首页 > 其他分享 >太香了!一款轻量级的 Elasticsearch 可视化管理工具!

太香了!一款轻量级的 Elasticsearch 可视化管理工具!

时间:2025-01-20 09:44:19浏览次数:1  
标签:太香 Elasticvue elasticsearch ElasticSearch Elasticsearch data 轻量级 software

大家好,我是 Java陈序员

今天,给大家介绍一款轻量级的 Elasticsearch 可视化管理工具,可替代 Kibana!

关注微信公众号:【Java陈序员】,获取开源项目分享、AI副业分享、超200本经典计算机电子书籍等。

项目介绍

Elasticvue —— 一个免费且开源的 Elasticsearch 在线可视化客户端,用于管理 Elasticsearch 集群中的数据,完全支持 Elasticsearch 版本 8.x 和 7.x.

功能特色

  • 集群概览
  • 索引和别名管理
  • 分片管理
  • 搜索和编辑文档
  • REST 查询
  • 快照和存储库管理
  • 支持国际化多语言(中文、英语、法语)、暗黑模式等

快速搭建

Elasticvue 具有多种安装形式,这里采用最简单的 Docker 安装方式。

部署单机 ElasticSearch

1、Docker 一键部署

# 创建挂载目录
mkdir -p /data/software/elasticsearch/{conf,data,plugins,logs}

# 授权
chomod 777 /data/software/elasticsearch

# 启动容器
docker run --name elasticsearch -d \ 
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \ 
    -e "discovery.type=single-node" \ 
    -p 9200:9200 -p 9300:9300 \
    -v /data/software/elasticsearch/conf:/usr/share/elasticsearch/config \
    -v /data/software/elasticsearch/data:/usr/share/elasticsearch/data \
    -v /data/software/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
    -v /data/software/elasticsearch/logs:/usr/share/elasticsearch/logs \
    elasticsearch:7.12.0

2、在启动过程中,如出现以下问题:

ERROR: [2] bootstrap checks failed. You must address the points described in the following [2] lines before starting Elasticsearch.
bootstrap check failure [1] of [2]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65535]
bootstrap check failure [2] of [2]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

3、主要是文件权限与内存大小问题:ElasticSearch 用户拥有的可创建文件描述的权限太低,至少需要 65536. 通过如下命令解决:

# 切换到 root 用户修改
vim /etc/sysctl.conf 

# 在最后面追加下面内容
vm.max_map_count=655360

# 保存退出后执行 
sysctl -p

4、重启 ElasticSearch 容器

docker restart elasticsearch

5、浏览器访问:

http://{ip/域名}:9200

返回如下内容,说明启动成功:

{
    "name": "9451f130e648",
    "cluster_name": "docker-cluster",
    "cluster_uuid": "DpQMRDKiQEWyqas0VKmedg",
    "version": {
        "number": "7.12.0",
        "build_flavor": "default",
        "build_type": "docker",
        "build_hash": "78722783c38caa25a70982b5b042074cde5d3b3a",
        "build_date": "2021-03-18T06:17:15.410153305Z",
        "build_snapshot": false,
        "lucene_version": "8.8.0",
        "minimum_wire_compatibility_version": "6.8.0",
        "minimum_index_compatibility_version": "6.0.0-beta1"
    },
    "tagline": "You Know, for Search"
}

部署 Elasticvue

1、Docker 一键部署

docker run -p 8080:8080 --name elasticvue -d cars10/elasticvue

2、启动成功后,浏览器访问:

http://{ip/域名}:8080

3、首次使用 Elasticvue 需要添加 ElasticSearch 集群信息

4、添加 ElasticSearch 集群前需设置 CORS, 将面板里面的配置添加到 elasticsearch.yml, 并重启集群

5、连接成功后在首页就可以看到 ES 的状态信息了,比如版本号、集群状态等

功能截图

  • 首页

  • 节点

  • 分片

  • 索引

  • 搜索

  • REST

  • 快照

Elasticvue 除了在线 Web 版本外,还有 Windows、MacOS、Linux 和各浏览器插件版本,可根据自身情况选择安装~

Elasticvue 涵盖了大部分常用的 ES 操作功能,而且很轻量,可以说完美替代了 Kibana, 感兴趣的小伙伴下次可以尝试体验下~

项目地址:https://github.com/cars10/elasticvue

最后

推荐的开源项目已经收录到 GitHub 项目,欢迎 Star

https://github.com/chenyl8848/great-open-source-project

或者访问网站,进行在线浏览:

https://chencoding.top:8090/#/

大家的点赞、收藏和评论都是对作者的支持,如文章对你有帮助还请点赞转发支持下,谢谢!


标签:太香,Elasticvue,elasticsearch,ElasticSearch,Elasticsearch,data,轻量级,software
From: https://www.cnblogs.com/codechen8848/p/18678665

相关文章

  • ElasticSearch Python 使用
    目录依赖下载连接elasticsearch配置忽略响应状态码示例ElasticsearchforPython之操作结果过滤ElasticSearch(es对象)Indices(es.indices)Cluster(集群相关)Node(节点相关)Cat(一种查询方式)Snapshot(快照相关)Task(任务相关)依赖下载pipinstallelasticsearch#豆瓣源pipinstall-ihtt......
  • ElasticSearch Java 使用
    目录创建工程,导入坐标创建索引index创建映射mapping建立文档document建立文档(通过XContentBuilder)建立文档(使用Jackson转换实体)1)添加jackson坐标2)创建Article实体3)代码实现查询文档操作关键词查询字符串查询使用文档ID查询文档查询文档分页操作批量插入数据分页查询查询......
  • 【详解】ElasticSearchJava操作ES实例
    目录ElasticSearchJava操作ES实例简介环境准备1.安装Elasticsearch2.添加依赖连接Elasticsearch1.创建客户端2.关闭客户端基本操作1.创建索引2.插入数据3.查询数据环境准备示例代码代码说明运行代码1.添加依赖2.创建客户端3.索引文档4.查询......
  • ElasticSearch Query DSL(查询领域特定语言)
    目录常用DSL关键字查询上下文相关度评分:_score源数据:_source数据源过滤器query和filter上下文相关性评分(relevancescores)query的上下文filter的上下文关于query和filter上下文的例子全文查询(fulltextquery)intervals查询请求示例intervals的顶级参数match(匹......
  • Elasticsearch 笔记
    目录ES相关概念概述核心概念1)索引index2)类型type3)字段Filed4)映射mapping5)文档document6)集群cluster7)节点node8)分片和复制shards&replicas9)接近实时NRTElasticSearch字段的类型字段类型映射参数stringindex分析store存储Numericindex分析store存储dateindex分......
  • ElasticSearch metrics aggregations(度量聚合)
    目录metricsaggregations(度量聚合)avg(平均聚合)脚本(script)值脚本(valuescript)缺失的值(missingvalue)weighted_avg(加权平均聚合)例子脚本(script)缺失的值(missingvalues)boxplot(箱线图聚合)语法脚本(script)箱线图的值(通常)是近似值压缩(compression)缺失的值cardina......
  • ElasticSearch 桶(bucket)聚合
    目录桶(bucket)聚合adjacency_matrix聚合使用Limitationsauto_date_histogram(自动间隔的日期直方图聚合)键(key)间隔(interval)时区(timezone)脚本参数minimum_interval缺失的值children聚合composite(复合聚合)值的来源(valuesource)terms(词项)histogram(直方图)datehistog......
  • ElasticSearch Aggregations(聚合)
    目录Aggregations(聚合)构建聚合值的来源Aggregations(聚合)聚合框架有助于提供基于搜索查询的聚合数据。它基于被称为聚合(aggregations)的简单构建块,可以组合这些块来构建复杂的数据摘要。聚合可以被看作是在一组文档上构建分析信息的工作单元。执行的上下文定义了这个文档......
  • 轻量级卷积神经网络 (OL-CNN)
    优化后的轻量级卷积神经网络(OL-CNN)目录优化后的轻量级卷积神经网络(OL-CNN)一、模型背景及动机二、模型创新点1.深度可分离卷积2.动态学习率调整3.网络架构优化三、模型网络结构四、代码实现五、实验结果与结论一、模型背景及动机随着......
  • 基于注意力机制和残差网络的轻量级图像分类模型(AR-LiteNet)
    新模型设计:基于注意力机制和残差网络的轻量级图像分类模型(AR-LiteNet)目录新模型设计:基于注意力机制和残差网络的轻量级图像分类模型(AR-LiteNet)引言1.AR-LiteNet简介2.AR-LiteNet的数学原理2.1卷积操作2.2通道注意力机制2.3残差连接2.4损失函数3.......