Elasticsearch Enterprise 9.1.5 (macOS, Linux, Windows)全套安装包下载+Elasticsearch 9.X集群部署教程

Elasticsearch 是一个开源的分布式 RESTful 搜索和分析引擎、可扩展的数据存储和向量数据库，能够解决不断涌现出的各种用例。作为 Elastic Stack 的核心，Elasticsearch 会集中存储您的数据，让您飞快完成搜索，微调相关性，进行强大的分析，并轻松缩放规模。

Elasticsearch Enterprise 功能特点

核心搜索与数据分析
支持结构化、非结构化数据的高效搜索，提供全文检索、地理位置查询和指标分析功能。通过倒排索引技术实现快速搜索，适用于网站搜索、日志分析、实时数据监测等场景。 ‌
机器学习集成
最新版本引入可配置机器学习模块，支持自然语言处理（NLP）、命名实体识别（NER）和情感分析，可优化搜索结果相关性和数据洞察。 ‌
数据管理与安全
提供可搜索快照功能，简化数据归档和历史数据查询。内置威胁情报管理和终端保护功能，支持云环境安全监控，确保企业数据合规与隐私保护。 ‌
扩展性与部署
支持跨公有云、私有云、混合云及裸机部署，通过标签化资源管理和调度算法实现弹性扩容。API和CLI工具支持自动化运维操作。 ‌
高级搜索优化
App Search功能扩展了搜索范围，可将关键业务数据快速转化为分析洞察。Python原生连接器框架允许自定义数据库对接，适配电商、HR等垂直领域需求。 ‌

Elasticsearch 免费版和企业版区别

无论免费版还是企业版，都是同一个安装包。安装包默认包含免费许可证，提供基础功能。企业版的高级功能需要申请30天试用或购买商业许可证才能解锁

Elasticsearch	免费版	企业版 (Elasticsearch Enterprise)
核心搜索与分析引擎	✅ 包含	✅ 包含
基础安全功能	✅ 包含（如认证、TLS）	✅ 包含，并提供高级功能（如细粒度RBAC）
机器学习功能	基础功能	高级机器学习特性（如异常检测）
SQL支持	基础JDBC/ODBC驱动	官方高级JDBC/ODBC驱动（含连接池、故障转移等）
高级管理工具	❌ 不包含	✅ 包含（如跨集群复制CCR、跨集群搜索CCS）
官方技术支持	社区支持	✅ 提供（含SLA保障）
许可证费用	免费	需要购买商业许可证

docker 部署Elasticsearch 9.X 高可用集群教程

在实际生产环境中，Elasticsearch 通常需要部署成多节点集群，以保证高可用性和数据冗余。通过Docker Compose，在多台机器上部署 Elasticsearch 9.x 集群，并集成Kibana。

一、环境准备

三台服务器（或三台虚拟机）
Elasticsearch 9.x 镜像（官方 Bitnami 镜像）
Kibana 9.x 镜像（官方Bitnami 镜像）
Docker & Docker Compose 已安装
网络可互通
节点 IP 示例

节点	ip
es01	192.168.18.191
es02	192.168.18.190
es03	192.168.18.197

二、遇到的问题与分析

在配置多节点 Elasticsearch 集群时，我们可能会遇到以下问题：

节点竞争 master

日志示例：

master not discovered or elected yet, an election requires 2 nodes

原因：initial_master_nodes 未正确配置，或者集群节点不一致。

远程节点 cluster.name 不匹配

日志示例：

remote cluster name [elasticsearch] does not match local cluster name [es-cluster]

原因：不同节点 cluster.name 不一致导致 handshake 失败。

AWS S3 插件报错

日志示例：

failed to obtain region from default provider chain

原因：S3 仓库未配置 AWS 区域环境变量，如果不使用 S3 可以忽略。

三、配置说明

3.1 Elasticsearch 配置（elasticsearch.yml）

每个节点都需要挂载自己的配置文件，确保 cluster.name 一致，node.name、network.host 与节点 IP
匹配。

示例 es01 配置：


cluster:
  name: es-cluster
  initial_master_nodes:
    - es01
    - es02
    - es03

node:
  name: es01

network:
  host: 192.168.18.191
  publish_host: 192.168.18.191
  bind_host: 0.0.0.0

http:
  port: 9200

transport:
  port: 9300

discovery:
  seed_hosts:
    - 192.168.18.191
    - 192.168.18.190
    - 192.168.18.197
  initial_state_timeout: 10m

path:
  data: /bitnami/elasticsearch/data

xpack:
  security:
    enabled: false

注意：
es02/es03 分别修改 node.name、network.host、publish_host对应自己的 IP

确保 cluster.name 所有节点一致

3.2 Docker Compose 配置

推荐直接挂载 elasticsearch.yml，避免 environment 配置混乱。示例三节点配置：
(跨节点的就把docker-compose.yml的对应模块移动到对应节点中去)

version: "3.8"
services:
  es01:
    image: bitnami/elasticsearch:9.1.2
    container_name: es01
    network_mode: "host"
    ulimits:
      memlock:
        soft: -1
        hard: -1
      nofile:
        soft: 65535
        hard: 65535
    volumes:
      - ./es01/elasticsearch.yml:/opt/bitnami/elasticsearch/config/elasticsearch.yml:ro
      - ./es01/data:/bitnami/elasticsearch/data
      - ./es01/logs:/bitnami/elasticsearch/logs
    restart: unless-stopped

  es02:
    image: bitnami/elasticsearch:9.1.2
    container_name: es02
    network_mode: "host"
    ulimits:
      memlock:
        soft: -1
        hard: -1
      nofile:
        soft: 65535
        hard: 65535
    volumes:
      - ./es02/elasticsearch.yml:/opt/bitnami/elasticsearch/config/elasticsearch.yml:ro
      - ./es02/data:/bitnami/elasticsearch/data
      - ./es02/logs:/bitnami/elasticsearch/logs
    restart: unless-stopped

  es03:
    image: bitnami/elasticsearch:9.1.2
    container_name: es03
    network_mode: "host"
    ulimits:
      memlock:
        soft: -1
        hard: -1
      nofile:
        soft: 65535
        hard: 65535
    volumes:
      - ./es03/elasticsearch.yml:/opt/bitnami/elasticsearch/config/elasticsearch.yml:ro
      - ./es03/data:/bitnami/elasticsearch/data
      - ./es03/logs:/bitnami/elasticsearch/logs
    restart: unless-stopped

  kibana:
    image: docker.io/bitnami/kibana:9.1.2
    container_name: kibana
    network_mode: "host"
    environment:
      ELASTICSEARCH_HOSTS: "http://192.168.18.191:9200"
    volumes:
      - ./kibana/data:/bitnami/kibana
    restart: unless-stopped

四、部署步骤

清理旧数据（避免旧状态冲突）：

rm -rf ./es01/data/* ./es02/data/* ./es03/data/*

挂载配置
将 elasticsearch.yml 挂载到各节点对应目录。
启动容器

docker-compose up -d

推荐同时启动三节点，避免 master 节点选举失败。

五、验证集群状态

5.1 查看节点

curl -s http://192.168.18.191:9200/_cat/nodes?v

输出示例：

ip           heap.percent ram.percent cpu load_1m node.role master name
192.168.18.191  10          70        2  0.01 cdhm      *      es01
192.168.18.190  12          72        3  0.02 cdhm             es02
192.168.18.197  11          68        2  0.01 cdhm             es03

5.2 查看 Master 节点

curl -s http://192.168.18.191:9200/_cat/master?v

输出示例：

id                     host           ip            node
xb0AMQlLT2Cco6E_iLpuzA 192.168.18.191 192.168.18.191 es01

总结

Elasticsearch 多节点集群部署关键点：

cluster.name 一致
initial_master_nodes 包含所有 master-eligible 节点
seed_hosts 配置所有节点 IP

建议直接挂载 elasticsearch.yml，避免 environment 配置冲突。
启动前清理旧数据，确保集群状态干净。
使用 _cat/nodes 和 _cat/master 验证集群健康状态。

版本更新

9.1 / 8.19

更优的二进制量化（BBQ）：该功能现在在 9.1 版本中默认启用，其性能是 OpenSearch 的 5 倍。BBQ 可将内存占用减少超过 95%，是目前效率最高的量化方法。
ACORN：一种用于过滤向量搜索的新算法，将过滤逻辑直接集成到 HNSW 图遍历中，并支持在文档摄取后再定义过滤字段。该功能可提供高达 5 倍的过滤搜索速度提升，同时保持准确性，开箱即用（仅限 9.1 版本）。
稀疏向量的 Token Pruning（令牌裁剪）功能现已全面可用，且默认启用，为使用 ELSER 的用户带来更快、更高效的语义搜索。

9.0 / 8.18

更好的二进制量化，现已普遍可用，比 OpenSearch 要快 5 倍。
OpenTelemetry 的 Elastic 发行版 (EDOT) 现已正式推出，同时还提供 LLM 可观测性，可让您了解支持 GenAI 的应用程序的性能、成本、安全性和可靠性。
Attack Discovery 和 Automatic Import 现已正式推出，拓展了 AI 驱动的安全分析。
对 Elasticsearch 查询语言 (ES|QL) 进行了重大改进，增加了强大的实时数据连接功能、KQL 筛选功能，并在减少内存的情况下扩展了语义搜索功能。