新闻详情

新闻详情

首页 / 资讯中心 / 详情

Lottery 分布式抽奖系统部署实战:Docker 安装 Elasticsearch 与 Kibana 7.6.2

发布时间:2026/11/15 13:43:00来源:尧图网络
Lottery 分布式抽奖系统部署实战:Docker 安装 Elasticsearch 与 Kibana 7.6.2
文档教程后端【免费下载链接】CodeGuide:books: 本代码库是作者小傅哥多年从事一线互联网 Java 开发的学习历程技术汇总旨在为大家提供一个清晰详细的学习教程侧重点更倾向编写Java核心内容。如果本仓库能为您提供帮助请给予支持(关注、点赞、分享)项目地址https://gitcode.com/gh_mirrors/code/CodeGuide点击查看免费下载本文是《Lottery 分布式抽奖系统》Part-5 运维部署篇的第 07 节围绕在 Docker 环境中部署 Elasticsearch 7.6.2 与 Kibana 7.6.2 展开从镜像拉取、容器启动参数JVM 堆、单节点发现模式、端口映射到 kibana.yml 配置挂载、中文界面开启再到通过 Portainer 面板与 HTTP 端口完成启动验证并延伸讲解 ES 在抽奖系统中的定位——配合后续章节 canal 将分库分表数据同步进 ES为抽奖系统的数据检索与分析能力提供存储与可视化底座。读完本文你将能够在任意云服务器上独立复现整套 ES Kibana 部署环境。一、本节的运维目标在抽奖系统完整的微服务技术栈SpringBoot、MyBatis、Dubbo、MQ、Redis、MySQL、ELK、分库分表等中Elasticsearch 承担着数据检索与分析的职责。本节要完成两件运维事项在 Docker 环境安装 Elasticsearch7.6.2版本对 Elasticsearch 中的x-pack-core-7.6.2.jar进行破解满足在安装使用 Kibana 时可以使用JDBC 能力后续基于 SQL 检索 ES 数据时会用到。版本选择上ES 与 Kibana 均固定为7.6.2并要求两者版本严格一致。这一点在后续章节第08节部署环境 canal 同步数据到 ES中有明确提示ElasticSearch 9200 / 7.6.2、Kibana 5601 / 7.6.2版本不匹配可能导致无法同步数据因此整套部署必须以 7.6.2 为准。二、安装 Elasticsearch 7.6.21. 拉取镜像docker pull elasticsearch:7.6.22. 启动容器docker run --name elasticsearch -d \ -e ES_JAVA_OPTS-Xms128m -Xmx256m \ -e discovery.typesingle-node \ -p 9200:9200 \ -p 9300:9300 \ elasticsearch:7.6.2各参数含义如下参数含义--name elasticsearch容器启动后的名称便于后续通过docker exec -it elasticsearch /bin/bash进入容器管理-d后台运行容器并返回容器 ID-e ES_JAVA_OPTS-Xms128m -Xmx256m指定容器内 JVM 堆内存参数可按需调整。学习/演示环境给足最小内存即可生产环境需根据数据量上调-e discovery.typesingle-node以单节点模式启动跳过多节点集群发现校验避免单机部署时的引导检查报错-p 9200:9200主机端口:容器端口映射。9200 为 ES HTTP 服务端口供 REST API 与 Kibana 连接-p 9300:93009300 为 ES 节点间传输端口供集群内节点通信使用3. 启动检查运维面板Portainer 容器列表页可查看elasticsearch容器是否为running状态启动信息直接浏览器访问 ES 的 HTTP 端口http://39.96.73.167:9200若返回集群信息 JSON包含cluster_name、version、tagline等字段则说明 ES 启动成功JSON 响应示例核心字段{ name: elasticsearch, cluster_name: docker-cluster, cluster_uuid: xxxx, version: { number: 7.6.2, build_flavor: default, lucene_version: 8.4.0 }, tagline: You Know, for Search }注意文中的39.96.73.167为作者演示所用云服务器公网 IP实际部署时请替换为你自己的服务器 IP若云厂商安全组未放行 9200/5601 端口浏览器与外部工具将无法访问。三、安装 Kibana 7.6.2Kibana 是 ES 的可视化与分析前端通过浏览器提供索引管理、数据检索、图表可视化等功能。部署时通过与宿主机共享配置文件的方式-v挂载将自定义配置注入容器。1. 拉取镜像docker pull kibana:7.6.22. 添加配置 kibana.yml在宿主机准备配置文件示例挂载路径/data/kibana/config/kibana.yml内容如下# # ** THIS IS AN AUTO-GENERATED FILE ** # # Default Kibana configuration for docker target server.name: kibana server.host: 0 elasticsearch.hosts: [ http://39.96.73.167:9200 ] xpack.monitoring.ui.container.elasticsearch.enabled: true # 设置中文显示 i18n.locale: zh-CN配置项说明配置项作用server.name: kibana设置 Kibana 实例名称server.host: 0监听所有网络接口使外部可通过公网访问默认仅本机回环地址elasticsearch.hosts配置 Elasticsearch 地址Kibana 通过该地址连接 ES需替换为实际 IPxpack.monitoring.ui.container.elasticsearch.enabled: true启用容器化环境下 ES 的监控数据展示i18n.locale: zh-CN设置中文显示将 Kibana 界面切换为简体中文3. 启动容器docker run -d \ --namekibana \ --restartalways \ -p 5601:5601 \ -v /data/kibana/config/kibana.yml:/usr/share/kibana/config/kibana.yml \ kibana:7.6.2--restartalways容器异常退出或服务器重启后自动拉起保证服务可用性-p 5601:5601映射 Kibana Web 端口 5601-v /data/kibana/config/kibana.yml:/usr/share/kibana/config/kibana.yml将宿主机配置文件挂载到容器内 Kibana 配置路径覆盖默认配置。4. 访问验证浏览器访问 Kibana 首页http://39.96.73.167:5601/app/kibana#/home界面出现数据接入、索引管理等入口即部署成功四、环境验证与常见排错结合 Portainer 面板与 HTTP 端口可快速完成两层验证容器层Portainer 容器列表中elasticsearch与kibana均处于running状态没有反复重启Restarting或退出Exited服务层9200 返回 ES 集群信息 JSON、5601 能打开 Kibana 首页。常见问题排查思路ES 启动失败检查ES_JAVA_OPTS内存是否过小导致 JVM 无法分配单节点部署务必带上discovery.typesingle-nodeKibana 无法连接 ES确认elasticsearch.hosts中的地址端口可达curl http://IP:9200并保证 ES 与 Kibana 版本一致均为 7.6.2页面无法访问确认云厂商安全组已放行 9200/5601 端口且容器端口映射正确。五、在抽奖系统中的定位为 canal 同步铺路ES 与 Kibana 不是孤立部署的。在抽奖系统技术栈见 Lottery 抽奖系统介绍中ES 属于 ELK 链路的重要组成其典型使用场景是把 MySQL 中抽奖系统分库分表后的业务数据通过 canal 实时同步到 ES再借助 Kibana 完成检索与可视化分析。后续章节 第08节部署环境 canal 同步数据到 ES 的环境要求表明确列出应用端口版本ElasticSearch92007.6.2Kibana56017.6.2canal.deployer111111.1.15canal.adapter80811.1.15canal 通过模拟 MySQL slave 订阅 binlog将分库分表的抽奖数据增量同步到 ES 文件系统而本节部署的 ES Kibana 正是该链路的数据存储端与可视化端。本节对x-pack-core-7.6.2.jar的破解目的即在于让 Kibana 具备 JDBC 查询能力服务于后续 ES 数据的 SQL 化检索场景。六、小结至此Lottery 抽奖系统的 Elasticsearch 7.6.2 与 Kibana 7.6.2 环境部署完成通过docker pull elasticsearch:7.6.2 单节点模式启动 ES9200/9300 端口对外提供服务通过docker pull kibana:7.6.2 挂载自定义kibana.yml中文界面、连接 ES 地址启动 Kibana5601 端口提供可视化入口利用 Portainer 面板与 HTTP 端口双重验证部署结果明确了 ES 在抽奖系统中的定位——作为后续 canal 将分库分表数据同步进 ES 链路的数据存储与检索底座为抽奖数据的查询与分析能力打下基础。整体部署动作与后续章节canal 同步、应用对接环环相扣建议读者在继续学习 Lottery 抽奖系统 后续章节前先确保本环境可用并保持 ES、Kibana 与后续组件的版本一致。赞分享文档教程后端【免费下载链接】CodeGuide:books: 本代码库是作者小傅哥多年从事一线互联网 Java 开发的学习历程技术汇总旨在为大家提供一个清晰详细的学习教程侧重点更倾向编写Java核心内容。如果本仓库能为您提供帮助请给予支持(关注、点赞、分享)项目地址https://gitcode.com/gh_mirrors/code/CodeGuide点击查看免费下载相关推荐Lottery 抽奖系统部署实录Docker 安装 MySQL 与抽奖库表初始化指南Lottery 抽奖系统部署实录Docker 安装 MySQL 与抽奖库表初始化指南 本篇是《Lottery 分布式抽奖系统》第 5 部分「系统运维」第 04文档教程后端Lottery 抽奖系统部署实战Docker 安装 Nacos 注册中心并接入 Dubbo 服务注册Lottery 抽奖系统部署实战Docker 安装 Nacos 注册中心并接入 Dubbo 服务注册 导读 本篇是《Lottery 分布式抽奖系统》部署环境系文档教程后端log-lottery抽奖系统技术实现与部署指南log lottery抽奖系统技术实现与部署指南 技术架构解析 log lottery是一个基于现代前端技术栈构建的3D抽奖应用其核心架构采用分层设计理念。前前端桌面应用创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉