Hello ElasticSearch - Docker

1. 单机部署

1.1. ElasticSearch

使用 Docker 安装 ElasticSearch 8.18 官方文档

创建 ElasticSearch Docker 网络
Bash
```
docker network create es-net
```
拉取 ElasticSearch Docker 镜像
Bash
```
docker pull docker.elastic.co/elasticsearch/elasticsearch:8.18.3
```
信息
国内常规网络下拉取 ElasticSearch 及其相关组件（Kibana、LogStash）的 Docker 镜像可能比较困难。而且这些镜像体积都比较大，接近 1GB。建议先在有网络条件的机器上把这些镜像拉下来，保存成 tar 文件，再拷贝到目标机器上加载、运行。

运行容器

Bash

docker run -d \
  --name es01 \
  --network es-net \
  -m 1GB \
  -e "discovery.type=single-node" \
  -v es-data:/usr/share/elasticsearch/data \
  -v es-logs:/usr/share/elasticsearch/logs \
  -v es-plugins:/usr/share/elasticsearch/plugins \
  -p 9200:9200 \
  docker.elastic.co/elasticsearch/elasticsearch:8.18.3

可以使用 -m 标志为容器设置内存限制，这就不需要手动设置 JVM 的大小了（如 -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"）。

9200 是 ElasticSearch 对外提供 REST API 服务的端口，ElasticSearch 集群节点之间内部通信的端口是 9300。

重置密码
ElasticSearch 8.x 默认开启安全特性。在非交互式容器中运行时 ElasticSearch 无法自动生成并打印 elastic 用户的随机密码。所以我们这里需要手动重置下 elastic 用户的密码：
Bash
```
docker exec -it es01 /usr/share/elasticsearch/bin/elasticsearch-reset-password -u elastic
```

将 http_ca.crt SSL 证书从容器复制到本地

Bash

docker cp es01:/usr/share/elasticsearch/config/certs/http_ca.crt .

测试

Bash

export ELASTIC_PASSWORD="your_password" && \
  curl --cacert http_ca.crt -u elastic:$ELASTIC_PASSWORD https://localhost:9200

如果终端输出类似如下内容，则表示 ElasticSearch 运行成功：

JSON

{
  "name" : "5cee5053de20",
  "cluster_name" : "docker-cluster",
  "cluster_uuid" : "Zk24C_PES5mT1iZVBLa2Hg",
  "version" : {
    "number" : "8.18.3",
    "build_flavor" : "default",
    "build_type" : "docker",
    "build_hash" : "28fc77664903e7de48ba5632e5d8bfeb5e3ed39c",
    "build_date" : "2025-06-18T22:08:41.171261054Z",
    "build_snapshot" : false,
    "lucene_version" : "9.12.1",
    "minimum_wire_compatibility_version" : "7.17.0",
    "minimum_index_compatibility_version" : "7.0.0"
  },
  "tagline" : "You Know, for Search"
}

1.2. Kibana

拉取 Kibana Docker 镜像
Bash
```
docker pull docker.elastic.co/kibana/kibana:8.18.3
```
信息
同上，建议先在有网络条件的机器上把这些镜像拉下来，保存成 tar 文件，再拷贝到目标机器上加载、运行。

启动 Kibana 容器

Bash

docker run -d \
  --name kib01 \
  --network es-net \
  -e ELASTICSEARCH_HOST=http://es01:9200 \
  -p 5601:5601 \
  docker.elastic.co/kibana/kibana:8.18.3

信息

Kibana 版本尽量保持与 ElasticSearch 保持一致。

Kibana 启动比较慢，可以使用 docker logs -f kib01 查看运行日志。

访问 Kibana
Kibana 启动时，会在终端输出一个唯一生成的链接，例如：
Text
```
http://0.0.0.0:5601/?code=137927
```
要访问 Kibana，请在网页浏览器中打开此链接。
Kibana 初始化配置
在浏览器中，输入启动 ElasticSearch 时生成的注册令牌。
要重新生成令牌，请运行：
Bash
```
docker exec -it es01 /usr/share/elasticsearch/bin/elasticsearch-create-enrollment-token -s kibana
```
登录 Kibana
使用启动 ElasticSearch 时生成的密码，以 elastic 用户身份登录 Kibana。

初识 Kibana Dev Tools

在左侧菜单中找到并打开 Dev Tools：

在 Dev Tools 的控制台中输入并执行：

JSON

GET /

输出：

JSON

{
  "name": "5cee5053de20",
  "cluster_name": "docker-cluster",
  "cluster_uuid": "Zk24C_PES5mT1iZVBLa2Hg",
  "version": {
    "number": "8.18.3",
    "build_flavor": "default",
    "build_type": "docker",
    "build_hash": "28fc77664903e7de48ba5632e5d8bfeb5e3ed39c",
    "build_date": "2025-06-18T22:08:41.171261054Z",
    "build_snapshot": false,
    "lucene_version": "9.12.1",
    "minimum_wire_compatibility_version": "7.17.0",
    "minimum_index_compatibility_version": "7.0.0"
  },
  "tagline": "You Know, for Search"
}

可以看到输出内容与直接访问 https://localhost:9200 的输出一致。

查询 ElasticSearch 中全部的索引文档，返回所有文档数据：

JSON

GET _search
{
    "query": {
        "match_all": {}
    }
}

JSON

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 12,
    "successful": 12,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 0,
      "relation": "eq"
    },
    "max_score": null,
    "hits": []
  }
}

1.3. IK 分词器

ElasticSearch 默认的分词器对中文的处理并不友好。例如，使用 ElasticSearch 的 _analyze API 调用 standard 分析器对输入的中文进行分词处理：

JSON

POST /_analyze
{
  "analyzer": "standard",
  "text": "春江潮水连海平，海上明月共潮生。"
}

JSON

{
  "tokens": [
    {
      "token": "春",
      "start_offset": 0,
      "end_offset": 1,
      "type": "<IDEOGRAPHIC>",
      "position": 0
    },
    {
      "token": "江",
      "start_offset": 1,
      "end_offset": 2,
      "type": "<IDEOGRAPHIC>",
      "position": 1
    },
    {
      "token": "潮",
      "start_offset": 2,
      "end_offset": 3,
      "type": "<IDEOGRAPHIC>",
      "position": 2
    },
    ...
}

可以看到中文被逐字分词，即使将分词器改为 chinese 也是一样。

处理中文分词，一般会使用 IK 分词器。

1.3.1. 在线安装

进入容器：
Bash
```
docker exec -it es01 /bin/bash
```

在线下载并安装：

Bash

bin/elasticsearch-plugin install https://get.infini.cloud/elasticsearch/analysis-ik/8.18.3

退出容器：
Bash
```
exit
```
重启容器：
Bash
```
docker restart es01
```

1.3.2. 离线安装（推荐）

在 Github 首页可以看到 Releases 链接，选择与 ElasticSearch 对应的版本进行下载，并上传至服务器当前用户的 home 目录。

查看 es-plugins 数据卷的文件目录：

Bash

$ docker volume inspect es-plugins
[
    {
        "CreatedAt": "2025-08-18T16:00:37+08:00",
        "Driver": "local",
        "Labels": null,
        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
        "Name": "es-plugins",
        "Options": null,
        "Scope": "local"
    }
]

在 ElasticSearch 的插件目录下创建 analysis-ik 文件夹：
Bash
```
mkdir -p /var/lib/docker/volumes/es-plugins/_data/analysis-ik
```

解压插件：

Bash

unzip ~/elasticsearch-analysis-ik-8.18.3.zip -d /var/lib/docker/volumes/es-plugins/_data/analysis-ik

重启容器：
Bash
```
docker restart es01
```

一键安装命令

需先安装 jq、unzip：

Bash

sudo apt install jq -y

Bash

sudo apt install unzip -y

一键安装命令（记得将 zipPath 改为实际插件的路径）：

Bash

zipPath=/path/to/elasticsearch-analysis-ik-8.18.3.zip \
volumeName=$(docker volume ls --format "table {{.Name}}" | grep 'es.*plugins') \
volumePath=$(docker volume inspect ${volumeName} | jq -r '.[0].Mountpoint') && \
  sudo mkdir ${volumePath}/analysis-ik && \
  sudo unzip ${zipPath} -d ${volumePath}/analysis-ik

再手动重启容器即可。

1.3.3. 分词器测试

IK 分词器包含两种模式：

ik_smart：优先选择语义完整的词，减少冗余和不必要的短词；

JSON

POST /_analyze
{
  "analyzer": "ik_smart",
  "text": "春江潮水连海平，海上明月共潮生。"
}

JSON

{
  "tokens": [
    {
      "token": "春江",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "潮水",
      "start_offset": 2,
      "end_offset": 4,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "连",
      "start_offset": 4,
      "end_offset": 5,
      "type": "CN_CHAR",
      "position": 2
    },
    ...
  ]
}

ik_max_word：优先选择最长的词进行切分，同时保留所有可能的短词组合。

JSON

POST /_analyze
{
  "analyzer": "ik_max_word",
  "text": "春江潮水连海平，海上明月共潮生。"
}

JSON

{
  "tokens": [
    {
      "token": "春江",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "江潮",
      "start_offset": 1,
      "end_offset": 3,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "潮水",
      "start_offset": 2,
      "end_offset": 4,
      "type": "CN_WORD",
      "position": 2
    },
    ...
  ]
}

1.3.4. 扩展词库

要扩展或禁用分词器的词条，只需要编辑 IK 分词器插件目录中的 config/IKAnalyzer.cfg.xml 文件（不存在可新建）：

XML

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
    <comment>IK Analyzer 扩展配置</comment>
    <!--用户可以在这里配置自己的扩展字典 -->
    <entry key="ext_dict"></entry>
     <!--用户可以在这里配置自己的扩展停止词字典-->
    <entry key="ext_stopwords"></entry>
    <!--用户可以在这里配置远程扩展字典 -->
    <!-- <entry key="remote_ext_dict">words_location</entry> -->
    <!--用户可以在这里配置远程扩展停止词字典-->
    <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

1.4. 拼音分词器

为了实现根据拼音搜索或字母自动补全，我们可以使用拼音分词器。

1.4.1. 安装方式

安装方式同 IK 分词器一样。

1.4.2. 分词器测试

请求：

JSON

POST /_analyze
{
  "text": [
    "苹果手机"
  ],
  "analyzer": "pinyin"
}

响应：

JSON

{
  "tokens": [
    { "token": "ping", "start_offset": 0, "end_offset": 0, "type": "word", "position": 0 },
    { "token": "pgsj", "start_offset": 0, "end_offset": 0, "type": "word", "position": 0 },
    { "token": "guo", "start_offset": 0, "end_offset": 0, "type": "word", "position": 1 },
    { "token": "shou", "start_offset": 0, "end_offset": 0, "type": "word", "position": 2 },
    { "token": "ji", "start_offset": 0, "end_offset": 0, "type": "word", "position": 3 }
  ]
}

1.4.3. 选项参数

最新完整的可选参数详见。

keep_first_letter：启用时，仅保留每个汉字的拼音首字母。例如，“刘德华” 变为 ldh。默认值：true；
keep_separate_first_letter：启用时，将每个汉字的拼音首字母分开存储。例如，“刘德华” 变为 l、d、h。默认值：false；
limit_first_letter_length：设置首字母结果的最大长度。默认值：16；
keep_full_pinyin：启用时，保留每个汉字的完整拼音。例如，“刘德华” 变为 ["liu","de","hua"]。默认值：true；
keep_joined_full_pinyin：启用时，将每个汉字的完整拼音连接起来。例如，“刘德华” 变为 ["liudehua"]。默认值：false；
keep_none_chinese：保留结果中的非汉字字母或数字。默认值：true；
keep_none_chinese_together：将非汉字字母保持在一起。默认值：true。例如，“DJ 音乐家” 变为 ["DJ","yin","yue","jia"]。当设为 false 时，“DJ 音乐家” 变为 ["D","J","yin","yue","jia"]。注意：需先启用 keep_none_chinese；
keep_none_chinese_in_first_letter：在首字母中保留非汉字字母。例如，“刘德华 AT2016” 变为 ldhat2016。默认值：true；
keep_none_chinese_in_joined_full_pinyin：在连接的完整拼音中保留非汉字字母。例如，“刘德华 2016” 变为 liudehua2016。默认值：false；
none_chinese_pinyin_tokenize：将非汉字字母若为拼音时拆分为单独的拼音词。例如，liudehuaalibaba13zhuanghan 变为 ["liu","de","hua","a","li","ba","ba","13","zhuang","han"]。注意：需先启用 keep_none_chinese 和 keep_none_chinese_together。默认值：true；
keep_original：启用时，同时保留原始输入。默认值：false；
lowercase：将非汉字字母转换为小写。默认值：true；
trim_whitespace：去除空格。默认值：true；
remove_duplicated_term：启用时，移除重复的词以节省索引空间。例如，“de 的” 变为 de。默认值：false。注意：与位置相关的查询可能会受到影响；
ignore_pinyin_offset：在 6.0 版本后，偏移量受到严格约束，不允许重叠的词元。使用此参数可以忽略偏移量，允许重叠词元。请注意，所有与位置相关的查询或高亮显示将变得不准确。建议使用多字段并为不同的查询目的指定不同设置。如果需要偏移量，请设置为 false。默认值：true。

1.4.4. 注意事项

在使用拼音分词器创建索引时，应搭配 IK 分词器一起使用：

JSON

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "ik_max_word",
          "filter": "pinyin_filter"
        }
      },
      "filter": {
        "pinyin_filter": {
          "type": "pinyin"
          /* ... */
        }
      }
    }
  }
  /* ... */
}

拼音分词器推荐的配置如下：

JSON

PUT /my_index
{
  "settings": {
    "analysis": {
      /* ... */
      "filter": {
        "pinyin_filter": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  }
  /* ... */
}

拼音分词器适合在创建倒排索引的时候使用，不适合在搜索的时候使用。应在创建索引和搜索时使用不同的分词器：

JSON

PUT /my_index
{
  /* ... */
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "my_analyzer",
        "search_analyzer": "ik_smart"
      }
    }
  }
}

2. 集群部署

2.1. 宿主机配置

修改 vm.max_map_count 内核参数：

修改 /etc/sysctl.conf
Bash
```
echo "vm.max_map_count = 262144" | sudo tee -a /etc/sysctl.conf
```
vm.max_map_count 是一个内核参数，用于控制一个进程可以拥有的最大内存映射区域（memory map areas）数量。默认值通常为 65530（或 65536）。ElasticSearch 要求 vm.max_map_count 至少为 262144。
应用更改：
Bash
```
sudo sysctl -p
```

2.2. Docker Compose

YAML

name: es-cluster

services:
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:8.18.3
    container_name: es01
    hostname: es01
    mem_limit: 1g
    environment:
      - node.name=es01
      - cluster.name=es-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - xpack.security.enabled=false
    networks:
      - es-cluster
    ports:
      - '9201:9200'
    volumes:
      - 'es01-data:/usr/share/elasticsearch/data'
      - 'es01-logs:/usr/share/elasticsearch/logs'
      - 'es01-plugins:/usr/share/elasticsearch/plugins'

  es02:
    image: docker.elastic.co/elasticsearch/elasticsearch:8.18.3
    container_name: es02
    hostname: es02
    mem_limit: 1g
    environment:
      - node.name=es02
      - cluster.name=es-cluster
      - discovery.seed_hosts=es03,es01
      - cluster.initial_master_nodes=es01,es02,es03
      - xpack.security.enabled=false
    networks:
      - es-cluster
    ports:
      - '9202:9200'
    volumes:
      - 'es02-data:/usr/share/elasticsearch/data'
      - 'es02-logs:/usr/share/elasticsearch/logs'
      - 'es02-plugins:/usr/share/elasticsearch/plugins'

  es03:
    image: docker.elastic.co/elasticsearch/elasticsearch:8.18.3
    container_name: es03
    hostname: es03
    mem_limit: 1g
    environment:
      - node.name=es03
      - cluster.name=es-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - xpack.security.enabled=false
    networks:
      - es-cluster
    ports:
      - '9203:9200'
    volumes:
      - 'es03-data:/usr/share/elasticsearch/data'
      - 'es03-logs:/usr/share/elasticsearch/logs'
      - 'es03-plugins:/usr/share/elasticsearch/plugins'

volumes:
  es01-data:
  es01-logs:
  es01-plugins:
  es02-data:
  es02-logs:
  es02-plugins:
  es03-data:
  es03-logs:
  es03-plugins:

networks:
  es-cluster:

mem_limit: 1g：为容器设置内存限制，防止单个节点占用过多系统资源。或者也可以使用环境变量限制 JVM 的堆内存大小（如 ES_JAVA_OPTS=-Xms512m -Xmx512m）；
environment：
- node.name=es01：设置节点的名称为 es01，用于在集群中标识该节点；
- cluster.name=es-cluster：定义集群名称，所有节点共享同一个集群名称 es-cluster；
- discovery.seed_hosts=es02,es03：指定集群中其他节点的地址，用于节点发现（es01 会尝试连接 es02 和 es03）；
- cluster.initial_master_nodes=es01,es02,es03：指定初始主节点列表，用于集群启动时的主节点选举；
- xpack.security.enabled=false：禁用 ElasticSearch 的 X-Pack 安全功能（例如用户认证和加密），适合开发或测试环境，简化配置。

2.3. Cerebro

是一个简单、轻量且易用的 ElasticSearch 集群管理工具，适合需要快速监控和管理的小型或测试环境集群。它提供直观的 Web 界面，支持实时监控、索引管理和快照操作，但功能较为基础，社区支持有限。项目更新频率较低，最新稳定版为 2021-04-10 发布。

可以直接从 Github 发布页面下载最新版本。支持直接在 Windows 上解压运行（bin/cerebro.bat）。

Cerebro 配置自定义证书

打开 conf\application.conf 文件，添加如下内容：

Properties

hosts = [
  {
    host = "https://your_es_address:9200"
    name = "es-cluster"
    auth = {
      username = "elastic"
      password = "your_password"
    }
  }
]

play.ws.ssl {
  trustManager = {
    stores = [
      { type = "PEM", path = "your_path_to_ca.crt" }
    ]
  }
}

play.ws.ssl.loose.acceptAnyCertificate=true

Hello ElasticSearch - Docker ​

1. 单机部署 ​

1.1. ElasticSearch ​

1.2. Kibana ​

1.3. IK 分词器 ​

1.3.1. 在线安装 ​

1.3.2. 离线安装（推荐） ​

1.3.3. 分词器测试 ​

1.3.4. 扩展词库 ​

1.4. 拼音分词器 ​

1.4.1. 安装方式 ​

1.4.2. 分词器测试 ​

1.4.3. 选项参数 ​

1.4.4. 注意事项 ​

2. 集群部署 ​

2.1. 宿主机配置 ​

2.2. Docker Compose ​

2.3. Cerebro ​

Hello ElasticSearch - Docker

1. 单机部署

1.1. ElasticSearch

1.2. Kibana

1.3. IK 分词器

1.3.1. 在线安装

1.3.2. 离线安装（推荐）

1.3.3. 分词器测试

1.3.4. 扩展词库

1.4. 拼音分词器

1.4.1. 安装方式

1.4.2. 分词器测试

1.4.3. 选项参数

1.4.4. 注意事项

2. 集群部署

2.1. 宿主机配置

2.2. Docker Compose

2.3. Cerebro