面试官：这些错误都没见过，还敢说会安装Elasticsearch？

前言

随着互联网的普及，数据爆炸式的增长，传统的关系型数据库在快速搜索的性能上面已越来越无法满足要求，比如我们输入一个关键词，需要实现分词和高亮等功能，传统关系型数据库的 like 搜索不光从功能上还是从速度上均无法满足要求。当然，现在有些传统关系型数据库也支持全文索引检索（如 MySQL），但是这却依然无法满足需求，所以我们就越来越需要一个专业的搜索引擎来处理搜索功能，以达到快速搜索和分析数据的目的。

什么是 Elasticsearch

Elasticsearch 是一个基于 Apache Lucene 的分布式搜索引擎，其核心功能可以用两个词来概括：搜索（search）和分析（analysis）。

Elasticsearch 为所有的数据类型提供了近乎实时的搜索和分析功能。无论数据类型是结构化文本还是非结构化文本，数字类型或者地理数据类型等，Elasticsearch 都能高效的进行存储，并且以一定的方式构建索引来实现快速搜索。而且因为其天生的分布式特性，数据量增大的同事，部署也可以无缝升级。

聊聊 Apache Lucene

Apache Lucene 是一个高性能、全功能的文本搜索引擎库，是一款非常优秀的，成熟的，开源的，免费的全文索引检索工具包，其诞生的使命就是提供全球级的全文搜索。

Lucene 的原作者是 Doug Cutting，最初采用的是 Java 语言编写，在 2001 年的时候，Lucene 有了一定的用户基础，作者将其捐献给了 Apache。慢慢的，Apache Lucene 也发展出了 C++ ，C#，Python 等语言版本。

Apache Lucene 有着非常活跃的社区，而且因为其开源，并且已经非常成熟，所以除 ElasticSearch 之外，Solr 也是基于 Apache Lucene 实现的搜索（可以类比一下 MySQL 的存储引擎，Lucence 相当于查询引擎层，而 ElasticSearch 和 Solr 就相当于 MySQL 的服务层）。

常见名词

初次接触 Elasticsearch 的朋友可能会对其中的一些名词感到陌生，接下来我们就以关系型数据库为对比来解释一下 Elasticsearch 当中常见的名词。

• 索引（index）：相当于关系型数据库中的数据库。
• 映射类型（mapping type）：相当于传统数据库中的表，这个在 7.x 版本中已经被标注过期，在未来的 8.x 版本中将不再支持。
• 文档（document）：相当于关系型数据库中的一行数据。
• 域（field）：相当于关系型数据库中的字段。
• 映射（mapping）：相当于传统数据库中的建表语句，可以设置一些列中的数据类型及其他一些特性，如果不设置 mapping，则会默认创建。

为什么移除 mapping type

移除 mapping type 主要有两个原因：

• 将映射类型类比为数据库中的表并不准确，因为在传统的关系型数据库中，不同表中如果存在两个同名字段，那么这两个也是毫无关系的（从存储角度，不考虑逻辑上的关系），但是在 ElasticSearch 中，在同一个 index 中，不同的 mapping type 中，假如存在两个同名字段，那么其底层的 Lucence 都是用同一个字段进行存储。也就是说，同一个索引中不同映射类型中的同名字段必须具有相同的 mapping（数据结构定义）。这种情况在某些场景下可能会导致冲突的情况发生。
• 在同一个 index 中存储很少或没有共同字段的不同 mapping type 会导致数据稀疏，并影响 Lucene 有效压缩文档的能力，这也是更重要的一个原因。

没有了 mapping type 那么我们在使用的时候就可以将不同的数据类型定义成不同的 index 来区分，而不是通过 mapping type 来区分，这种做法也有两个优点：

• 数据更可能是密集的，因此可以更好的利用 Lucene 中使用的压缩技术。
• 全文索引中用于评分的统计可能会更为准备，因为在相同索引的所有文档都属于同一个实体。

Elasticsearch 的安装和配置

关于 Elasticsearch 的安装非常简单，基本上下载下来就可以直接启动了，相关版本的下载链接可以点击这里。需要注意的是 Elasticsearch 对 Java 的要求是至少要 1.8 版本以上，而且启动的时候不能使用 root 用户启动，必须创建一个其他用户。

下载好 Elasticsearch 之后，其主目录就是 ES_HOME 目录：

如果是通过 tar.gz 或者 zip 格式安装，那么默认配置文件在 $ES_HOME/config 目录，此时可以通过设置环境变量 ES_PATH_CONF 来修改配置文件的默认路径。config 目录中主要有以下三个配置文件：

• elasticsearch.yml：搜索相关配置。
• jvm.options：jvm 相关配置。
• log4j2.properties：日志相关配置。

你必须知道的配置

使用 Elasticsearch，有一些配置比较关键，需要知道如何配置，下面就介绍一些非常重要的配置信息。

配置 data 和 log

配置 data 或者 log 目录，使用如下配置（不配置则默认目录为 $ES_HOME）

path:
    data: /var/lib/elasticsearch
    logs: /var/log/elasticsearch

其中 data 目录支持多个，如果要配置多个目录，可以使用如下配置：

path:
  data:
    - /mnt/elasticsearch_1
    - /mnt/elasticsearch_2
    - /mnt/elasticsearch_3

配置集群名称（cluster name）

如果使用了 Elasticsearch 集群的话，那么就必须要配置集群名字（默认集群名字为 elasticsearch），集群名字需保证唯一：

cluster.name: logging-prod

配置节点名（node name）

节点名字非常重要，包含在了许多 API 调用的结果 Response 中，如果不配置节点名，那么在启动时，默认使用当前服务器的主机名作为节点名：

node.name: prod-data-2

配置网络 ip

和大部分中间件一样，如果不配置网络 ip，那么默认只有本机可以访问，如果想要其他机器可以访问，则需进行以下配置：

network.host: 192.168.1.10

如果需要对所有机器都可访问，那么可以直接配置为 0.0.0.0。

不过需要注意的是，一旦配置了 0.0.0.0 或者其他外网地址（non-loopback address），此时 Elasticsearch 会从开发模式到生产模式，那么这时候就会强制开启启动检查，所以此时就会报错（未配置前即开发模式只是警告，可以启动成功）：

bootstrap check failure [1] of [1]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured

本地回环地址

non-loopback address 即本地回环地址，本地回环地址指的是以 127 开头的 ip 地址，大部分情况下都会将本地回环地址指向 127.0.0.1（ipv6 中则等价于 ::1），其他的 127.xxx.xxx.xxx 则很少使用，本地回环数据会经过传输层（tcp 等）和网络层（ip），而不会经过网卡等硬件设备，所以一般使用本地回环来测试本机网络配置（因为本地回环地址可以在没有任何硬件网络接口的情况下进行软件测试和本地服务）。

而 localhost，实际上表示的是主机名，一般在 hosts 文件中进行配置，通常默认会指向 127.0.0.1 这个回环地址，所以会导致我们将 127.0.0.1 等价于 localhost，然而实际上这个“等价关系”是可以被修改的。

发现集群信息配置

上面我们提到，当我们将 network.host 配置成一个非本地回环地址时，Elasticsearch 就会切换到生产模式，切换到生产模式之后就必须要配置一些集群相关参数。

配置 discovery.seed_hosts

在默认情况下，Elasticsearch 无需任何网络配置，开箱即用。因为 Elasticsearch 在启动的时候，会自动搜索本机 9300 到 9305 端口服务，并尝试连接组成集群。这种模式并不安全，所以当我们开启外网的时候，就会切换到生产模式，此时需要使用静态配置来发现集群主机，即通过 discovery.seed_hosts 指定集群 ip 或者域名（当省略端口时，则端口默认为 9300，当使用 ivp6 时，需使用 []）。

discovery.seed_hosts:
   - 192.168.1.10:9300
   - 192.168.1.11
   - seeds.mydomain.com 
   - [0:0:0:0:0:ffff:c0a8:10c]:9301

需要注意的时，如果使用域名，当域名解析出多个 ip 时，Elasticsearch 会尝试连接所有 ip。

配置 discovery.seed_providers

在上面配置 discovery.seed_hosts 过程中，如果集群中的有资格成为 master 节点的节点（是否有资格成为 master 节点通过 node-master：true 参数控制）没有固定的名称或地址，则可以使用 discovery.seed_providers 提供程序动态查找它们的地址。这个查找方式也可以分为两种，在这里不展开介绍，后面介绍集群的时候会再介绍。

配置 cluster.initial_master_nodes

当首次启动 Elasticsearch 集群时，集群会确定第一次选举中有资格成为 master 节点的投票数，而在开发模式中，如果没有 discovery 相关配置，那么这个步骤就会由 Elasticsearch 自己自动执行，而这种自动执行模式本身又是不安全的，所以在生产模式下启动新集群时，必须显式列出所有有资格成为 master 的节点，这些节点的投票应该在第一次选举中被计算。

PS：这里配置的节点名必须和上面的 node.name 保持一致。

启动

经过上面的解释，因为我这边是单机，所以我们只需要修改如下配置：

network.host: 0.0.0.0
node.name: node-1
cluster.initial_master_nodes: ["node-1"]

修改完配置后，进入到对应的 bin 目录，执行 ./elasticsearch 就可以启动，如果要在后台启动，则可以执行命令 ./elasticsearch -d 命令。

启动之后，默认端口 9200，访问 http://ip:9200 出现如下信息则说明启动成功：

启动中其他错误

在启动过程中，如果没有修改过 max_map_count，那么还会出现如下错误：

bootstrap check failure [1] of [1]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

这是因为 Elasticsearch 默认使用一个 mappfs 目录来存储索引。而操作系统默认情况下对 mmap 计数的限制太低，可能会导致内存不足异常（如果使用 RPM 等格式安装会自动修改）。

在 Linux 系统中，可以使用 sysctl -w vm.max_map_count=262144 进行修改，修改之后可以执行 sysctl vm.max_map_count 进行确认是否生效。或者可以执行命令 vim /etc/sysctl.conf 进入编辑修改，修改之后执行 sysctl -p 命令使之生效。

总结

本文主要介绍了什么是 Elasticsearch 及其底层搜索引擎 Apache Lucene 的发展历史，最后介绍了 Elasticsearch 的一些主要配置参数，通过这些参数我们也可以了解到 Elasticsearch 的一些特性，相信通过本文，大家已经对 Elasticsearch 有了一个模糊的印象，下一篇，将会介绍 Elasticsearch 的基本使用。