Ubuntu16.x服务器安装 Java，Elasticsearch5.4.X，中文分词，同义词，Logstash5.4.X 日志搜集

2020-06-21 原文

环境
Ubuntu16.x服务器
内存：最少8G
lanmps 环境套件 (http://www.lanmps.com)
PHP版本：5.6
MysqL版本：5.6
Nginx版本：最新
Elasticsearch版本：5.4
Logstash版本：5.4

JAVA 安装

方式一

这里使用的 Java版本是 1.8.0_131
安装 Java 版本,根据教程下载相应的版本看(方法三:源码安装)
http://www.jb51.cc/article/p-rgbisukp-bbo.html

如果上面的安装JAVA 不成功，请使用下面的安装

方式二

如果方式一的安装JAVA 不成功，请使用下面的安装
报如下错误

Error: Could not find libjava.so
     Error: Could not find Java SE Runtime Environment.

找了N种方法后都无法解决的。
先要删除方式一的 JAVA 设置环境变量配置文件，然后再进行如下设置

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer
sudo update-java-alternatives -s java-8-oracle

sudo apt-get install Oracle-java8-set-default  #设置环境变量

JAVA 版本

java -version

本方式来自 http://www.jb51.cc/article/p-wtjtnlnj-yr.html

服务器用户创建

创建 hadoop 用户
一行一行执行

useradd -m hadoop -s /bin/bash     # 创建hadoop用户
passwd hadoop          # 修改密码,这个时候会让你输入密码2次
usermod -G root hadoop    # 增加管理员权限

设置管理员或用户组权限
执行命令

visudo

在root 那行增加 hadoop一行，如下所示

root    ALL=(ALL)       ALL
hadoop    ALL=(ALL)       ALL

应用设置

方法一: 退出当前用户，改用hadoop登录，用命令su –，即可获得root权限进行操作
方法二：重新启动系统

以下配置都是使用 hadoop 用户

root 用户是无法启动 elasticsearch

Elasticsearch 安装及配置

http://kibana.logstash.es/content/elasticsearch/
https://es.xiaoleilu.com/

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/setup.html
风来了.fox

服务器说明

如果在服务器上面安装
最低 8G内存，
如果更低的内存请自行更改 config/jvm.xx 文件中的配置

不要用root用户,
不要用root用户,
不要用root用户

使用上面创建好的 hadoop用户

Elasticsearch下载地址

https://www.elastic.co/downloads/elasticsearch

目前最新版5.4

使用hadoop用户

cd ~
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.4.0.tar.gz

解压缩

tar zxvf elasticsearch-5.4.0.tar.gz

配置elasticsearch

编辑 config/elasticsearch.yml

cd elasticsearch-5.4.0
vim config/elasticsearch.yml

修改为

network.host: 0.0.0.0
cluster.name: es

cluster.name 可以不用设置
…其他部分没有改动，不需要修改

环境变量设置

sudo vim /etc/profile.d/elasticsearch.sh

加入

export ES_HOME=/home/hadoop/elasticsearch-5.4.0
export PATH=$ES_HOME/bin:$PATH

应用生效

. /etc/profile
. /etc/bashrc

启动

cd elasticsearch-5.4.0
bin/elasticsearch     #前台运行
或
bin/elasticsearch -d  #后台运行

关闭

查找进程 ID

ps -ef |grep elasticsearch

找到这个ID，KILL他

kill -9  id

中文分词插件 analysis-ik

https://github.com/medcl/elasticsearch-analysis-ik/releases

版本：5.4.0
使用hadoop用户

cd ~
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.4.0/elasticsearch-analysis-ik-5.4.0.zip
unzip elasticsearch-analysis-ik-5.4.0.zip -d elasticsearch-analysis-ik-5.4.0

复制到插件目录

mv elasticsearch-analysis-ik-5.4.0 elasticsearch-5.4.0/plugins/analysis-ik

这个时候需要重启 elasticsearch 插件才能生效(这个可以等设置好词库再重启也可以)

分词词库设置

进入 elasticsearch安装目录
编辑词库配置文件

cd ~/elasticsearch-5.4.0
vim plugins/analysis-ik/config/IKAnalyzer.cfg.xml

ext_dict 这一行修改为

<entry key="ext_dict">custom/sougou.dic;custom/mydict.dic;custom/single_word_low_freq.dic;custom/product.dic</entry>

custom/product.dic 是我的词库，这里不方便透露
这个时候需要重启 elasticsearch 插件才能生效

分词热更新

如果设置热更新，配置如下设置(网址中的文件是不存在的，这里只是个案例)

<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">http://www.foxwho.com/thesaurus/word.txt</entry>

文件里面 UTF8编码一行一个，并用\n换行

官方说明

https://github.com/medcl/elasticsearch-analysis-ik
目前该插件支持热更新 IK 分词，通过上文在 IK 配置文件中提到的如下配置

<!--用户可以在这里配置远程扩展字典 -->
    <entry key="remote_ext_dict">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">location</entry>

其中 location 是指一个 url，比如 http://yoursite.com/getCustomDict，该请求只需满足以下两点即可完成分词热更新。

该 http 请求需要返回两个头部(header)，一个是 Last-Modified，一个是 ETag，这两者都是字符串类型，只要有一个发生变化，该插件就会去抓取新的分词进而更新词库。
该 http 请求返回的内容格式是一行一个分词，换行符用 \n 即可。
满足上面两点要求就可以实现热更新分词了，不需要重启 ES 实例。

可以将需自动更新的热词放在一个 UTF-8 编码的 .txt 文件里，放在 Nginx 或其他简易 http server 下，当 .txt 文件修改时，http server 会在客户端请求该文件时自动返回相应的 Last-Modified 和 ETag。可以另外做一个工具来从业务系统提取相关词汇，并更新这个 .txt 文件。

分词测试

curl -XPUT "http://localhost:9200/index"

测试分词效果:
浏览器中允许

http://localhost:9200/index/_analyze?analyzer=ik_max_word&text=中华人民共和国

结果

{
    "tokens": [ { "token": "中华人民共和国","start_offset": 0,"end_offset": 7,"type": "CN_WORD","position": 0 },{ "token": "中华人民","end_offset": 4,"position": 1 },{ "token": "中华","end_offset": 2,"position": 2 },{ "token": "华人","start_offset": 1,"end_offset": 3,"position": 3 },{ "token": "人民共和国","start_offset": 2,"position": 4 },{ "token": "人民","position": 5 },{ "token": "共和国","start_offset": 4,"position": 6 },{ "token": "共和","end_offset": 6,"position": 7 },{ "token": "国","start_offset": 6,"type": "CN_CHAR","position": 8 } ] }

Logstash5.X 日志搜集处理

下载地址
https://www.elastic.co/downloads/logstash
目前最新版 5.4.0

版本：5.4.0
使用hadoop用户

这里使用 TAR.GZ 源码安装，即方式一

cd ~
wget https://artifacts.elastic.co/downloads/logstash/logstash-5.4.0.tar.gz
tar -zxvf logstash-5.4.0.tar.gz

测试是否安装成功

~/logstash-5.4.0/bin/logstash -e 'input { stdin { } } output { stdout {}}'

如果输出如下表示安装成功

The stdin plugin is Now waiting for input:
[2017-05-16T21:48:15,233][INFO ][logstash.agent ] Successfully started Logstash API endpoint {:port=>9600}

Logstash5.X配置

创建配置目录
先进入 Logstash 根目录

cd ~/logstash-5.4.0
mkdir -p etc
vim etc/www.lanmps.com.conf

etc/test.conf 文件内容

input {
  file {
    type => "Nginx-access"
    path => ["/www/wwwLogs/www.lanmps.com/*.log"]
    start_position => "beginning"
  }
}

filter {
    grok {
        "message"=>"%{IPORHOST:client_ip} %{USER:ident} %{USER:auth} \[%{HTTPDATE:timestamp}\] \"(?:%{WORD:verb} %{NOTSPACE:request}(?: HTTP/%{NUMBER:http_version})?|-)\" (%{HOSTNAME:domain}|-) %{NUMBER:response} (?:%{NUMBER:bytes}|-) (%{QS:referrer}) %{QS:agent} \"(%{WORD:x_forword}|-)\" (%{URIHOST:upstream_host}|-) (%{NUMBER:upstream_response}|-) (%{WORD:upstream_cache_status}|-) %{QS:upstream_content_type} (%{USERNAME:upstream_response_time}) > (%{USERNAME:response_time})"
　　　　#匹配模式 message是每段读进来的日志，IP、HTTPDATE、WORD、NOTSPACE、NUMBER都是patterns/grok-patterns中定义好的正则格式名称，对照上面的日志进行编写,冒号，(?:%{USER:ident}|-)这种形式是条件判断，相当于程序里面的二目运算。如果有双引号""或者[]号，需要在前面加\进行转义。
    }
    kv {
                source => "request"
                field_split => "&?"
                value_split => "="
        }
　　#再单独将取得的URL、request字段取出来进行key-value值匹配，需要kv插件。提供字段分隔符"&?"，值键分隔符"="，则会自动将字段和值采集出来。
    urldecode {
        all_fields => true
    }
　　#把所有字段进行urldecode（显示中文）
}

output {
  elasticsearch {
        hosts => ["10.1.5.66:9200"]
        index => "logstash-%{type}-%{+YYYY.MM.dd}"
        document_type => "%{type}"
  }
}

配置说明
http://kibana.logstash.es/content/logstash/plugins/input/file.html

Nginx 日志格式定义

log_format access '$remote_addr - $remote_user [$time_local] "$request" $http_host $status $body_bytes_sent "$http_referer" "$http_user_agent" "$http_x_forwarded_for" $upstream_addr $upstream_status $upstream_cache_status "$upstream_http_content_type" $upstream_response_time > $request_time';

Logstash5.X启动和停止

测试命令

cd ~/logstash-5.4.0/
bin/logstash -e 'input { stdin { } } output { stdout {codec=>rubydebug} }'

然后你会发现终端在等待你的输入。没问题，敲入 Hello World，回车，然后看看会返回什么结果！
出现如下结果

2017-02-23T08:34:25.661Z c-101 Hello World

测试配置文件是否正确

cd ~/logstash-5.4.0/
bin/logstash -t -f etc/

启动

加载 etc文件夹下所有 *.conf 的文本文件，然后在自己内存里拼接成一个完整的大配置文件

cd ~/logstash-5.4.0/
bin/logstash -f etc/

后台运行

nohup cd ~/logstash-5.4.0/ && bin/logstash -f etc/ &

停止

查找进程 ID

ps -ef |grep logstash

找到这个ID，KILL 他

kill -9  id