ElasticStack学习（一）：ElasticStack介绍

　　一、elastic stack的构成

　　1、elasticsearch对数据进行搜索、分析和存储，其是基于json的分布式搜索和分析引擎，专门为实现水平可扩展性、高可靠性和管理便捷性而设计的。

它的实现原理主要分为以下几个步骤：

　　　　1）首先用户将数据提交到elasticsearch数据库中；

　　　　2）再通过分词控制器将对应的语句分词；

　　　　3）将分词结果及其权重一并存入，以备用户在搜索数据时，根据权重将结果排名和打分，将返回结果呈现给用户；

　　2、kibana实现数据可视化，其作用就是在elasticsearch中进行民航。kibana能够以图表的形式呈现数据，并且具有可扩展的用户界面，可以全方位的配置和管理elasticsearch。

　　　　kibana最早的时候是基于logstash创建的工具，后被elastic公司在2013年收购。

　　　　1）kibana可以提供各种可视化的图表；

　　　　2）可以通过机器学习的技术，对异常情况进行检测，用于提前发现可疑问题；

　　3、beats是一个面向轻量型采集器的平台，这些采集器可以从边缘机器向logstash、elasticsearch发送数据，它是由go语言进行开发的，运行效率方面比较快。从下图中可以看出，不同beats的套件是针对不同的数据源。

　　

　　4、logstash是动态数据收集管道，拥有可扩展的插件生态系统，支持从不同来源采集数据，转换数据，并将数据发送到不同的存储库中。其能够与elasticsearch产生强大的协同作用，后被elastic公司在2013年收购。

　　　　它具有如下特性：

　　　　1）实时解析和转换数据；

　　　　2）可扩展，具有200多个插件；

　　　　3）可靠性、安全性。logstash会通过持久化队列来保证至少将运行中的事件送达一次，同时将数据进行传输加密；

　　　　4）监控；

　　　　对于日志的解决方案一般分为：日志搜索、格式化分析、全文检索、风险告警； 

　　二、elasticsearch是什么？

　　elasticsearch是一款非常强大的、基于lucene的开源搜索及分析引擎，可以帮助你从海量数据中，快速找到相关的数据信息。

　　比如，当你在github上搜索时，elasticsearch不仅可以帮助你找到相关的代码库，还可以帮助你实现代码级的搜索和高亮显示；当你在网上购物时，elasticsearch可以帮助你推荐相关的商品；当你打车时，elasticsearch可以通过定位附近的乘客和司机，帮助平台优化调度。

　　除了搜索，结合kibana、logstash、beats开源产品，elastic stack（简称elk）还被广泛运用在大数据近实时分析领域，包括：日志分析、指标监控、信息安全等。它可以帮助你探索海量结构化、非结构化数据，按需创建可视化报表，对监控数据设置报警阈值，通过使用机器学习，自动识别异常状况。

　　elasticsearch是基于restful webapi，使用java语言开发的搜索引擎库类，并作为apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。其客户端在java、c#、php、python等许多语言中都是可用的。相应下载地址： 

　　所以，elasticsearch具备两个优势：

　　1）天生支持分布式，可水平扩展；

　　2）提供了restful接口，降低全文检索的学习曲线，因为restful接口，所以可以被任何编程语言调用；

　　说一下lucene的优缺点：

　　优点：1）高性能；2）易扩展；

　　缺点：

　　1）只能基于java语言开发；

　　2）类库的接口学习曲线陡峭；

　　3）原生并不支持水平扩展；

　　三、为什么要学习elasticsearch？

　　根据db engine的排名显示，elasticsearch是最受欢迎的企业级搜索引擎。根据网站排名可知，比较靠前的有三家大数据搜索引擎公司，除了elasticsearch，还有splunk和solr。其中solr也是基于lucene。

　　

　　1、在当前软件行业中，搜索是一个软件系统或平台的基本功能， 学习elasticsearch就可以为相应的软件打造出良好的搜索体验。

　　2、其次，elasticsearch具备非常强的大数据分析能力。虽然hadoop也可以做大数据分析，但是elasticsearch的分析能力非常高，具备hadoop不具备的能力。比如有时候用hadoop分析一个结果，可能等待的时间比较长。

　　3、elasticsearch可以很方便的进行使用，可以将其安装在个人的笔记本电脑，也可以在生产环境中，将其进行水平扩展。

　　4、国内比较大的互联网公司都在使用，比如小米、滴滴、携程等公司。另外，在腾讯云、阿里云的云平台上，也都有相应的elasticsearch云产品可以使用。

　　5、在当今大数据时代，掌握近实时的搜索和分析能力，才能掌握核心竞争力，洞见未来。（涨工资） 

　　四、学习elasticsearch的入手层面

　　1、开发层面

　　　　1）了解elasticsearch有基本功能；2）底层分布式工作原理；3）针对数据进行数据建模；

　　2、运维层面

　　　　1）进行集群的容量规划；2）对集群进行滚动升级；3）对性能的优化；4）出现问题后，对问题的诊断与解决；

　　3、方案层面

　　　　1）学习elasticsearch后，可以针对实际情况，解决搜索的相关问题；2）可以将elk运用到大数据分析场景中； 

　　五、elasticsearch的主要功能及应用场景

　　1、主要功能：

　　　　1）、海量数据的分布式存储以及集群管理，达到了服务与数据的高可用以及水平扩展；

　　　　2）、近实时搜索，性能卓越。对结构化、全文、地理位置等类型数据的处理；

　　　　3）、海量数据的近实时分析（聚合功能）

　　2、应用场景：

　　　　1）网站搜索、垂直搜索、代码搜索；

　　　　2）日志管理与分析、安全指标监控、应用性能监控、web抓取舆情分析； 

　　六、elastic stack的生态圈

　　

　　从上图中可以看到，elasticsearch做为elk中的核心部分，它起到了数据存储的作用。而kibana在上层可以为使用者提供一个可视化的界面。logstash和beats可以将各种各样的数据进行抓取和收集。

在右侧的x-pack部分，是elastic公司所提供的几种收费服务，同时elastic公司也提供云的解决方案。 

　　七、elasticsearch与db的集成

　　

　　针对上图，可以分为两种情况：

　　1、将elasticsearch当成数据库来存储数据，好处是架构比较简单；

　　2、若数据更新比较频繁，同时需要考虑数据事务性时，应该先将数据存入数据库，然后建立一个合适的同步机制，将数据同步到elasticsearch中； 

　　八、elk在数据指标收集，日志分析的架构设计

　　

　　从上图中可以知道，通过beats或者程序来进行数据方面的收集，当收集的数据量较大时，需要加入一层（redis、kafka、rabbitmq）进行数据缓冲，然后将数据送入logstash进行聚合及数据处理，最后通后elasticsearch进行分词、创建索引并存储，通过kibana或者grafana这类图形化工具进行数据的可视化和数据分析。

 

　　大家可关注我的公众号

　　

　　知识学习来源：《elasticsearch核心技术与实战》