docker-compose安装es以及ik分词同义词插件

1 前言

2 集成利器Docker

2.1 Docker环境安装

2.1.1 环境检查

2.1.2 在线安装

2.1.3 离线安装

2.2 Docker-Compose的安装

2.2.1 概念简介

2.2.2 安装步骤

2.2.2.1 二进制文件安装

2.2.2.2 离线安装

2.2.2.3 yum安装

3 一键安装ES及Kibana

3.1 yml文件的编写

3.1.1 elasticsearch.yml配置

3.1.2 kibana.yml配置

3.2 一键安装

3.3 部署验证

3.4 常见问题

4 安装IK分词插件

4.1 IK分词的下载及安装

4.2 IK分词的使用

5 安装IK同义词插件

5.1 同义词插件改造

5.2 同义词插件部署

5.3 同义词插件使用

5.4 其他注意事项

6 ES日志打印

6.1 打印ES启动日志

6.2 日志格式以及时区调整

1 前言

最近在做搜索引擎相关的项目，搜索使用ES+Milvus。搜索是一个大课题，像京东、淘宝等首页的搜索是常见的场景。搜索的又可以根据需要划分为不同的阶段，比如预处理、粗召、粗排、精排、重排等等流程。很多时候商品因为类目挂载的问题，召回的效果差强人意，往往还会引入向量搜索进行矫正。关于搜索引擎的细节这里不展开讲，今天主要记录下如何快速安装ES以及ES对应的IK插件、同义词插件。

2 集成利器Docker

Docker绝对是部署集成的利器，相当方面和便捷，我对docker的使用连入门的级别都还达不到，这里不班门弄斧。重点就记录下在整个过程中，遇到和用到的一些细节点。

docker能干嘛？

① 一次构建，随处运行

② 更快速的应用交付和部署

传统的应用开发完成后，需要提供一堆安装程序和配置说明文档，安装部署后需根据配置文档进行繁杂的配置才能正常运行。Docker化之后只需要交付少量容器镜像文件，在正式生产环境加载镜像并运行即可，应用安装配置在镜像里已经内置好，大大节省部署配置和测试验证时间。

③ 更便捷的升级和扩缩容

随着微服务架构和Docker的发展，大量的应用会通过微服务方式架构，应用的开发构建将变成搭乐高积木一样，每个Docker容器将变成一块“积木”，应用的升级将变得非常容易。当现有的容器不足以支撑业务处理时，可通过镜像运行新的容器进行快速扩容。

④ 更简单的运维

⑤ 更高效的计算资源利用

一台物理机上可以运行很多个容器实例，可大大提升物理服务器的CPU和内存的利用率。

2.1 Docker环境安装

2.1.1 环境检查

docker安装之前，先检查是否满足以下要求：

① 确保操作系统为64位版本且内核版本不低于3.10

# 查看内核的方式：
uname -a
# 或者
cat /proc/version

② 确保操作系统为Linux系统，Windows系统需要先安装适用于本地环境的虚拟机管理器(VirtualBox等)，Mac系统需要先安装Homebrew工具

#查看操作系统的方式
lsb_release -a
# 或者
cat /etc/redhat-release

③ 确保拥有sudo权限，这将允许在系统中安装软件包。安装前因个人情况执行下面命令

需用root用户安装
使用root权限更新yum包（项目上生产环境需谨慎），`yum -y update`这个命令不是必须执行，看个人情况，后面出现不兼容的情况的话就必须update了。

# 升级所有包同时也升级软件和系统内核
yum -y update #只升级所有包，不升级软件和系统内核
yum -y upgrade

卸载旧版本（如果之前安装过的话）

yum remove docker docker-common docker-selinux docker-engine

2.1.2 在线安装

① 安装需要的软件包， yum-util 提供yum-config-manager功能，另两个是devicemapper驱动依赖

yum install -y yum-utils device-mapper-persistent-data lvm2

② 设置yum源

# 阿里仓库
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

③ 选择可用版本

# 查看有哪些可用的版本
yum list docker-ce --showduplicates | sort -r

④ 选择一个版本并安装

yum -y install docker-ce-18.03.1.ce

⑤.第三步和第四步不执行，不选版本安装的话，默认安装最新版本

yum install docker-ce

⑥ 启动docker

systemctl start docker

⑦ 验证docker是否安装成功

docker version

⑧ 设置开机自启动

systemctl enable docker

2.1.3 离线安装

离线安装比较简单，下载安装包，上传服务，解压，然后启动即可。

# ① docker离线安装包下载
https://download.docker.com/linux/static/stable/x86_64/docker-20.10.7.tgz# ② 上传到服务器，然后解压
tar -zxvf docker-20.10.7.tgz
cp docker/* /usr/bin/# ③ 启动Docker守护程序
dockerd &# ④ 验证docker是否安装成功
docker info

2.2 Docker-Compose的安装

2.2.1 概念简介

docker-compose简介

Docker Compose是一个用来定义和运行多个复杂应用的Docker编排工具。例如，一个使用Docker容器的微服务项目，通常由多个容器应用组成。那么部署时不想一个一个的部署且一个一个的手动启动，那么使用Docker Compose编排工具便可快速部署启动容器。

Compose 通过一个配置文件来管理多个Docker容器，在配置文件中，所有的容器通过services来定义，然后使用docker-compose脚本来启动，停止和重启应用和应用中的服务以及所有依赖服务的容器，非常适合组合使用多个容器进行开发的场景。

docker-compose的理念

docker-compose是docker官方的开源项目，托管于github上，由python实现，负责实现对docker容器集群的快速编排。

docker-compose将所管理的容器分为三层，分别是项目（project），服务（service）以及容器（containner）

最重要的两个概念

① 服务 (service)：一个应用的容器，实际上可以包括若干运行相同镜像的容器实例。
② 项目 (project)：由一组关联的应用容器组成的一个完整业务单元，在 docker-compose.yml 文件中定义。Compose 的默认管理对象是项目，通过子命令对项目中的一组容器进行便捷地生命周期管理。

一个项目当中，可以包含多个服务，每个服务中定义了容器运行的镜像、参数、依赖。

docker-compose的项目配置文件默认是**docker-compose.yml**。可以通过环境变量COMPOSE_FILE -f 参数自定义配置文件，其自定义多个有依赖关系的服务及每个人服务运行的容器。

简单来说：就是来管理多个容器的，定义启动顺序的，合理编排，方便管理。

2.2.2 安装步骤

2.2.2.1 二进制文件安装


# 官方地址
https://github.com/docker/compose/releases/tag/v2.21.0# 根据docker版本选择对应的docker-compose
# ① 这里我下载的最新版2.21.0，在服务器上用root用户执行下面命令：
wget https://github.com/docker/compose/releases/download/v2.21.0/docker-compose-Linux-x86_64# ② 将docker-compose-linux-x86_64重命名为docker-compose
mv docker-compose-linux-x86_64 docker-compose# ③ 将docker-compose移到/usr/local/bin/目录下
mv docker-compose /usr/local/bin/# ④ 修改该文件的权限为可执行
chmod +x /usr/local/bin/docker-compose# ⑤ 为方便后期操作，配置环境变量，修改~/.bashrc文件，将/usr/local/bin添加至PATH中
vim ~/.bashrc
export PATH="$PATH:/usr/local/bin"# ⑥ 重新加载.bashrc文件配置
source ~/.bashrc# ⑦ 查看docker-compose的版本检查是否安装成功
docker-compose version

2.2.2.2 离线安装

安装包下载地址：点击我

下载好安装包之后，上传安装包到服务，执行如下命令：

chmod +x /usr/local/bin/docker-compose
docker-compose version

安装过程中可能会遇到一下问题：

① 若执行docker-compose version后出现如下报错安装失败，是因为安装包没有下载完全，重新下载安装。或者到上面官方地址上手动下载然后传到服务器/usr/local/bin/目录下。

/usr/local/bin/docker-compose:行1: html: 没有那个文件或目录 /usr/local/bin/d
/usr/local/bin/docker-compose:行2:未预期的符号'<'附近有语法错误
/usr/local/bin/docker-compose:行3:'<head><title>502 Bad Gateway</title></head>'

② 安装完成后运行docker-compose version 出现如下错误，是因为安装版本问题，更换版本重新安装。

Segmentation fault“（分段错误）

2.2.2.3 yum安装

# 用root用户执行
yum install docker-compose#查看docker-compose的版本（看是否安装部署成功）
docker-compose version

3 一键安装ES及Kibana

一个yml文件搞定全部，docker-compose绝对是部署集成的大杀器。再次对技术的日新月异感到惊叹和焦虑。

ES版本：7.8.0

3.1 yml文件的编写

yml文件如下

version: '3.5'
services:elasticsearch:image: elasticsearch:7.8.0container_name: elasticsearchnetworks:- elastic_networkvolumes:- ./es/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml- ./es/config/log4j2.properties:/usr/share/elasticsearch/config/log4j2.properties- ./es/config/jvm.options:/usr/share/elasticsearch/config/jvm.options- ./es/data:/usr/share/elasticsearch/data- ./es/plugins:/usr/share/elasticsearch/plugins- ./es/logs:/usr/share/elasticsearch/logsenvironment:- discovery.type=single-node- bootstrap.memory_lock=true- "ES_JAVA_OPTS=-Xms2048m -Xmx4096m"- TZ=Asia/Shanghaiports:- "9200:9200"kibana:image: kibana:7.8.0ports:- "5601:5601"volumes:- ./kibana/kibana.yml:/usr/share/kibana/config/kibana.ymlnetworks:- elastic_network#这里要注意，es和eshd要在相同网络才能被links
networks:elastic_network:driver: bridgeipam:config:- subnet: 172.22.0.0/16

有几个注意点：

① volumes这个配置比较重要，这是将容器内相关需要固化以及需要保留的内容外挂到容器外面，这样容器即便重启了，相关信息也不会丢。像/data、/plugins、/logs这些都是外挂在外面，一方面ES数据不会丢，另一方面插件可以根据需要新增，日志也方面查看。

注意：冒号前是宿主机的路径，冒号后是容器里的路径。冒号前的路径相对当前docker-compose.yml文件的相对路径。

② networks是固定配置，可以不用管，利旧即可

3.1.1 elasticsearch.yml配置

http.port: 9200
http.host: 0.0.0.0http.cors.enabled: true
http.cors.allow-origin: "*"
http.cors.allow-headers: Authorization
# 开启安全控制
#xpack.security.enabled: true
#xpack.security.transport.ssl.enabled: true
#xpack.security.transport.ssl.keystore.type: PKCS12
#xpack.security.transport.ssl.verification_mode: certificate
#xpack.security.transport.ssl.keystore.path: elastic-certificates.p12
#xpack.security.transport.ssl.truststore.path: elastic-certificates.p12
#xpack.security.transport.ssl.truststore.type: PKCS12
#xpack.security.audit.enabled: true
path.logs: /usr/share/elasticsearch/logs

3.1.2 kibana.yml配置

server.name: kibana
# kibana的主机地址 0.0.0.0可表示监听所有IP
server.host: "0.0.0.0"
#
# 这边设置自己es的地址，
elasticsearch.hosts: [ "http://127.0.0.1:9200" ]
elasticsearch.username: 'elastic'
elasticsearch.password: 'elastic'
# # 显示登陆页面
xpack.monitoring.ui.container.elasticsearch.enabled: true
# 开启中文模式
i18n.locale: "zh-CN"

3.2 一键安装

到docker-compose.yml文件所在的目录，执行：

docker-compose up -d

执行之后，会从中央镜像仓库拉镜像并进行安装，相当方便，执行完之后，ES和Kibana就安装上了。

注：上图是对存量镜像，直接拉起了，所以比较快。首次的时候可能会比较耗时。

3.3 部署验证

① 命令方式查看是否正常启动

docker-compose ps

如下图则为正常启动。

如果有启动失败的，相关进程不会显示。

可以通过以下命令查看日志：

# 查看所有日志
docker logs elasticsearch
# tail方式查看最后200行日志
docker logs -f --tail 200 elasticsearch

如果有启动失败的，相关进程不会显示。

② 浏览器中直接访问

http://127.0.0.1:9200 显示ES的基本信息，例如：

http://127.0.0.1:5601/app/kibana#/home 显示Kibana的页面信息

3.4 常见问题

ES启动失败，最常见的一个问题就是权限问题。所谓权限问题，其实主要就是外挂的目录赋权。如果是root用户部署，则给外挂的目录级联赋权chmod 777最高的权限即可。

容器正常启动之后，进入可以看到用户权限如下：

这块不展开说，我个人对Linux的文件系统以及用户、用户组没有深究，目前外挂的目录都赋予最高权限，容器可以正常启动。

进入容器的命令：

docker exec -it elasticsearch /bin/bash

注意：并不是所有进入容器的方式都是如上命令，比如前几天部署的FlowiseAI，进入容器的命令就是

#41bc89efe020是镜像id
docker exec -it 41bc89efe020 /bin/sh

4 安装IK分词插件

4.1 IK分词的下载及安装

参考这个链接参考这个链接，相关版本在git上都可以下载到，具体步骤不再赘述。

4.2 IK分词的使用

IK插件按照版本号解压后，放到plugin目录下，一般情况下就可以正常使用了。 IK插件自带ik_smart和ik_max_word两个分词器，可以通过kibana验证分词器是否生效，如下：

IK分词器的字典分为频用词、停用词两个，可以使用默认的字典，也可以使用在线字典。

config目录下的IKAnalyzer.cfg.xml文件是配置文件，如下：

红框圈住的部分是配置远程字典的地方，可以配置一个http连接。字典数据可以从数据库中读取，实时热更新，下面给出一个远程字典的简单实现例子，仅供记录和参考。

@RequestMapping(value = "/wordFile", method = RequestMethod.GET)public void exportWordFile(HttpServletRequest request,HttpServletResponse response) throws Exception {String since=request.getHeader("If-Modified-Since");String date=String.valueOf(new Date());log.info("频用词If-Modified-Since:{},调用时间{}",since,date);List<String> lastModifiedList=searchFrequentUsedWordsMapper.selectLastModified();String lastModified=null;if(lastModifiedList!=null&&lastModifiedList.size()>0){lastModified=  Collections.max(lastModifiedList);}if(lastModified!=null){response.setHeader("Last-Modified", lastModified);if(lastModified.equals(since)){return;}}else{response.setHeader("Last-Modified", String.valueOf(new Date()));}String match=request.getHeader("If-None-Match");if(!StringUtils.isEmpty(match)){response.setHeader("If-None-Match", match);}else{response.setHeader("If-None-Match", "ETag");}String fileName = "word.txt";response.setCharacterEncoding("UTF-8");response.setHeader("Content-disposition", "attachment;filename=" + fileName);response.setContentType("text/plain");PrintWriter output = response.getWriter();//从数据库中查询所有的频用词List<String> rsp=searchFrequentUsedWordsService.querAllDsWordList();if(rsp!=null) {log.info("频用词发生变更，最后更新时间:{},调用时间{}",lastModified,date);for (String word : rsp) {output.println(word);}}output.close();}

5 安装IK同义词插件

IK同义词插件可以下载相近版本，然后修改pom中的版本号重新编译。

这篇博文这篇博文关于IK同义词插件的部署、使用写的很好，这里记录下。

5.1 同义词插件改造

同义词插件下载下来之后，我们根据需要修改pom中的版本号，如下：

正常修改完版本号，就可以重新package进行打包。默认同义词插件的字典，可以走字典文件也可以走远程字典的方式。本地字典不支持热更新，比较麻烦，一般使用远程字典的方式，这里贴一个远程字典实现的例子，如下：

 @RequestMapping(value = "/synonymFile", method = RequestMethod.GET)public void exportSynonymFile(HttpServletRequest request,HttpServletResponse response) throws Exception {String fileName = "synonyms.txt";response.setCharacterEncoding("UTF-8");response.setHeader("Content-disposition", "attachment;filename=" + fileName);response.setContentType("text/plain");String since=request.getHeader("If-Modified-Since");log.debug("同义词If-Modified-Since:{}",since);
//        String lastModified=searchSynonymWordsMapper.selectLastModified();response.setHeader("Last-Modified", String.valueOf(new Date()));String match=request.getHeader("If-None-Match");if(!StringUtils.isEmpty(match)){response.setHeader("If-None-Match", match);}else{response.setHeader("If-None-Match", "ETag");}PrintWriter output = response.getWriter();SearchSynonymWordsRsp rsp=searchSynonymWordsService.querySynonymWordsList();if(rsp!=null&&rsp.getRows()!=null) {log.debug("同义词发生变更");for (SearchSynonymWordsBO bo : rsp.getRows()) {output.println(bo.getWordContent());}}output.close();}

除了远程字典的方式，还可以使用直接从数据库中拉取同义词。基本实现原理如下：

通过集成 ES 的 AnalysisPlugin 和 Plugin 接口，在 ES 启动的时候，自动加载 plugin 插件，将名称为“dynamic_synonym”的 AnalysisProvider 生成并加载。这个名称是在插件的代码中定义的，在配置 analysis 的时候也会用到。插件内容启动了一个定时任务，会定时从 DB 拉取同义词的版本号，判断版本号是否发生了变化，如果发生了变化，那么从新拉取同义词，并同步到 ES 中。注意：这里的同步直接通过 mysql 查询到数据就完成了同步，主要是更新 es 内存中同义词数据。

为了实现同义词的自动同步，配合插件需要新增两张表，建表语句如下：

# 同义词版本表
DROP TABLE IF EXISTS `synonym_version`;
CREATE TABLE `synonym_version` (
`key_code` varchar(120) CHARACTER SET utf8 COLLATE utf8_general_ci
NOT NULL,
`last_modify_version` double NULL DEFAULT NULL COMMENT '版本号',
PRIMARY KEY (`key_code`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci
ROW_FORMAT = Compact;
# 同义词表
DROP TABLE IF EXISTS `sys_synonym_t`;
CREATE TABLE `sys_synonym_t` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`words` varchar(1000) CHARACTER SET utf8 COLLATE utf8_general_ci NOT
NULL COMMENT '同义词',
PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB  CHARACTER SET = utf8 COLLATE
= utf8_general_ci ROW_FORMAT = Compact;

在录入的时候，同义词有两种格式：

① 双向同义词

这种方式，在录入同义词的时候，所有同义词通过英文逗号拼接即可，如下：

这种方式的同义词，搜索任意一个，都可以把和他相同的其他词都搜索出来。

注意：如果一个词同时在两条记录中都存在，搜索这个词的时候，会把这两条记录里的词都查找到，但是如果搜索的是这个词的某个同义词，只会把这个同义词对应记录的同义词搜索到，即：不会进行非搜索词汇的级联搜索。

② 单向同义词

这种方式，是主词、副词的方式，搜索的时候，会把当前搜索的词转换成主词进行搜索和返回，格式如下：

这种属于单向同义词，以截图为例，搜索理想的时候，会按照立项搜索。

注意：在实际操作使用过程中，只要同义词表的数据发生了变化，就要修改版本记录表中的版本号，让版本号加一，这样被修改的数据才会自动同步过去。

源码改造，支持从DB中读取同义词，参考这篇博客，这里不再赘述。

这里提供一个已经编译好的支持从Mysql拉取同义词的插件，点击去下载。

5.2 同义词插件部署

① 创建数据库表

可以将版本表和同义词表创建到任意 es 集群可以连接到的数据库中，直接执行 sql 文件即可。

② 拷贝插件

在 es 的 plugins 目录下新建 dynamic-synonym 目录，将 elasticsearch-analysis-dynamic-synonym-7.8.0.zip 解压到该目录，解压之后，目录结构如下：

③ 修改配置文件

插件包解压之后，需要修改下 jdbc-reload.properties 文件，该配置文件如下：

# 注意修改以下 ip、port、数据库名、user、password 为第二步中对应的数据库以及用
户信息
jdbc.url=jdbc:mysql://127.0.0.1:3306/test?useUnicode=tru
e&characterEncoding=utf8&serverTimezone=Asia/Shanghai
jdbc.user=root
jdbc.password=root
jdbc.driver=com.mysql.cj.jdbc.Driver
# 查询同义词信息，保持默认，不用修改
jdbc.reload.synonym.sql=select words from sys_synonym_t
# 查询数据库同义词在数据库版本号，保持默认，不用修改
jdbc.reload.swith.synonym.version=SELECT last_modify_version FROM
synonym_version where key_code = 'synonym_doc'

④ 重启ES

重启ES，到log中查看启动日志。

5.3 同义词插件使用

同义词插件安装成功之后，需要自定义分词器可以可以使用。下面给出一个创建索引的样例，具体项目上根据需要调整：

PUT /crm_wiki
{"settings": {"index.max_ngram_diff": 4,"number_of_shards": "2","number_of_replicas": "0","analysis": {"filter": {"mysql_synonym": {"type": "dynamic_synonym","synonyms_path": "fromDB","interval": 30}},"analyzer": {"ik_sync_smart": {"type": "custom","tokenizer": "ik_smart","filter": ["mysql_synonym"]},"ik_sync_max_word": {"type": "custom","tokenizer": "ik_max_word","filter": ["mysql_synonym"]}}}},"mappings": {"properties": {"wiki_id": {"type": "text"},"wiki_title": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}},"analyzer": "ik_sync_max_word"},"wiki_content": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}},"analyzer": "ik_sync_max_word"},"create_time": {"type": "date"}}}
}

这个例子是创建了一个名为 crm_wiki 的索引。然后在 settings 中创建了一个自定义过滤器名为“mysql_synonym”，注意里面的 type、synonyms_path 的值是固定写法。Interval 是词库定时刷新时间，单位是秒。默认设置的 30 秒，可以根据需要调整。

下面的 analyzer 是基于 ik 的 ik_max_word 以及 ik_smart 自定义了两个分词器，让这两个分词器都支持同义词过滤器。然后在 mappings 中定义字段的时候，需要使用同义词的字段，可以使用自定义的分词器。

同样的，代码中开发时候，如果进行分词查询需要使用同义词，也可以指定分词器进行分词查询。

如下图验证，同义词插件已生效。

5.4 其他注意事项

注意修改config/jvm.options文件，在最后添加一行配置，指定下安全权限，增加如下一行配置：

-Djava.security.policy=/usr/share/elasticsearch/plugins/dynamic-synonym/plugin-security.policy

如果不加这个，ES启动失败，这个主要是给插件赋权，可以访问mysql。

6 ES日志打印

6.1 打印ES启动日志

ES默认日志只打印gc日志，非常不方便，可以通过修改log4j2.properties配置文件来调整日志打印的情况。前面在部署的时候，已经将logs外挂到宿主机上了，直接到对应的/config目录下修改即可，修改为如下内容：

status = error# log action execution errors for easier debugging
logger.action.name = org.elasticsearch.action
logger.action.level = debugappender.console.type = Console
appender.console.name = console
appender.console.layout.type = PatternLayout
appender.console.layout.pattern = [%d{yyyy-MM-dd HH:mm:ss.SSS}][%-5p][%-25c{1.}] %marker%m%nappender.rolling.type = RollingFile
appender.rolling.name = rolling
appender.rolling.fileName = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}.log
appender.rolling.layout.type = PatternLayout
appender.rolling.layout.pattern = [%d{yyyy-MM-dd HH:mm:ss.SSS}][%-5p][%-25c{1.}] %marker%.-10000m%n
appender.rolling.filePattern = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}-%d{yyyy-MM-dd}.log
appender.rolling.policies.type = Policies
appender.rolling.policies.time.type = TimeBasedTriggeringPolicy
appender.rolling.policies.time.interval = 1
appender.rolling.policies.time.modulate = truerootLogger.level = info
rootLogger.appenderRef.console.ref = console
rootLogger.appenderRef.rolling.ref = rollingappender.deprecation_rolling.type = RollingFile
appender.deprecation_rolling.name = deprecation_rolling
appender.deprecation_rolling.fileName = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}_deprecation.log
appender.deprecation_rolling.layout.type = PatternLayout
appender.deprecation_rolling.layout.pattern = [%d{yyyy-MM-dd HH:mm:ss.SSS}][%-5p][%-25c{1.}] %marker%.-10000m%n
appender.deprecation_rolling.filePattern = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}_deprecation-%i.l
og.gz
appender.deprecation_rolling.policies.type = Policies
appender.deprecation_rolling.policies.size.type = SizeBasedTriggeringPolicy
appender.deprecation_rolling.policies.size.size = 1GB
appender.deprecation_rolling.strategy.type = DefaultRolloverStrategy
appender.deprecation_rolling.strategy.max = 4logger.deprecation.name = org.elasticsearch.deprecation
logger.deprecation.level = warn
logger.deprecation.appenderRef.deprecation_rolling.ref = deprecation_rolling
logger.deprecation.additivity = falseappender.index_search_slowlog_rolling.type = RollingFile
appender.index_search_slowlog_rolling.name = index_search_slowlog_rolling
appender.index_search_slowlog_rolling.fileName = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}_index_sear
ch_slowlog.log
appender.index_search_slowlog_rolling.layout.type = PatternLayout
appender.index_search_slowlog_rolling.layout.pattern = [%d{yyyy-MM-dd HH:mm:ss.SSS}][%-5p][%-25c] %marker%.-10000m%n
appender.index_search_slowlog_rolling.filePattern = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}_index_s
earch_slowlog-%d{yyyy-MM-dd}.log
appender.index_search_slowlog_rolling.policies.type = Policies
appender.index_search_slowlog_rolling.policies.time.type = TimeBasedTriggeringPolicy
appender.index_search_slowlog_rolling.policies.time.interval = 1
appender.index_search_slowlog_rolling.policies.time.modulate = truelogger.index_search_slowlog_rolling.name = index.search.slowlog
logger.index_search_slowlog_rolling.level = trace
logger.index_search_slowlog_rolling.appenderRef.index_search_slowlog_rolling.ref = index_search_slowlog_rolling
logger.index_search_slowlog_rolling.additivity = falseappender.index_indexing_slowlog_rolling.type = RollingFile
appender.index_indexing_slowlog_rolling.name = index_indexing_slowlog_rolling
appender.index_indexing_slowlog_rolling.fileName = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}_index_in
dexing_slowlog.log
appender.index_indexing_slowlog_rolling.layout.type = PatternLayout
appender.index_indexing_slowlog_rolling.layout.pattern = [%d{yyyy-MM-dd HH:mm:ss.SSS}][%-5p][%-25c] %marker%.-10000m%n
appender.index_indexing_slowlog_rolling.filePattern = ${sys:es.logs.base_path}${sys:file.separator}${sys:es.logs.cluster_name}_index
_indexing_slowlog-%d{yyyy-MM-dd}.log
appender.index_indexing_slowlog_rolling.policies.type = Policies
appender.index_indexing_slowlog_rolling.policies.time.type = TimeBasedTriggeringPolicy
appender.index_indexing_slowlog_rolling.policies.time.interval = 1
appender.index_indexing_slowlog_rolling.policies.time.modulate = truelogger.index_indexing_slowlog.name = index.indexing.slowlog.index
logger.index_indexing_slowlog.level = trace
logger.index_indexing_slowlog.appenderRef.index_indexing_slowlog_rolling.ref = index_indexing_slowlog_rolling
logger.index_indexing_slowlog.additivity = false
logger.discovery.name = org.elasticsearch.discovery
logger.discovery.level = debug

修改之后，可以看到，日志打印如下：