默认是65530

*  cat /proc/sys/vm/max\_map\_count

重新设置max\_map\_count的值

*  sysctl -w vm.max\_map\_count=262144

再重新ES容器

*  docker start 容器id

--------------------

## 下载ik分词器：[Ik分词器下载地址][Ik] ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHV6aHV5YW5n_size_16_color_FFFFFF_t_70 1]我的ES版本是7.12.0，所以下载对应版本  
![在这里插入图片描述][20210531164326915.png]下载成功后解压到一个名称为ik的目录中

再将ik上传到linux中

最后再将ik目录上传到docker容器中

> docker cp ik ES容器id:/usr/share/elasticsearch/plugins  
> docker restart ES容器id //重启ES

--------------------

## 安装Kibana ##

1.  拉取镜像

docker search kibana  
docker pull kibana

1.  配置文件

linux创建目录：

> mkdir -p /data/elk7/kibana/config/

编辑文件

> vi /data/elk7/kibana/config/kibana.yml

#
    # ** THIS IS AN AUTO-GENERATED FILE **
    #
    
    # Default Kibana configuration for docker target
    server.name: kibana
    server.host: "0"
    elasticsearch.hosts: [ "http://ip:9200" ]
    xpack.monitoring.ui.container.elasticsearch.enabled: true

**注意：请根据实际情况，修改elasticsearch地址**

1.  启动

> docker run -d  
> –name=kibana  
> –restart=always  
> \-p 5601:5601  
> \-v /data/elk7/kibana/config/kibana.yml:/usr/share/kibana/config/kibana.yml  
> kibana容器id

1.  访问页面

http://虚拟机ip:5601/  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHV6aHV5YW5n_size_16_color_FFFFFF_t_70 2]

[20210422114115656.png]: /images/20221022/a1d59e89055e4119af0a664031deac60.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHV6aHV5YW5n_size_16_color_FFFFFF_t_70]: /images/20221022/b339c2a8a3bc4368a57088870f0ef449.png
[20210603163820876.png]: /images/20221022/b4e651eff01b49388357e701d558c64a.png
[Ik]: https://github.com/medcl/elasticsearch-analysis-ik/releases
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHV6aHV5YW5n_size_16_color_FFFFFF_t_70 1]: /images/20221022/9d3c9e09c4a94a68ad53d912e2132336.png
[20210531164326915.png]: /images/20221022/a84f32df957047e48331ad86e9ae4cfc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW96aHV6aHV5YW5n_size_16_color_FFFFFF_t_70 2]: /images/20221022/e677964da3a74d0698870acd95dc841b.png