Helm 安装 ElasticSearch & Kibana

Helm 安装 ElasticSearch & Kibana
二、提前下载镜像
下面是我们需要用到的两个主要镜像，提前将其下载避免下载过慢启动超时而导致失败。

kibana 镜像： kibana:6.7.0
elasticsearch 镜像： elasticsearch:6.7.0
$ docker pull docker.elastic.co/kibana/kibana:6.7.0
$ docker pull docker.elastic.co/elasticsearch/elasticsearch:6.7.0
三、配置应用参数
这里是通过 Helm 安装 ElasticSearch、Kibana 需要事先设置一个应用事先配置好的配置参数，创建一个 values.yaml 文件将对应配置写入其中，再通过 Helm 执行 install 安装命令时知道参数到此文件 values.yaml 读取即可。

1、配置 StorageClass
配置一个 SotrageClass，用于创建 Kubernetes 存储用的 PV、PVC，因为涉及到自动卷分配，需要一个分配服务，例如 NFS 共享网络卷的 NFS-Provisioner 或者分布式存储的 GlusterFS kubernetes.io/glusterfs 等，请确认 Kubernetes 集群中存在这样的卷分配服务。

例如存在 NFS Provisioner 则可以按以下配置 StorageClass

kind: StorageClass
apiVersion: storage.k8s.io/v1
metadata:
name: es-storageclass
#---provisioner 需要和 NFS-Provisioner 服务提供者提供的配置的保持一致---
provisioner: nfs-client
allowVolumeExpansion: true
reclaimPolicy: Delete
其他存储卷系统请自行查询如何配置 StorageClass，当然也可以提前设置 PVC，然后在 Heml 配置参数中指定要用的 PVC

2、创建 ElasticSearch 配置参数
创建 es-values.yaml 文件

$ vi es-values.yaml
添加内容如下：

#---从6.3开始，Xpack部分免费并默认启用---
#---所以这里我们将镜像不用 OSS 的镜像，去掉OSS用标准的 ES 镜像即可---
image:
repository: docker.elastic.co/elasticsearch/elasticsearch
tag: "6.7.0"

cluster:
#---是否开启Xpack插件部分---
xpackEnable: true
env:
#---开启Xpack插件部分---
XPACK_MONITORING_ENABLED: true

master:
replicas: 3
heapSize: "512m"
#---Master节点数据持久化---
persistence:
enabled: true
accessMode: ReadWriteOnce
name: data
size: "2Gi"
#---指定为你集群提供分配功能的StorageClass---
storageClass: "es-storageclass"
#---设置资源限制---
resources:
limits:
cpu: "1"
memory: "1024Mi"
requests:
cpu: "100m"
memory: "512Mi"

data:
replicas: 2
heapSize: "1536m"
#---Data节点数据持久化---
persistence:
enabled: true
accessMode: ReadWriteOnce
name: data
size: "5Gi"
#---指定为你集群提供分配功能的StorageClass---
storageClass: "es-storageclass"
#---设置资源限制，生产环境请务必内存要大---
resources:
limits:
cpu: "1"
memory: "2048Mi"
requests:
cpu: "100m"
memory: "1536Mi"
3、创建 Kibana 配置参数
创建 kibana-values.yaml 文件

$ vi kibana-values.yaml
添加内容如下：

#---由于 ElasticSearch 已经带上 Xpack 插件等---
#---所以这里我们也不用默认的OSS镜像，去掉OSS用标准镜像---
image:
repository: "docker.elastic.co/kibana/kibana"
tag: "6.7.0"

#---设置Service网络模式为NodePort---
service:
type: NodePort

#---创建RBAC的权限角色---
serviceAccount:
create: true

files:
kibana.yml:
server.name: kibana
server.host: "0"
#---设置为 ES 负载节点地址，这个地址请按集群情况修改
elasticsearch.hosts: http://elasticsearch-client:9200

#---设置资源限制---
resources:
limits:
cpu: 100m
memory: 500Mi
requests:
cpu: 100m
memory: 300Mi
四、Helm 安装 ElasticSearch、Kibana
由于 stable 官方仓库涉及国外无法连接，所以本人已经将 ElasticSearch Chart 存入私有仓库，地址为 http://chart.mydlq.club 可以直接加入到你的 Helm 当中，如果不愿使用此方法，也可以选择从 Chart 官方 GitHub 上下载对应包到本地，然后安装亦可。

1、方法一：增加 Helm 仓库安装
本人已经将 http://chart.mydlq.club 仓库暴露到外网，可以按下方式将仓库加入到自己的 Helm

–name: 应用名称
–namespace：应用启动到的 namespace 空间
–version：指定安装的 chart 包版本
mydlq/elasticsearch：仓库名/应用名
-f：指定配置参数从文件中读取
(1)、增加仓库

$ helm repo add mydlq http://chart.mydlq.club
(2)、安装 ElasticSearch

$ helm install --name elasticsearch --namespace logging -f es-values.yaml mydlq/elasticsearch --version 1.26.1
(3)、安装 Kibana

$ helm install --name kibana --namespace logging -f kibana-values.yaml mydlq/kibana
2、方法二：下载到本地安装
可以进入 Charts 的 Stable 仓库 Github 地址 https://github.com/helm/charts/tree/master下载下来进行安装。

(1)、从 GitHub 拉取官方 chart stable 包

$ git clone https://github.com/helm/charts.git
(2)、安装 ElasticSearch

$ helm install --name elasticsearch --namespace logging ./charts/stable/elasticsearch --version 1.26.1
(3)、安装 Kibana

$ helm install --name kibana --namespace logging -f kibana-values.yaml ./charts/stable/kibana
五、查看安装的应用资源
Service 信息说明：

elasticsearch-client： ElasticSearch 的客户端，直接与数据节点连接做负载用。
elasticsearch-discovery： ElasticSearch 的 Master，用于 ES 集群间管理。
kibana： Kibana 客户端，用于展示 ES 存储的信息。
Pod 信息说明：

elasticsearch-client： ElasticSearch 的负载均衡客户端 Pod，用于连接 Data 节点，做数据间存入和查询。
elasticsearch-data： ElasticSearch 的 Data Pod，启动方式为 StatefulSet 方式，是有状态集，用于管理存入的数据的读写。
elasticsearch-master： ElasticSearch 的 Master Pod，启动方式为 StatefulSet 方式，是有状态集，用于维护 ES 集群稳定性，不做查询和存入。
kibana： Kibana Pod。
$ kubectl get service,pod -n logging | grep -E ‘elasticsearch|kibana‘

service/elasticsearch-client ClusterIP 10.10.49.253 <none> 9200/TCP 125m
service/elasticsearch-discovery ClusterIP None <none> 9300/TCP 125m
service/kibana NodePort 10.10.80.135 <none> 443:30393/TCP 4h9m
pod/elasticsearch-client-8485c49867-7bjf5 1/1 Running 0 125m
pod/elasticsearch-client-8485c49867-lqzhp 1/1 Running 0 125m
pod/elasticsearch-data-0 1/1 Running 0 125m
pod/elasticsearch-data-1 1/1 Running 0 124m
pod/elasticsearch-master-0 1/1 Running 0 125m
pod/elasticsearch-master-1 1/1 Running 0 121m
pod/elasticsearch-master-2 1/1 Running 0 120m
pod/kibana-98ff6c8f5-nqv9m 1/1 Running 0 134m
PS：后面的 elasticsearch & kibana 请设置为你 helm 设置的应用名称

六、访问 Kibana
由上面获取 Kubernetes 中的相关 Service 资源可知 Kibana Service 的 NodePort 端口为 “30393”,而我的 Kubernetes 集群地址为 “192.168.2.11”，所以这里我们访问这个端口进入 Kibana 界面。

输入地址： http://192.168.2.11:30393

这里我们进行一些简单的设置，让它能看见一些系统数据。

Management->Index patterns->

然后开启 Include system 后输入 “.kibana_*” 再 Next step 进入下一步

过滤这块选择根据 “timestamp” 时间查询

进入 Discover 查询数据，时间选择 Today 就可以查询系统很多监控数据

原文链接：https://blog.csdn.net/cpongo3/article/details/90603189