当前位置:首页 > 文章列表 > 文章 > linux > Linux下安装Elasticsearch及JVM优化技巧

Linux下安装Elasticsearch及JVM优化技巧

2026-02-04 10:59:34 0浏览 收藏

“纵有疾风来,人生不言弃”,这句话送给正在学习文章的朋友们,也希望在阅读本文《Linux下安装Elasticsearch及JVM调优指南》后,能够真的帮助到大家。我也会在后续的文章中,陆续更新文章相关的技术文章,有好的建议欢迎大家在评论留言,非常感谢!

需完成安装、JVM参数调优与网络发现设置三个关键环节:下载解压Elasticsearch二进制包,创建专用用户并授权;配置jvm.options设堆内存为-Xms4g -Xmx4g并启用G1GC;在elasticsearch.yml中设置cluster.name、node.name、discovery.seed_hosts和cluster.initial_master_nodes,并绑定内网IP启动服务。

Linux怎么安装Elasticsearch_Linux环境JVM调优与集群发现设置【教程】

如果您希望在Linux系统中部署Elasticsearch,并确保其稳定运行于JVM环境,同时正确配置集群节点发现机制,则需完成安装、JVM参数调优与网络发现设置三个关键环节。以下是具体操作步骤:

一、下载并安装Elasticsearch

Elasticsearch官方提供.tar.gz二进制包,适用于无包管理器或需精确控制版本的Linux环境。安装过程不依赖系统包管理器,解压即用,但需提前确认Java运行时环境已就绪。

1、执行wget命令下载对应版本的Elasticsearch压缩包,例如:wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-8.15.0-linux-x86_64.tar.gz。

2、使用tar -xzf解压至目标目录,例如:tar -xzf elasticsearch-8.15.0-linux-x86_64.tar.gz -C /opt/。

3、为安全起见,创建专用用户运行Elasticsearch,例如:useradd -r -d /opt/elasticsearch-8.15.0 -s /bin/bash elasticsearch。

4、修改解压目录所有权:chown -R elasticsearch:elasticsearch /opt/elasticsearch-8.15.0。

二、配置JVM堆内存与GC参数

JVM堆大小直接影响Elasticsearch响应延迟与GC停顿时间。官方建议将-Xms与-Xmx设为相同值,且不超过物理内存50%,绝对不超过32GB以避免指针压缩失效。

1、编辑/opt/elasticsearch-8.15.0/config/jvm.options文件。

2、定位到堆内存配置行,将默认值替换为:-Xms4g与-Xmx4g(根据实际可用内存调整,如16GB物理内存建议设为4g~8g)。

3、注释掉所有ZGC相关行(若使用JDK 17+且未启用ZGC),取消注释并启用G1GC参数:-XX:+UseG1GC与-XX:MaxGCPauseMillis=400。

4、添加JVM启动参数以禁用偏向锁并启用日志输出:-XX:-UseBiasedLocking与-Xlog:gc*,gc+age=trace,safepoint:file=/var/log/elasticsearch/gc.log:time,tags:uptime,level,pid,tid:filecount=32,filesize=64m。

三、设置集群名称与节点发现机制

Elasticsearch 8.x默认启用安全特性与基于DNS的集群发现,但生产环境常需显式配置静态节点列表或单播主机列表,避免依赖外部DNS服务或组播不可靠问题。

1、编辑/opt/elasticsearch-8.15.0/config/elasticsearch.yml文件。

2、设置唯一集群标识:cluster.name: my-application(所有节点必须一致)。

3、设置当前节点名称:node.name: node-1(每台机器需唯一)。

4、禁用默认的Elasticsearch 8.x安全自引导模式(如不启用TLS与内置用户):xpack.security.enabled: false与xpack.security.http.ssl.enabled: false。

5、配置初始主节点列表(适用于单播发现):discovery.seed_hosts: ["192.168.1.10:9300", "192.168.1.11:9300", "192.168.1.12:9300"]。

6、明确指定可参与主节点选举的候选节点:cluster.initial_master_nodes: ["node-1", "node-2", "node-3"](仅首次启动时使用,后续启动可注释)。

四、配置网络绑定与HTTP访问控制

为保障服务可达性与安全性,需显式声明监听地址与端口,并限制HTTP接口暴露范围,防止公网直接访问内部传输端口。

1、在elasticsearch.yml中设置网络绑定地址:network.host: 192.168.1.10(替换为本机内网IP,禁止使用0.0.0.0除非有严格防火墙策略)。

2、指定HTTP服务端口:http.port: 9200(默认值,可保持不变)。

3、关闭HTTP压缩以降低CPU开销(可选):http.compression: false。

4、显式禁用传输端口对外暴露:transport.port: 9300与transport.host: 127.0.0.1(仅限本地回环通信,配合discovery.seed_hosts中填写真实IP实现跨机发现)。

五、启动服务并验证基础状态

通过systemd托管服务可实现开机自启与日志统一管理,避免前台运行导致会话中断。启动后需立即验证节点是否成功加入集群并报告健康状态。

1、创建systemd服务文件:/etc/systemd/system/elasticsearch.service,内容包含User=elasticsearch、WorkingDirectory=/opt/elasticsearch-8.15.0及ExecStart=/opt/elasticsearch-8.15.0/bin/elasticsearch -d -p /var/run/elasticsearch/elasticsearch.pid。

2、重载systemd配置:systemctl daemon-reload。

3、启用开机自启:systemctl enable elasticsearch。

4、启动服务:systemctl start elasticsearch。

5、检查服务状态:systemctl status elasticsearch,确认显示active (running)且无failed字样。

6、发送HTTP请求验证节点响应:curl -X GET "http://192.168.1.10:9200/_cat/nodes?v",应返回当前节点及集群内其他已发现节点列表。

终于介绍完啦!小伙伴们,这篇关于《Linux下安装Elasticsearch及JVM优化技巧》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

JavaScript异步回调函数优缺点详解JavaScript异步回调函数优缺点详解
上一篇
JavaScript异步回调函数优缺点详解
火炉书屋小说入口及搜书技巧
下一篇
火炉书屋小说入口及搜书技巧
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    343次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    405次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    404次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    364次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    186次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码