Elasticsearch基础(一):阿里云Elasticsearch简介

文章目录

阿里云Elasticsearch简介

一、什么是阿里云Elasticsearch

1、开源Elasticsearch

2、阿里云Elasticsearch

3、阿里云Elasticsearch介绍

4、总结

二、 阿里云Elasticsearch组件

1、X-Pack(商业版扩展包)

2、 Beats(数据采集中心)

3、Logstash(数据处理管道)

4、 Kibana(数据分析和可视化工具)

三、阿里云Elasticsearch相关服务

1、AliES内核引擎及插件

2、智能运维系统Eyou

3、高级监控报警服务

四、应用场景

1、日志分析

2、信息检索

3、数据智能


阿里云Elasticsearch简介

一、什么是阿里云Elasticsearch

1、开源Elasticsearch

开源Elasticsearch是一个基于Lucene的实时分布式的搜索与分析引擎,是遵从Apache开源条款的一款开源产品,是当前主流的企业级搜索引擎。作为一款基于RESTful API的分布式服务,Elasticsearch可以快速地、近乎于准实时地存储、查询和分析超大数据集,通常被用来作为构建复杂查询特性和需求强大应用的基础引擎或技术。

2、阿里云Elasticsearch

阿里云Elasticsearch是基于开源Elasticsearch构建的全托管Elasticsearch云服务,在100%兼容开源功能的同时,支持开箱即用、按需付费。不仅提供云上开箱即用的Elasticsearch、Logstash、Kibana、Beats在内的Elastic Stack生态组件,还与Elastic官方合作提供免费X-Pack(白金版高级特性)商业插件,集成了安全、SQL、机器学习、告警、监控等高级特性,被广泛应用于实时日志分析处理、信息检索、以及数据的多维查询和统计分析等场景。

3、阿里云Elasticsearch介绍

  • 阿里云Elasticsearch致力于打造基于开源生态的、低成本、场景化的云上Elasticsearch解决方案,源于开源,又不止于开源。
  • 用户可以基于阿里云Elasticsearch强大的分析检索能力,以及高安全、高性能、高可用的服务,简化集群部署管理工作、降低集群资源与运维成本、提升数据安全可靠性、打通上下游数据链路、优化读写性能效果等。
  • 基于云上超强的计算和存储能力,以及在集群安全和运维领域积累的技术经验,阿里云Elasticsearch不仅支持集群一键部署、弹性伸缩、智能运维和各类内核引擎优化,还提供了迁移、容灾、备份和监控等全套解决方案。
  • 基于这些优化,用户可以快速构建日志分析、异常监控、企业搜索和大数据分析等各业务应用,聚焦于业务应用本身,实现业务价值。

4、总结

  1. 阿里云Elasticsearch是基于开源Elasticsearch的一款云服务平台。
  2. 阿里云Elasticsearch开箱即用,按需收费,提供各种生态组件,并做了很多优化,功能非常强大。
  3. 用户可以基于阿里云Elasticsearch日志分析、异常监控、企业搜索和大数据分析等各业务应用。

二、 阿里云Elasticsearch组件

在阿里云Elastic Stack产品生态下,Elasticsearch作为实时分布式搜索和分析引擎,Kibana实现灵活的可视化分析,Beats从各个机器和系统采集数据,Logstash采集、转换、优化和输出数据。通过各个组件的结合,阿里云Elasticsearch可被广泛应用于实时日志处理、全文搜索和数据分析等领域。

1、X-Pack(商业版扩展包)

  • X-Pack是Elasticsearch的一个商业版扩展包,包含安全Security、警告 Alerting、监控Monitoring、图形Graph和报告Reporting、机器学习 MachineLearning 等多种高级功能。
  • 创建阿里云Elasticsearch集群时,系统会默认将X-Pack作为插件集成在Kibana中,免费提供授权认证、角色权限管控、实时监控、可视化报表、机器学习等能力,实现更便捷的Elasticsearch运维管理和应用开发。

2、 Beats(数据采集中心)

  • Beats是轻量级的数据采集工具,集合了多种单一用途的数据采集器。它们从成百上千或成千上万台机器和系统向Logstash或Elasticsearch发送数据。
  • 阿里云Elasticsearch的Beats采集中心支持Filebeat、Metricbeat、Auditbeat和Heartbeat。支持在云服务器ECS和容器服务ACK集群中一键部署采集器,可视化采集与配置日志文件、网络数据、容器指标等多种类型数据,并集中管理多个采集器。

3、Logstash(数据处理管道)

  • Logstash作为服务器端的数据处理管道,通过输入、过滤和输出插件,动态地从多个来源采集数据,并加工和转换任何类型的事件,最终将数据存储到所选择的位置。
  • 阿里云提供全托管的Logstash Service,100%兼容开源。支持一键部署、可视化配置和集中管理数据管道,提供多种插件实现与OSS、MaxCompute等云产品的连通。

4、 Kibana(数据分析和可视化工具)

  • Kibana是灵活的数据分析和可视化工具,支持多用户登录。在Kibana中,用户可以搜索和查看Elasticsearch索引中的数据,并进行交互。
  • 创建阿里云Elasticsearch集群时,系统会自动部署独立的Kibana节点,用户可以根据业务需求,灵活使用图表、表格、地图等,呈现多元化的数据分析报表和大盘。

三、阿里云Elasticsearch相关服务

1、AliES内核引擎及插件

阿里云Elasticsearch在完全兼容开源Elasticsearch内核的所有特性基础上,在监控指标多样化、线程池、熔断策略优化、查询与写入性能优化等诸多方面,深度定制了AliES内核引擎。同时提供多种自研插件,提升集群稳定性、增强性能、优化成本并丰富监控运维功能。

2、智能运维系统Eyou

阿里云Elasticsearch的智能运维系统Eyou,提供集群、节点、索引等二十余个诊断项的健康检测功能。能够观测并记录集群的运行状况,自动归纳集群诊断结果。同时帮助用户探测集群潜在风险,在集群异常状态下,快速提供关键信息和合理的优化建议,让集群运维更便捷。

3、高级监控报警服务

高级监控报警服务是基于Elasticsearch开发的,具备采集、监控、报警、诊断、数据处理等多种能力的SAAS服务,为云上用户提供开箱即用的一站式监控报警解决方案。通过高级监控报警服务,用户可以灵活配置Grafana监控大屏、自定义报警规则并使用稳定可靠的报警服务。

四、应用场景

1、日志分析

在复杂业务场景下,海量服务器、物理机、Docker容器、移动设备和IoT传感器等设备中,往往存在着结构分散、种类多样、规模庞大的各类指标、日志和APM数据,对全链路的异常问题定位、业务分析与运维带来了巨大的挑战。用户往往很难从繁杂的日志中获取价值,却要承担其高昂的存储成本。

  • 阿里云Elasticsearch能够通过Beats、Logstash等组件,快速对接各种常见数据源,提供弹性可扩展的集中采集和开箱即用的存储分析能力。
  • 并借助Kibana仪表盘,高效地构建数据可视化运维看板,并在看板中灵活地配置主机名称、IP地址、部署情况、显示颜色等信息。
  • 最终帮助用户在海量数据中快速定位和发现问题,提高解决问题的效率,从而让日志数据产生价值。

2、信息检索

每一个生活在移动互联网中的用户,每天都在查询各种各样的信息。例如查询信用卡账单、电子发票、附近的餐厅酒店、媒体咨询、购物订单、交通物流等。为了帮助用户高效获取信息,广大企业需要实现面向海量数据的信息检索服务。

  • 相对于传统关系型数据库,Elasticsearch拥有强大的全文检索能力,并提供了简单易用的RESTful API 和各种语言客户端。
  • 只需要几毫秒的时间,即可在PB级结构化和非结构化的数据中找到匹配信息。
  • 用户可以使用阿里云Elasticsearch的高可用性和易用性,实现复杂组合、条件和模糊查询,轻松应对各类文本、数字、日期、IP地理数据,乃至图像、音视频数据的高性能读写。
  • 从而快速搭建电商商品或订单检索、App搜索、企业CRM系统等检索服务,并整合到已有业务框架中。

3、数据智能

随着游戏、教育、零售等各个行业的快速发展,除了底层系统的日志指标数据外,往往还存在着规模庞大的业务数据,例如用户行为、行车轨迹、交易记录等。在数据驱动运营的行业背景下,深入统计分析和挖掘业务数据,为上层业务发现问题与机会并辅助商业决策,才能真正让数据产生价值。

  • 阿里云Elasticsearch拥有结构化查询能力,并支持复杂过滤和聚合统计功能。
  • 不仅可以快速、高效地分析用户行为、属性、标签等各类数据,实现目标人群的精准触达。
  • 还能借助Kibana,完成业务数据的统计分类以及大盘的搭建,从而在电子商务、移动应用、广告媒体等多个场景下,高效统计并分析海量数据,深入挖掘业务的数据价值。

 


  • 📢博客主页:https://lansonli.blog.csdn.net
  • 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!
  • 📢本文由 Lansonli 原创,首发于 CSDN博客🙉
  • 📢停下休息的时候不要忘了别人还在奔跑,希望大家抓紧时间学习,全力奔赴更美好的生活✨

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/732321.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

华为OD机试 - 地图寻宝 - 深度优先搜索BFS(Java 2024 D卷 200分)

华为OD机试 2024D卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试(JAVA)真题(D卷C卷A卷B卷)》。 刷的越多,抽中的概率越大,每一题都有详细的答题思路、详细的代码注释、样例测…

秋招突击——6/21——新作{两两交换链表中的节点,K个一组反转链表}

文章目录 引言新做删除有序数组中的重复项个人实现 K 个一组翻转链表个人实现参考代码 总结 引言 上午完全去听讲座了,听了三场,拿了三个讲座单,从九点一直到十二点。笔记本电脑插电才能用,就没带,所以没有进行复习。…

【图解IO与Netty系列】Netty源码解析——事件循环

Netty源码解析——事件循环 Netty事件循环源码解析select()processSelectedKeys()NioMessageUnsafe#read()NioByteUnsafe#read() runAllTasks() Netty事件循环 当Netty服务端启动起来以后,就可以接受客户端发送的请求,接收到客户端发来的请求后就会有事…

Android平台下VR头显如何低延迟播放4K以上超高分辨率RTSP|RTMP流

技术背景 VR头显需要更高的分辨率以提供更清晰的视觉体验、满足沉浸感的要求、适应透镜放大效应以及适应更广泛的可视角度,超高分辨率的优势如下: 提供更清晰的视觉体验:VR头显的分辨率直接决定了用户所看到的图像的清晰度。更高的分辨率意…

微服务改造启动多个 SpringBoot 的陷阱与解决方案

在系统运行了一段时间后,业务量上升后,生产上发现java应用内存占用过高,服务器总共64G,发现每个SpringBoot占用近12G的内存,我们项目采用微服务架构,有多个springboot应用。 一下子内存就不够用了&#xf…

基于SpringBoot+Vue在线考试报名系统设计和实现(源码+LW+调试文档+讲解等)

💗博主介绍:✌全网粉丝10W,CSDN作者、博客专家、全栈领域优质创作者,博客之星、平台优质作者、专注于Java、小程序技术领域和毕业项目实战✌💗 🌟文末获取源码数据库🌟 感兴趣的可以先收藏起来,…

<Rust><iced>基于rust使用iced构建GUI实例:如何将svg格式转为ico格式图片?

前言 本专栏是Rust实例应用。 环境配置 平台:windows 软件:vscode 语言:rust 库:iced、iced_aw 概述 本文是专栏第4篇实例,依旧是一个图像格式转换程序,基于rust的svg库resvg、图像处理库image以及文件处…

Python xlwt库:写excel表格

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:「stormsha的主页」…

电路仿真实战设计教程--平均电流控制原理与仿真实战教程

1.平均电流控制原理: 平均电流控制的方块图如下,其由外电路电压误差放大器作电压调整器产生电感电流命令信号,再利用电感电流与电流信号的误差经过一个电流误差放大器产生PWM所需的控制电压,最后由控制电压与三角波比较生成开关管的驱动信号。 2.电流环设计: 根据状态平…

C语言:生命周期和作用域,static和extern

关键字static与extern 1.作用域(scope):代码中能够访问到变量的范围(变量可以被使用的文本区间)。(分为全局作用域和局部作用域) ☺全局作用域:在整个程序中都能访问的变量。通常…

【数据结构】第十九弹---C语言实现冒泡排序算法

✨个人主页: 熬夜学编程的小林 💗系列专栏: 【C语言详解】 【数据结构详解】【C详解】 目录 1、冒泡排序基本思想 2、代码的初步实现 3、代码的优化 4、代码的测试 5、时空复杂度分析 6、模拟实现qsort 6.1、冒泡排序函数 6.2、交换数…

【PyTorch】【机器学习】图片张量、通道分解合成和裁剪

一、导入所需库 from PIL import Image import torch import numpy as np import matplotlib.pyplot as plt二、读取图片 pic np.array(Image.open(venice-boat.jpg))上述代码解释:先用Image.open()方法读取jpg格式图片,再用np.array()方法将图片转成…

STM32单片机-BKP和RTC

STM32单片机-BKP和RTC 一、Unix时间戳1.1 时间戳转换 二、BKP(备份寄存器)三、RTC(实时时钟)3.1 RTC工作原理 四、代码部分4.1 BKP备份寄存器4.2 RTC实时时钟 一、Unix时间戳 Unix时间戳定义为从伦敦时间的1970年1月1日0时0分0秒开始所经过的秒数,不考虑闰秒时间戳…

Django集成OpenAI

Django集成OpenAI 通过前面 django 框架的基本开发知识,我们现在可以开始在 django 上做稍微深一点当然应用开发了。 这一章开始编写怎么集成调用 openai ,设置环境以及 openai 的基础知识。 大家都知道 ai 的多模态逐渐扩大,各种应用层出…

【LeetCode:2663. 字典序最小的美丽字符串 + 贪心】

🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,…

性能工具之 JMeter 常用组件介绍(五)

文章目录 一、Jmeter中参数取值1、Test Plan中添加变量2、User Defined Variables 二、Jmeter中CSV Data Set Config三、Timer:定时器4、Gaussian Random Timer 高斯随机定时器5、JSR223 Timer JSR223定时器6、Poisson Random Timer 泊松随机定时器7、Synchronizing Timer 同步…

复分析——第4章——Fourier变换(E.M. Stein R. Shakarchi)

第4章 Fouier变换 Raymond Edward Alan Christopher Paley, Fellow of Trinity College, Cambridge, and International Research Fellow at the Massachusetts Institute of Technology and at Harvard University, was killed by an avalanche on April 7, 1933, whi…

记某模版菠菜管理后台登录思路

1.前言 由于小程序的便捷性,越来越多的应用迁移到了了小程序上,由此伴随着小程序上线前的日常渗透测试工作也开始增加。但小程序的测试中经常会遇到数据包被加密了,导致无法进行改包测试。和测试网页数据包加密一样,就需要找到小…

Stable Diffusion 3 文本生成图像 在线体验 原理分析

前言 本文分享使用Stable Diffusion 3实现文本生成图像,可以通过在线网页中免费使用的,也有API等方式访问。 同时结合论文和开源代码进行分析,理解其原理。 Stable Diffusion 3是Stability AI开发的最新、最先进的文本生成图像模型&#x…

Linux中部署MySQL环境方法(仓库安装)

1.进入MySQL官网 2.进入MySQL社区版下载 3.使用yum方式下载MySQL 4.使找到对应系统的对应包的链接 复制 5.linux命令行中使用命令通过对应链接下载该软件包 rpm -i https://repo.mysql.com//mysql80-community-release-el9-1.noarch.rpm 警告:/var/tmp/rpm-tmp.so…