1. Docker 部署 ES8（无密码版，适配自定义网络）

由于是学习测试，选择关闭 ES8 的安全认证和 SSL，直接用 HTTP 免密访问，同时挂载数据卷和插件卷，保证数据不丢失、可安装插件。

创建本地挂载目录

执行以下命令创建数据目录和插件目录，并设置权限为可读写：

mkdir -p /opt/es8/{data,plugins}
chmod 777 /opt/es8/data
chmod 777 /opt/es8/plugins

启动 ES8 容器

使用以下 Docker 命令启动 Elasticsearch 8 容器，关闭安全认证并配置 HTTP 访问：

docker run -d \
  --name es8 \
  --network hm-net \
  --restart always \
  -p 9200:9200 \
  -p 9300:9300 \
  -e discovery.type=single-node \
  -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
  -e xpack.security.enabled=false \
  -e xpack.security.enrollment.enabled=false \
  -e xpack.security.http.ssl.enabled=false \
  -e xpack.security.transport.ssl.enabled=false \
  -v /opt/es8/data:/usr/share/elasticsearch/data \
  -v /opt/es8/plugins:/usr/share/elasticsearch/plugins \
  elasticsearch:8.15.2

参数说明

  • --name es8：容器名称设置为 es8。
  • --network hm-net：容器连接到名为 hm-net 的网络。
  • --restart always：容器自动重启策略设置为始终重启。
  • -p 9200:9200：将主机的 9200 端口映射到容器的 9200 端口（HTTP API）。
  • -p 9300:9300：将主机的 9300 端口映射到容器的 9300 端口（节点间通信）。
  • -e discovery.type=single-node：配置为单节点模式。
  • -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：设置 JVM 堆内存为 512MB。
  • -e xpack.security.enabled=false：关闭 X-Pack 安全功能。
  • -v /opt/es8/data:/usr/share/elasticsearch/data：挂载数据目录到主机路径。
  • -v /opt/es8/plugins:/usr/share/elasticsearch/plugins：挂载插件目录到主机路径。

将network的参数替换成自己的网络名即可

验证服务

运行以下命令检查容器是否启动成功：

docker ps -a | grep es8

访问 Elasticsearch HTTP API 确认服务正常运行：

curl http://localhost:9200

2. 安装IK中文分词器

IK分词器是Elasticsearch处理中文文本的必备插件。ES8默认不支持中文分词，因此必须手动安装IK分词器，并确保版本与ES8严格一致（如您使用的8.15.2）。以下是分步操作：

  1. 下载IK分词器：

    • 访问IK分词器的官方GitHub仓库（https://github.com/medcl/elasticsearch-analysis-ik），下载与ES8版本匹配的IK分词器压缩包（例如，版本8.15.2）。
    • 下载命令示例（在Linux终端执行）： 
      wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v8.15.2/elasticsearch-analysis-ik-8.15.2.zip

  2. 解压并放置到指定目录：

    • 解压下载的文件，并将内容移动到ES8的插件目录。目录名必须为ik（否则ES无法识别）。 
      unzip elasticsearch-analysis-ik-8.15.2.zip -d /tmp/ik
mkdir -p /opt/es8/plugins/ik
cp -r /tmp/ik/* /opt/es8/plugins/ik/

    • 注意：/opt/es8/plugins/ik 是ES容器的挂载目录（假设您已将ES数据卷映射到宿主机）。如果使用Docker，确保容器内路径一致。

  3. 重启ES容器以加载插件：

    • 重启ES8 Docker容器，使插件生效： 
      docker restart es8

    • 检查日志确认加载成功： 
      docker logs es8 | grep ik
# 应输出类似信息："loaded plugin [analysis-ik]"

  4. 验证分词效果：

    • 使用Kibana的DevTools执行分词测试（如果Kibana已部署）。发送以下请求： 
      POST /_analyze
{
  "analyzer": "ik_max_word",
  "text": "我喜欢用华为手机学习ES8"
}

    • 成功响应应返回拆分后的中文词语数组（例如：["我", "喜欢", "用", "华为", "手机", "学习", "ES8"]），表明IK分词器安装生效。

注意事项：

  • 版本一致：IK分词器版本必须严格匹配ES8版本（如8.15.2），否则会导致ES启动失败。
  • 目录权限：确保/opt/es8/plugins/ik 目录权限正确（建议chmod -R 755 /opt/es8/plugins/ik）。
  • 容器环境：如果ES运行在Docker中，插件目录需映射到宿主机（例如，在docker run命令中添加 -v /opt/es8/plugins:/usr/share/elasticsearch/plugins）。

2. Kibana部署与基础操作

Kibana是ES的可视化管理工具，用于执行ES命令、查看数据。部署时必须与ES版本一致（如8.15.2），并连接到同一网络（如您使用的hm-net）。以下是部署步骤：

  1. 运行Kibana容器：

    • 使用Docker命令启动Kibana，确保网络和版本匹配： 
      docker run -d \
  --name kibana8 \
  --network hm-net \
  --restart always \
  -p 5601:5601 \
  -e "ELASTICSEARCH_HOSTS=http://es8:9200" \
  kibana:8.15.2

    • 参数说明：
      • --network hm-net：连接到与ES相同的Docker网络（ES容器名es8可通过网络名解析）。
      • -e "ELASTICSEARCH_HOSTS=http://es8:9200"：设置ES连接地址（es8是ES容器名,也可替换为自己的虚拟机地址，端口9200）。
      • --restart always：确保容器自动重启。

  2. 访问Kibana并初始化：

    • 在浏览器中访问Kibana：http://<您的Linux服务器IP>:5601。
    • 初始化需1-2分钟（首次访问时，Kibana会加载核心插件）。完成后，您将看到登录界面。
    • 无需账号密码：由于ES8默认无安全配置，Kibana直接连接（无需认证）。

  3. 基础操作验证：

    • 登录Kibana后，使用DevTools执行ES命令（例如，重复IK分词测试）：
      • 导航到 Management > Dev Tools。
      • 输入并运行之前的JSON请求： 
        POST /_analyze
{
  "analyzer": "ik_max_word",
  "text": "我喜欢用华为手机学习ES8"
}

      • 成功返回分词结果，表示Kibana与ES连接正常。

注意事项：

  • 网络配置：ES和Kibana必须在同一Docker网络（如hm-net），否则连接失败（检查网络：docker network inspect hm-net）。
  • 版本匹配：Kibana镜像版本（如kibana:8.15.2）必须与ES版本完全相同。
  • 初始化延迟：首次访问Kibana时，如果长时间无响应，检查容器日志：docker logs kibana8（常见错误：网络不通或ES未运行）。
  • 安全建议：生产环境建议启用ES安全特性（如设置密码），但根据您的描述，当前配置为简单开发环境。

总结

  • IK分词器安装：确保版本一致、目录正确，重启ES后验证分词。
  • Kibana部署：使用匹配版本的Docker命令，设置网络和ES连接地址，访问5601端口初始化。

Kibana 核心操作

创建索引库并配置 IK 分词

PUT /goods_index
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      },
      "category": {"type": "keyword"},
      "price": {"type": "double"},
      "stock": {"type": "integer"},
      "brand": {"type": "keyword"}
    }
  }
}

批量插入测试数据

POST /goods_index/_bulk
{"index":{"_id":1}}
{"title":"华为Mate60手机","category":"手机数码","price":4999.00,"stock":200,"brand":"华为"}
{"index":{"_id":2}}
{"title":"小米14旗舰手机","category":"手机数码","price":3999.00,"stock":150,"brand":"小米"}
{"index":{"_id":3}}
{"title":"海尔变频冰箱","category":"大家电","price":2999.00,"stock":60,"brand":"海尔"}

高亮查询

GET /goods_index/_search
{
  "query": {
    "match": {
      "title": "手机"
    }
  },
  "highlight": {
    "fields": {
      "title": {}
    },
    "pre_tags": ["<span style='color:red'>"],
    "post_tags": ["</span>"]
  }
}

SpringBoot 整合 ES8

核心配置

spring:
  elasticsearch:
    uris: http://你的LinuxIP:9200  # 替换成自己的Linux服务器IP
    socket-timeout: 60s
    connect-timeout: 10s

实体类

import lombok.Data;
import org.springframework.data.annotation.Id;
import org.springframework.data.elasticsearch.annotations.Document;
import org.springframework.data.elasticsearch.annotations.Field;
import org.springframework.data.elasticsearch.annotations.FieldType;

@Data
@Document(indexName = "goods_index") // 绑定ES索引库
public class Goods {
    @Id
    private Long id;
    @Field(type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_smart")
    private String title;
    @Field(type = FieldType.Keyword)
    private String category;
    @Field(type = FieldType.Double)
    private Double price;
    @Field(type = FieldType.Integer)
    private Integer stock;
    @Field(type = FieldType.Keyword)
    private String brand;
}

Repository 接口

import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;

public interface GoodsRepository extends ElasticsearchRepository<Goods, Long> {
}

单元测试示例

import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

@SpringBootTest
public class GoodsRepositoryTest {

    @Autowired
    private GoodsRepository goodsRepository;

    @Test
    public void testSave() {
        Goods goods = new Goods();
        goods.setId(4L);
        goods.setTitle("苹果iPhone15");
        goods.setCategory("手机数码");
        goods.setPrice(5999.00);
        goods.setStock(100);
        goods.setBrand("苹果");
        goodsRepository.save(goods);
    }

    @Test
    public void testFindByTitle() {
        goodsRepository.findByTitle("手机").forEach(System.out::println);
    }

    @Test
    public void testDelete() {
        goodsRepository.deleteById(4L);
    }
}

增删改查操作

保存数据

Goods goods = new Goods();
goods.setId(5L);
goods.setTitle("联想拯救者笔记本");
goods.setCategory("电脑办公");
goods.setPrice(6999.00);
goods.setStock(50);
goods.setBrand("联想");
goodsRepository.save(goods);

查询数据

Optional<Goods> optionalGoods = goodsRepository.findById(5L);
if (optionalGoods.isPresent()) {
    Goods goods = optionalGoods.get();
    System.out.println(goods);
}

更新数据

Optional<Goods> optionalGoods = goodsRepository.findById(5L);
if (optionalGoods.isPresent()) {
    Goods goods = optionalGoods.get();
    goods.setPrice(6499.00);
    goodsRepository.save(goods);
}

删除数据

goodsRepository.deleteById(5L);

官方Elasticsearch Java Client高亮查询示例解析

以下代码展示了使用Elasticsearch官方Java Client实现高亮查询的标准方式，核心要点如下：

@Test
void testAggregation2() throws IOException {
    SearchResponse<Goods> search = esClient.search(s -> s
            .index("hm-net")
            .query(q -> q.match(m -> m.field("title").query("手机")))
            .size(20)
            .highlight(h -> h
                .fields("title", f -> f
                    .preTags("<b>")   // HTML高亮前缀标签
                    .postTags("</b>") // HTML高亮后缀标签
                )
            ),
        Goods.class);
    
    // 处理高亮结果
    search.hits().hits().forEach(hit -> 
        System.out.println(hit.highlight().get("title"))
    );
}

关键组件说明

依赖注入

@Autowired
private ElasticsearchClient esClient;

使用Spring框架的依赖注入获取官方ElasticsearchClient实例

高亮配置结构

.highlight(h -> h
    .fields("title", f -> f
        .preTags("<b>")
        .postTags("</b>")
    )
)

通过链式调用定义高亮字段和HTML标记

结果处理

hit.highlight().get("title")

从返回结果中提取经过高亮处理的字段内容

注意事项

  • 该方法需要co.elastic.clients:elasticsearch-java依赖
  • 返回的高亮内容是原始字段值加上HTML标签的版本
  • 确保索引hm-net包含title字段且为text类型
  • 高亮标签<b>可根据需求替换为其他HTML标签或CSS class

# 运维 # java # elasticsearch
Logo
亚马逊云科技技术品牌专区

更多推荐

Kiro Editor 开发实战：使用 Cargo 构建、测试与性能优化指南

欢迎来到这篇终极指南，我们将深入探索如何使用Rust构建高性能的终端文本编辑器Kiro Editor。无论你是Rust新手还是经验丰富的开发者，这篇完整教程将带你了解如何利用Cargo工具链进行高效的开发、测试和性能优化，打造一款快速、轻量且功能强大的UTF-8文本编辑器。## 什么是Kiro Editor？Kiro Editor是一款使用Rust编写的极简终端文本编辑器，它最初是著名编辑

avatar 亚马逊云科技技术品牌专区

2026年量化工具选择，要跟着能力基础走

读者应理解，选择工具前要先判断自己的能力基础和当前任务。工具应该帮助自己补上当前最关键的缺口，而不是替代学习顺序本身。

avatar 亚马逊云科技技术品牌专区

近期零基础学量化，先按基础差异拆学习顺序

读者应明白，拆解学习顺序时要先看自己的基础缺口，再决定哪一段需要放慢。不同流程阶段都有不同检查任务，学习路线要能反映这些差异。

avatar 亚马逊云科技技术品牌专区