全栈工程师开发手册 （作者：栾鹏）
架构系列文章
全文搜索属于最常见的需求，开源的 Elasticsearch （以下简称 Elastic）是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。
Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。
一、独立安装
Elastic 需要 Java 8 环境，安装java
安装 Elastic，直接下载压缩包比较简单。
Elasticsearch目录结构：
bin 运行Elasticsearch实例和管理插件的一些脚本
config 配置文件， elasticsearch.yml
data 在节点上每个索引/碎片的数据文件的位置
lib Elasticsearch自身使用的.jar文件
logs 日志文件
modules
plugins 已安装的插件的存放位置
$ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.6.0.zip # 下载文件到当前目录
$ unzip elasticsearch-5.6.0.zip # 解压文件
$ cd elasticsearch-5.6.0/ # 进入目录
$ sudo sysctl -w vm.max_map_count=262144 # 先设置一个变量的值，防止后面启动时出错。
$ ./bin/elasticsearch # 启动 Elastic
....
[0] indices into cluster_state启动Elastic后，当前窗口不能再进行其他的命令输入，按下 Ctrl + C，或关闭命令行窗口，Elastic 就会停止运行。
因为./bin/elasticsearch是前台启动，如果想后台启动可以使用-d参数: ./bin/elasticsearch -d
Elasticsearch使用的端口是9200，可以在浏览器上直接访问http://localhost:9200/ 或者使用curl命令访问http://localhost:9200。这时，打开另一个命令行窗口，请求该端口，会得到说明信息。
$ curl localhost:9200
{
"name" : "QoCYAMB",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "TSbG_GX1QeO40W9cGSsZYg",
"version" : {
"number" : "5.6.0",
"build_hash" : "19c13d0",
"build_date" : "2017-07-18T20:44:24.823Z",
"build_snapshot" : false,
"lucene_version" : "6.6.0"
},
"tagline" : "You Know, for Search"
}上面代码中，请求9200端口，Elastic 返回一个 JSON 对象，包含当前节点、集群、版本等信息。
默认情况下，Elastic 只允许本机访问，如果需要远程访问，可以修改 Elastic 安装目录的config/elasticsearch.yml文件，去掉network.host的注释，将它的值改成0.0.0.0，然后重新启动 Elastic。
network.host: 0.0.0.0上面代码中，设成0.0.0.0让任何人都可以访问。线上服务不要这样设置，要设成具体的 IP。实验了一下，好像改成0.0.0.0之后，启动所有都不能正常能访问了。
一、在k8s上安装elasticsearch
这里介绍在k8s上搭建Elasticsearch应用。
使用docker下载Elasticsearch镜像。
先查找一下是否可以在线安装elasticsearch容器镜像
docker search elasticsearch下载容器镜像到本地，我们可以使用 docker images 命令来查看我们的新镜像
docker pull elasticsearch # 下载最新版
docker pull elasticsearch:5.6 # 下载指定版本在docker中运行容器
docker run elasticsearch有一点需要注意，docker启动镜像默认以root用户登录镜像，但是elasticsearch是容许以root用户启动的，这是因为elasticsearch可以接收用户脚本运行，所以使用root用户登录不安全。
所以这个时候就需要我们创建一个新用户来启动elasticsearch。
这里假设docker 容器中，elasticsearch在目录/usr/share/elasticsearch下面
adduser luanpeng # 添加用户
passwd luanpeng # 修改密码
用root用户执行 ： chown -R luanpeng /usr/share/elasticsearch # 给新用户赋予权限
su luanpeng # 切换到新用户
./bin/elasticsearch这样就可以启动容器中的elasticsearch了
当然我们并不在docker中运行，而是在k8s中运行镜像，启动pods，作为job或者service。容器直接拉取镜像运行，所以为了形成一个好的镜像，我们可以将上面修改后的容器使用dokcer commit重新保存成新的镜像。
要想在k8s上部署，所以我们需要写一个yml文件，在yml中进行配置。
创建pod资源
1.编写一个elasticsearch-1.yaml文件，
apiVersion: v1
kind: Pod
metadata:
name: test-elasticsearch
labels:
name: test-elasticsearch
spec:
containers:
- name: elasticsearch-containers-name
image: elasticsearch:5.62.在elasticsearch-1.yaml文件目录下执行
kubectl create -f elasticsearch-1.yamlk8s将会创建一个pod,该pod中存在一个使用了elasticsearch:5.6镜像的容器。
$ kubectl get pods
NAME READY STATUS RESTARTS AGE
my-nginx-77f56b88c8-fdp2g 1/1 Running 0 6h
my-nginx-77f56b88c8-ls4f9 1/1 Running 0 6h
test-elasticsearch 1/1 Running 0 17s当然我们可以打一个更加复杂的分布式存储elsaticsearch
可以配置elasticsearch-cluster.yml文件如下（根据自己的需求更改镜像），因为我这里已经使用docker pull了elasticsearch:5.6到本地，所以镜像直接填写的是image: elasticsearch:5.6
---
apiVersion: v1
kind: Namespace
metadata:
name: ns-elasticsearch
labels:
name: ns-elasticsearch
---
apiVersion: v1
kind: ServiceAccount
metadata:
labels:
elastic-app: elasticsearch
name: elasticsearch-admin
namespace: ns-elasticsearch
---
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRoleBinding
metadata:
name: elasticsearch-admin
labels:
elastic-app: elasticsearch
roleRef:
apiGroup: rbac.authorization.k8s.io
kind: ClusterRole
name: cluster-admin
subjects:
- kind: ServiceAccount
name: elasticsearch-admin
namespace: ns-elasticsearch
---
kind: Deployment
apiVersion: apps/v1beta2
metadata:
labels:
elastic-app: elasticsearch
role: master
name: elasticsearch-master
namespace: ns-elasticsearch
spec:
replicas: 3
revisionHistoryLimit: 10
selector:
matchLabels:
elastic-app: elasticsearch
role: master
template:
metadata:
labels:
elastic-app: elasticsearch
role: master
spec:
containers:
- name: elasticsearch-master
image: elasticsearch:5.6
lifecycle:
postStart:
exec:
command: ["/bin/bash", "-c", "sysctl -w vm.max_map_count=262144; ulimit -l unlimited;"]
ports:
- containerPort: 9200
protocol: TCP
- containerPort: 9300
protocol: TCP
env:
- name: "cluster.name"
value: "elasticsearch-cluster"
- name: "bootstrap.memory_lock"
value: "true"
- name: "discovery.zen.ping.unicast.hosts"
value: "elasticsearch-discovery"
- name: "discovery.zen.minimum_master_nodes"
value: "2"
- name: "discovery.zen.ping_timeout"
value: "5s"
- name: "node.master"
value: "true"
- name: "node.data"
value: "false"
- name: "node.ingest"
value: "false"
- name: "ES_JAVA_OPTS"
value: "-Xms256m -Xmx256m"
securityContext:
privileged: true
serviceAccountName: elasticsearch-admin
tolerations:
- key: node-role.kubernetes.io/master
effect: NoSchedule
---
kind: Service
apiVersion: v1
metadata:
labels:
elastic-app: elasticsearch
name: elasticsearch-discovery
namespace: ns-elasticsearch
spec:
ports:
- port: 9300
targetPort: 9300
selector:
elastic-app: elasticsearch
role: master
---
kind: Deployment
apiVersion: apps/v1beta2
metadata:
labels:
elastic-app: elasticsearch
role: data
name: elasticsearch-data
namespace: ns-elasticsearch
spec:
replicas: 2
revisionHistoryLimit: 10
selector:
matchLabels:
elastic-app: elasticsearch
template:
metadata:
labels:
elastic-app: elasticsearch
role: data
spec:
containers:
- name: elasticsearch-data
image: elasticsearch:5.6
lifecycle:
postStart:
exec:
command: ["/bin/bash", "-c", "sysctl -w vm.max_map_count=262144; ulimit -l unlimited;"]
ports:
- containerPort: 9200
protocol: TCP
- containerPort: 9300
protocol: TCP
volumeMounts:
- name: esdata
mountPath: /usr/share/elasticsearch/data
env:
- name: "cluster.name"
value: "elasticsearch-cluster"
- name: "bootstrap.memory_lock"
value: "true"
- name: "discovery.zen.ping.unicast.hosts"
value: "elasticsearch-discovery"
- name: "node.master"
value: "false"
- name: "node.data"
value: "true"
- name: "ES_JAVA_OPTS"
value: "-Xms256m -Xmx256m"
securityContext:
privileged: true
volumes:
- name: esdata
emptyDir: {}
serviceAccountName: elasticsearch-admin
tolerations:
- key: node-role.kubernetes.io/master
effect: NoSchedule
---
kind: Service
apiVersion: v1
metadata:
labels:
elastic-app: elasticsearch-service
name: elasticsearch-service
namespace: ns-elasticsearch
spec:
ports:
- port: 9200
targetPort: 9200
selector:
elastic-app: elasticsearch
type: NodePort使用kubectl在k8s中启动本地容器
$ kubectl create -f elasticsearch-cluster.yml
namespace "ns-elasticsearch" created
serviceaccount "elasticsearch-admin" created
clusterrolebinding.rbac.authorization.k8s.io "elasticsearch-admin" created
deployment.apps "elasticsearch-master" created
service "elasticsearch-discovery" created
deployment.apps "elasticsearch-data" created
service "elasticsearch-service" created查看运行情况
$ kubectl get pods --all-namespaces
NAMESPACE NAME READY STATUS RESTARTS AGE
default my-nginx-77f56b88c8-fdp2g 1/1 Running 0 6h
default my-nginx-77f56b88c8-ls4f9 1/1 Running 0 6h
kube-system etcd-minikube 1/1 Running 0 6h
kube-system kube-addon-manager-minikube 1/1 Running 3 2d
kube-system kube-apiserver-minikube 1/1 Running 0 6h
kube-system kube-controller-manager-minikube 1/1 Running 0 6h
kube-system kube-dns-b4bd9576-dz24k 3/3 Running 12 2d
kube-system kube-proxy-rrkzj 1/1 Running 0 6h
kube-system kube-scheduler-minikube 1/1 Running 3 2d
kube-system kubernetes-dashboard-685cfbd9f6-zchhg 1/1 Running 7 2d
kube-system storage-provisioner 1/1 Running 7 2d
kube-system tiller-deploy-6d68f5c78f-bl846 1/1 Running 4 1d
ns-elasticsearch elasticsearch-data-685688ddb9-2cxwg 1/1 Running 0 38s
ns-elasticsearch elasticsearch-data-685688ddb9-zt77t 1/1 Running 0 37s
ns-elasticsearch elasticsearch-master-55d84cb96-4jjt8 1/1 Running 0 37s
ns-elasticsearch elasticsearch-master-55d84cb96-mv8fw 1/1 Running 0 38s
ns-elasticsearch elasticsearch-master-55d84cb96-vfsbg 1/1 Running 0 37s二、基本概念
基本概念
Index
定义：类似于mysql中的database。索引只是一个逻辑上的空间，物理上是分为多个文件来管理的。
命名：必须全小写
描述：因为本身ES是基于Lucene的，所以内部索引的本质上其实Lucene的索引构造方式。
ES中index可能被分为多个分片【对应物理上的lcenne索引】，在实践过程中每个index都会有一个相应的副
本。主要用来在硬件出现问题时，用来回滚数据的。这也某种程序上，加剧了ES对于内存高要求。
Type
定义：类似于mysql中的table，根据用户需求每个index中可以新建任意数量的type。
Document
定义：对应mysql中的row。有点类似于MongoDB中的文档结构，每个Document是一个json格式的文本。
Mapping
mapping就相当于表的结构定义，定义了什么字段类型等。相当于数据库中的schema，用来约束字段的类型，不过 Elasticsearch 的 mapping 可以自动根据数据创建。更像是一个用来定义每个字段类型的语义规范在mysql中类似sql语句，在ES中经过包装后，都被封装为友好的Restful风格的接口进行操作。这一点也是为什么开发人员更愿意使用ES或者compass这样的框架而不是直接使用Lucene的一个原因。
Shards & Replicas
定义：能够为每个索引提供水平的扩展以及备份操作。
Shards ： 每个index的分片数目
Replicas： index的副本数目
描述：
Shards:在单个节点中，index的存储始终是有限制，并且随着存储的增大会带来性能的问题。为了解决这个问题，ElasticSearch提供一个能够分割单个index到集群各个节点的功能。你可以在新建这个索引时，手动的定义每个索引分片的数量。
Replicas:在每个node出现宕机或者下线的情况，Replicas能够在该节点下线的同时将副本同时自动分配到其他仍然可用的节点。而且在提供搜索的同时，允许进行扩展节点的数量，在这个期间并不会出现服务终止的情况。
默认情况下，每个索引会分配5个分片，并且对应5个分片副本，同时会出现一个完整的副本【包括5个分配的副本数据】。
2.1 Node 与 Cluster
Elastic 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。
单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。
2.2 Index
Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。
所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。
下面的命令可以查看当前节点的所有 Index。
$ curl -X GET 'http://localhost:9200/_cat/indices?v'2.3 Document
Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。
Document 使用 JSON 格式表示，下面是一个例子。
{
"user": "张三",
"title": "工程师",
"desc": "数据库管理"
}同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。
2.4 Type
Document 可以分组，比如weather这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。
不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如products和logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。
下面的命令可以列出每个 Index 所包含的 Type。
$ curl 'localhost:9200/_mapping?pretty=true'根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。
所以一个index相当于一个数据库，type相当于一个表，Document相当于一条记录。index包含一个或者多个type，一个type中包含多个Document
三、新建和删除 Index
新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫accounts的 Index。
$ curl -XPUT 'localhost:9200/accounts'服务器返回一个 JSON 对象，里面的acknowledged字段表示操作成功。
{
"acknowledged":true,
"shards_acknowledged":true
}创建type和字段（字段属性）。映射中可以添加的类型分词器，搜索器等其他字段的配置
$ curl -X PUT 'localhost:9200/accounts' -d '
{
"mappings": {
"person": {
"properties": {
"user": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
},
"title": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
},
"desc": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
}
}
}
}
}'然后，我们发出 DELETE 请求，删除这个 Index。
$ curl -XDELETE 'localhost:9200/accounts'四、数据操作
1 新增记录
向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。比如，向/accounts/person发送请求，就可以新增一条人员记录。
$ curl -XPUT 'localhost:9200/accounts/person/1' -d '{"user": "张三","title": "工程师","desc": "数据库管理" }'服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_version":1,
"result":"created",
"_shards":{"total":2,"successful":1,"failed":0},
"created":true
}如果你仔细看，会发现请求路径是/accounts/person/1，最后的1是该条记录的 Id。它不一定是数字，任意字符串（比如abc）都可以。
新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。
$ curl -X POST 'localhost:9200/accounts/person' -d '{"user": "李四","title": "工程师","desc": "系统管理"}'上面代码中，向/accounts/person发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面，_id字段就是一个随机字符串。
{
"_index":"accounts",
"_type":"person",
"_id":"AV3qGfrC6jMbsbXb6k1p",
"_version":1,
"result":"created",
"_shards":{"total":2,"successful":1,"failed":0},
"created":true
}注意，如果没有先创建 Index（这个例子是accounts），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。所以，打字的时候要小心，不要写错 Index 的名称。
批量插入文件
curl -XPOST localhost:9200/accounts/person/_bulk?pretty --data-binary @demo.json
或者
curl -XPOST localhost:9200/_bulk?pretty --data-binary @demo.json其中demo.json格式如下
{"index":{"_index":"accounts","_type":"person"}}
{"userid ":1,"username":"user1","age":1,"time":"2016-05-17T08:01:00"}
{"index":{"_index":"accounts","_type":"person"}}
{"userid ":2,"username":"user2","age":2,"time":"2016-05-17T08:02:00"}
{"index":{"_index":"accounts","_type":"person"}}
{"userid ":3,"username":"user3","age":3,"time":"2016-05-17T08:03:00"}
{"index":{"_index":"accounts","_type":"person"}}
{"userid ":4,"username":"user4","age":4,"time":"2016-05-17T08:04:00"}
{"index":{"_index":"accounts","_type":"person"}}
{"userid ":5,"username":"user5","age":5,"time":"2016-05-17T08:05:00"}2 查看记录
向/Index/Type/Id发出 GET 请求，就可以查看这条记录。
$ curl 'localhost:9200/accounts/person/1?pretty=true'上面代码请求查看/accounts/person/1这条记录，URL 的参数pretty=true表示以易读的格式返回。
返回的数据中，found字段表示查询成功，_source字段返回原始记录。
{
"_index" : "accounts",
"_type" : "person",
"_id" : "1",
"_version" : 1,
"found" : true,
"_source" : {
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理"
}
}如果 Id 不正确，就查不到数据，found字段就是false。
$ curl 'localhost:9200/accounts/person/abc?pretty=true'
{
"_index" : "accounts",
"_type" : "person",
"_id" : "abc",
"found" : false
}3 删除记录
删除记录就是发出 DELETE 请求。
$ curl -XDELETE 'localhost:9200/accounts/person/1'4 更新记录
更新记录就是使用 PUT 请求，重新发送一次数据。
$ curl -XPUT 'localhost:9200/accounts/person/1' -d '
{
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理，软件开发"
}'
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_version":2,
"result":"updated",
"_shards":{"total":2,"successful":1,"failed":0},
"created":false
}上面代码中，我们将原始数据从"数据库管理"改成"数据库管理，软件开发"。 返回结果里面，有几个字段发生了变化。
"_version" : 2,
"result" : "updated",
"created" : false可以看到，记录的 Id 没变，但是版本（version）从1变成2，操作类型（result）从created变成updated，created字段变成false，因为这次不是新建记录。
数据查询
1 返回所有记录
使用 GET 方法，直接请求/Index/Type/_search，就会返回所有记录。
$ curl 'localhost:9200/accounts/person/_search'
返回结果：
{
"took":2,
"timed_out":false,
"_shards":{"total":5,"successful":5,"failed":0},
"hits":{
"total":2,
"max_score":1.0,
"hits":[
{
"_index":"accounts",
"_type":"person",
"_id":"AV3qGfrC6jMbsbXb6k1p",
"_score":1.0,
"_source": {
"user": "李四",
"title": "工程师",
"desc": "系统管理"
}
},
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_score":1.0,
"_source": {
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理，软件开发"
}
}
]
}
}上面代码中，返回结果的 took字段表示该操作的耗时（单位为毫秒），timed_out字段表示是否超时，hits字段表示命中的记录，里面子字段的含义如下。
- total：返回记录数，本例是2条。
- max_score：最高的匹配程度，本例是1.0。
- hits：返回的记录组成的数组。
返回的记录中，每条记录都有一个_score字段，表示匹配的程序，默认是按照这个字段降序排列。
2 全文搜索（模糊搜索）
Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。
$ curl 'localhost:9200/accounts/person/_search' -d '
{
"query" : { "match" : { "desc" : "软件" }}
}'上面代码使用 Match 查询，指定的匹配条件是desc字段里面包含"软件"这个词。返回结果如下。
{
"took":3,
"timed_out":false,
"_shards":{"total":5,"successful":5,"failed":0},
"hits":{
"total":1,
"max_score":0.28582606,
"hits":[
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_score":0.28582606,
"_source": {
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理，软件开发"
}
}
]
}
}Elastic 默认一次返回10条结果，可以通过size字段改变这个设置。
$ curl 'localhost:9200/accounts/person/_search' -d '
{
"query" : { "match" : { "desc" : "管理" }},
"size": 1
}'上面代码指定，每次只返回一条结果。
还可以通过from字段，指定位移。
$ curl 'localhost:9200/accounts/person/_search' -d '
{
"query" : { "match" : { "desc" : "管理" }},
"from": 1,
"size": 1
}'上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。
3 逻辑运算
如果有多个搜索关键字， Elastic 认为它们是or关系。
$ curl 'localhost:9200/accounts/person/_search' -d '
{
"query" : { "match" : { "desc" : "软件 系统" }}
}'上面代码搜索的是软件 or 系统。
如果要执行多个关键词的and搜索，必须使用布尔查询。
$ curl 'localhost:9200/accounts/person/_search' -d '
{
"query": {
"bool": {
"must": [
{ "match": { "desc": "软件" } },
{ "match": { "desc": "系统" } }
]
}
}
}'安装插件
安装ik分词器
分词是全文索引中非常重要的部分，Elasticsearch是不支持中文分词的，ik分词器支持中文
1、下载elasticsearch-analysis-ik
直接到github上下载elasticsearch-analysis-ik分词器，注意下载分词器的版本必须要和elasticsearch的版本保持一致，下载地址https://github.com/medcl/elasticsearch-analysis-ik/releases
我选择的是5.6.0，下载地址 https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.6.0/elasticsearch-analysis-ik-5.6.0.zip,
根据需要可以将5.6.0改成自己elasticsearch的版本就可以直接下载。
2、安装ik分词器
直接解压elasticsearch-analysis-ik-5.6.0.zip，并将解压后的文件目录elasticsearch放到elasticsearch的安装目录下的plugins下，然后重启elasticsearch即可。
3、测试ik分词器
curl -XGET -H 'Content-Type: application/json' 'http://localhost:9200/_analyze?pretty' -d '{
"analyzer" : "ik_max_word",
"text": "中华人民共和国国歌"
}'安装fast-elasticsearch-vector-scoring分词器
这个插件是用于快速向量计算的。网址：https://github.com/lior-k/fast-elasticsearch-vector-scoring
先clone项目到本地
git clone https://github.com/lior-k/fast-elasticsearch-vector-scoring.gitmvn package编译项目成压缩文件。在项目文件夹的根目录下面，也就是pom.xml的同级目录下。在这里过程中可能会下载很多东西。
此命令包含一系列过程：validate–>compile–>test–>package
Maven根据pom文件里packaging的配置，决定是生成jar文件还是war文件，并放到target目录下。
mvn package然后运行elasticsearch-plugin install file:/PATH_TO_ZIP 来安装插件
./bin/elasticsearch-plugin install file:///home/luanpeng/soft/fast-elasticsearch-vector-scoring/target/releases/elasticsearch-binary-vector-scoring-5.6.zip上面的命令注意，在ubuntu系统中，这里的路径要加上file://
安装 x-pack
安装插件也包含在线安装和离线安装
在线安装
转到elasticsearch\bin目录：
打开命令框输入：
elasticsearch-plugin install x-pack离线安装
下载路径：https://artifacts.elastic.co/downloads/packs/x-pack/x-pack-5.5.2.zip
转到elasticsearch\bin目录：
打开命令框输入：
elasticsearch-plugin install \work\ElasticSearch\x-pack-5.5.2.zip安装kibana
Kibana是一个开源的分析和可视化平台，旨在与 Elasticsearch 合作。Kibana 提供搜索、查看和与存储在 Elasticsearch 索引中的数据进行交互的功能。开发者或运维人员可以轻松地执行高级数据分析，并在各种图表、表格和地图中可视化数据。
下载并解压 ：
直接到官网https://www.elastic.co/downloads/kibana 去下载，解压到合适的目录，下载的版本必须要和Elasticsearch的版本保持一致
配置elasticsearch.url ：
编辑 kibana目录/config/kibana.yml 文件中有一个elasticsearch.url被注释掉了，打开elasticsearch.url注释即可
启动kibana ：
切换到kibana目录并启动
cd /usr/local/kibana-6.1.1
./bin/kibana访问：http://localhost:5601/
参考：
http://www.ruanyifeng.com/blog/2017/08/elasticsearch.html
