ELK相关TODO 快速开始文档(https://www.cnblogs.com/lbhym/p/15934416.html) SpringBoot整合ELK ELK接入Kafka（待Kafka快速开始文档完成之后） Kafka相关TODO Kafka快速开始文档，包含下载、配置、启动、Java C
ELK相关TODO
Kafka相关TODO
快速开始文档中，讲解了ELK三个组件的下载、安装、配置、启动等过程。只要按照文章走一下，就可以看到一个单机版的ELK三件套。本文会带你整合SpringBoot、ELK、Kafka，组成最常见的日志系统。当然，这套组合不仅能作为日志系统，也能作为大数据流处理的前半部分（数据的收集）。后面也会带来大数据相关的随笔文章。本文也会附带相关源码，链接如下：
依赖导入Github：https://github.com/MrLing1997/elasticsearch-study
虽然整合的是SpringBoot，但是为了方便前期学习、理解，我们就不用SpringData Elasticsearch的starter了。在熟悉了ES官方提供的Java客户端后，可以再使用SpringData Elasticsearch，其提供了很多非常方便的注解。除了注解，还有starter提供的自动配置等功能。更多相关功能和用法可以自行去查看Spring Data官方文档或相关博客。
这里我们只导入ES提供的Java客户端，然后手动去初始化ES。注意导入的版本，最好和服务器的ES版本保持一致。但是由于前段时间log4j的漏洞，导致7.14之前的版本全都被遗弃了，所以这里最低只能导入7.14版本。不过只要版本差距不大，一般不会有问题。
<!-- Elasticsearch服务 -->
<!-- 生成环境中，依赖版本最好和服务器的ES的版本保持一致,因为log4j的漏洞，7.14.0之前的部分依赖被遗弃无法成功下载-->
<dependency>
<groupId>org.elasticsearch</groupId>
<artifactId>elasticsearch</artifactId>
<version>7.14.0</version>
</dependency>
<!-- Elasticsearch Java高级客户端 -->
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.14.0</version>
</dependency>
首先去yml或properties添加配置信息。这个配置key不是上面的jar包提供的，而是我们自己自定义的，然后通过@Value注解获取值。所以你的key不一定要和我一样。配置如下：
elasticsearch:
host: ip
port: port
然后初始化RestHighLevelClient即可：
@Configuration
@Slf4j
public class ElasticSearchConfig{
@Value("${elasticsearch.host}")
private String host;
@Value("${elasticsearch.port}")
private int port;
@Bean
public RestHighLevelClient restHighLevelClient() {
RestHighLevelClient restHighLevelClient = null;
try {
log.info("elasticsearch start init...");
restHighLevelClient = new RestHighLevelClient(RestClient.builder(new HttpHost(host, port, "http")));
log.info("elasticsearch init success!");
}catch (Exception e){
log.error("elasticsearch init had exception:{}", ExceptionUtils.getStackTrace(e));
}
return restHighLevelClient;
}
}
自己手动编两个数据总觉得不带劲，一是数据量太少，二是太麻烦。我这里推荐一个开源的，自动生成数据的工具，依赖如下，记得排除snakeyaml，可能会和你的springboot中的yaml产生冲突。
<dependency>
<groupId>com.github.javafaker</groupId>
<artifactId>javafaker</artifactId>
<version>1.0.2</version>
<exclusions>
<exclusion>
<artifactId>snakeyaml</artifactId>
<groupId>org.yaml</groupId>
</exclusion>
</exclusions>
</dependency>
造数据的工具类和实体类很简单，直接贴一下代码：
@Data
@Accessors(chain = true)
public class User {
private Long id;
private String traceId;
private String name;
private String birthday;
private String job;
private String address;
private String company;
}
public class GenerateUserUtil {
private static final Faker faker = new Faker();
public static User generate(){
return new User()
.setId(System.currentTimeMillis())
.setTraceId(UUID.randomUUID().toString())
.setName(faker.name().name())
.setBirthday(DateFormat.format(faker.date().birthday(18,60)))
.setJob(faker.job().title())
.setAddress(faker.address().fullAddress())
.setCompany(faker.company().name());
}
}
往ES写数据之前，需要新建索引、定义mapping。根据你的实体类然后定义mapping即可。下面一共有三个类，ESConstant中定义了索引常量字符串和mapping。ESUtil封装了RestHighLevelClient，向外提供了创建索引和添加文档两个方法。WriteLogService模拟业务的服务类，不停产生数据和写日志。
public class ESConstant {
public static final String ES_USER_INDEX_PREFIX = "user";
public static final String MAPPING ="{\n" +
" \"properties\": {\n" +
" \"id\":{\n" +
" \"type\": \"long\"\n" +
" },\n" +
" \"traceId\":{\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"name\":{\n" +
" \"type\": \"text\"\n" +
" , \"analyzer\": \"standard\"\n" +
" },\n" +
" \"birthday\":{\n" +
" \"type\": \"date\"\n" +
" },\n" +
" \"job\":{\n" +
" \"type\": \"text\"\n" +
" , \"analyzer\": \"standard\"\n" +
" },\n" +
" \"address\":{\n" +
" \"type\": \"text\"\n" +
" , \"analyzer\": \"standard\"\n" +
" },\n" +
" \"company\":{\n" +
" \"type\": \"text\"\n" +
" , \"analyzer\": \"standard\"\n" +
" }\n" +
" }\n" +
" }";
}
@Component
public class ESUtil {
@Autowired
RestHighLevelClient restHighLevelClient;
public void createIndex(String indexName,String mapping,int shards,int replicas) throws IOException {
CreateIndexRequest createIndexRequest = new CreateIndexRequest(indexName);
//设置索引的配置，1个分片1个副本。由于我们是单机ES，这个配置无关紧要，正式的线上环境记得要配置
HashMap<String,String> indexOption = new HashMap<>();
indexOption.put("index.number_of_shards",String.valueOf(shards));
indexOption.put("index.number_of_replicas",String.valueOf(replicas));
createIndexRequest.settings(indexOption);
//设置索引mapping，即字段的定义
createIndexRequest.mapping(mapping, XContentType.JSON);
CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(createIndexRequest, RequestOptions.DEFAULT);
}
public void addDocument(String document,String indexName) throws IOException {
IndexRequest indexRequest = new IndexRequest(indexName);
indexRequest.source(document,XContentType.JSON);
restHighLevelClient.index(indexRequest, RequestOptions.DEFAULT);
}
}
@Service
@Slf4j
public class WriteLogService implements CommandLineRunner{
@Autowired
RestHighLevelClient restHighLevelClient;
@Autowired
ESUtil esUtil;
private static final Gson gson = new GsonBuilder().serializeNulls().create();
@Override
public void run(String... args) {
try {
//运行前检查索引是否存在,不存在就新建一个
if (!restHighLevelClient.indices().exists(new GetIndexRequest(ES_USER_INDEX_PREFIX), RequestOptions.DEFAULT)) {
esUtil.createIndex(ES_USER_INDEX_PREFIX, MAPPING, 1, 1);
}
while (true) {
String user = gson.toJson(GenerateUserUtil.generate());
log.info("generate user:{}", user);
esUtil.addDocument(user, ES_USER_INDEX_PREFIX);
Thread.sleep(1000);
}
}catch (Exception e){
log.error("service had exception:{}", ExceptionUtils.getStackTrace(e));
}
}
}
写入成功之后，就可以去Kibana的index Manager中添加user索引了。