Kibana 用户指南（构建你自己的仪表盘）

头像
博弈
    阅读 8 分钟
    8

    构建自己的仪表盘

    准备加载一些数据并构建仪表盘？本教程将向你展示如何：

    • 将数据集加载到Elasticsearch中
    • 定义索引模式
    • 发现并探索数据
    • 可视化数据
    • 将可视化添加到仪表盘
    • 检查可视化背后的数据

    加载样例数据

    本教程需要三个数据集：

    • William Shakespeare的全部作品，适当地解析成字段，下载shakespeare.json
    • 一组带有随机生成数据的虚构帐户，下载account.zip
    • 一组随机生成的日志文件，下载logs.jsonl.gz

    其中两个数据集是压缩的，要提取文件，请使用以下命令：

    unzip accounts.zip
gunzip logs.jsonl.gz

    数据集的结构

    Shakespeare数据集具有以下结构：

    {
    "line_id": INT,
    "play_name": "String",
    "speech_number": INT,
    "line_number": "String",
    "speaker": "String",
    "text_entry": "String",
}

    accounts数据集的结构如下：

    {
    "account_number": INT,
    "balance": INT,
    "firstname": "String",
    "lastname": "String",
    "age": INT,
    "gender": "M or F",
    "address": "String",
    "employer": "String",
    "email": "String",
    "city": "String",
    "state": "String"
}

    logs数据集有许多不同的字段，以下是本教程的重要字段：

    {
    "memory": INT,
    "geo.coordinates": "geo_point"
    "@timestamp": "date"
}

    设置映射

    在加载Shakespeare和logs数据集之前，必须为字段设置映射，映射将索引中的文档划分为逻辑组，并指定字段的特征，这些特征包括字段的可搜索性以及它是否被标记化，或者分解为单独的单词。

    如果启用了安全性，则必须具有运行本教程的所有Kibana权限，你还必须具有创建，管理读取，写入和删除索引权限，有关详细信息，请参阅安全权限。

    在Kibana Dev Tools > Console，为Shakespeare数据集设置映射：

    PUT /shakespeare
{
 "mappings": {
  "doc": {
   "properties": {
    "speaker": {"type": "keyword"},
    "play_name": {"type": "keyword"},
    "line_id": {"type": "integer"},
    "speech_number": {"type": "integer"}
   }
  }
 }
}

    此映射指定数据集的字段特征：

    • speaker和play_name字段是关键字字段，这些字段不被分析，即使字符串包含多个单词，它们也会被视为一个单元。
    • line_id和speech_number字段是整数。

    logs数据集需要映射以通过应用geo_point类型将纬度和经度对标记为地理位置。

    PUT /logstash-2015.05.18
{
  "mappings": {
    "log": {
      "properties": {
        "geo": {
          "properties": {
            "coordinates": {
              "type": "geo_point"
            }
          }
        }
      }
    }
  }
}
    PUT /logstash-2015.05.19
{
  "mappings": {
    "log": {
      "properties": {
        "geo": {
          "properties": {
            "coordinates": {
              "type": "geo_point"
            }
          }
        }
      }
    }
  }
}
    PUT /logstash-2015.05.20
{
  "mappings": {
    "log": {
      "properties": {
        "geo": {
          "properties": {
            "coordinates": {
              "type": "geo_point"
            }
          }
        }
      }
    }
  }
}

    accounts数据集不需要任何映射。

    加载数据集

    此时，你已准备好使用Elasticsearch bulk API来加载数据集：

    curl -H 'Content-Type: application/x-ndjson' -XPOST 'localhost:9200/bank/account/_bulk?pretty' --data-binary @accounts.json
curl -H 'Content-Type: application/x-ndjson' -XPOST 'localhost:9200/shakespeare/doc/_bulk?pretty' --data-binary @shakespeare_6.0.json
curl -H 'Content-Type: application/x-ndjson' -XPOST 'localhost:9200/_bulk?pretty' --data-binary @logs.jsonl

    或者对于Windows用户，在Powershell中:

    Invoke-RestMethod "http://localhost:9200/bank/account/_bulk?pretty" -Method Post -ContentType 'application/x-ndjson' -InFile "accounts.json"
Invoke-RestMethod "http://localhost:9200/shakespeare/doc/_bulk?pretty" -Method Post -ContentType 'application/x-ndjson' -InFile "shakespeare_6.0.json"
Invoke-RestMethod "http://localhost:9200/_bulk?pretty" -Method Post -ContentType 'application/x-ndjson' -InFile "logs.jsonl"

    这些命令可能需要一些时间才能执行，具体取决于可用的计算资源。

    验证加载成功：

    GET /_cat/indices?v

    你的输出应该类似于：

    health status index               pri rep docs.count docs.deleted store.size pri.store.size
yellow open   bank                  5   1       1000            0    418.2kb        418.2kb
yellow open   shakespeare           5   1     111396            0     17.6mb         17.6mb
yellow open   logstash-2015.05.18   5   1       4631            0     15.6mb         15.6mb
yellow open   logstash-2015.05.19   5   1       4624            0     15.7mb         15.7mb
yellow open   logstash-2015.05.20   5   1       4750            0     16.4mb         16.4mb

    定义索引模式

    索引模式告诉Kibana你想要探索哪些Elasticsearch索引，索引模式可以匹配单个索引的名称，或者包含通配符（*）以匹配多个索引。

    例如，Logstash通常以logstash-YYYY.MMM.DD格式创建一系列索引，要浏览2018年5月的所有日志数据，你可以指定索引模式logstash-2018.05*。

    你将为Shakespeare数据集创建模式，该数据集具有名为shakespeare的索引，和accounts数据集，其具有名为bank的索引，这些数据集不包含时间序列数据。

    1. 在Kibana中打开Management，然后点击Index Patterns。
    2. 如果这是你的第一个索引模式，则Create index pattern页面将自动打开，否则，单击左上角的Create index pattern。
    3. 在Index pattern字段中输入shakes*。

      tutorial-pattern-1.png

    4. 单击Next step。
    5. 在Configure settings中，单击Create index pattern，对于这个模式，你不需要配置任何设置。
    6. 定义第二个名为ba*的索引模式，你不需要为此模式配置任何设置。

    现在为Logstash数据集创建一个索引模式，这个数据集包含时间序列数据。

    1. 定义一个名为logstash*的索引模式。
    2. 单击Next step。
    3. 在Configure settings中，在Time Filter field name下拉菜单中选择@timestamp。
    4. 单击Create index pattern。
    定义索引模式时，与该模式匹配的索引必须存在于Elasticsearch中，并且它们必须包含数据，要检查哪些索引可用，请转到Dev Tools > Console并输入GET _cat/indices，或者，使用curl -XGET "http://localhost:9200/_cat/indices"。

    发现你的数据

    使用Discover应用程序，你可以输入Elasticsearch查询来搜索数据并过滤结果。

    1. 打开Discover。
      当前索引模式显示在过滤条下方，在现在这种情况下是shakes*，你可能需要在菜单栏中单击New以刷新数据。
    2. 单击当前索引模式右侧的插入符号，然后选择ba*。
    3. 在搜索字段中，输入以下字符串：
      account_number:<100 AND balance:>47500的

    搜索返回0到99之间的所有帐号，余额超过47,500，它返回帐号8,32,78,85和97的结果。

    tutorial-discover-2.png

    默认情况下，会为每个匹配的文档显示所有字段，要选择要显示的字段，请将指针悬停在Available Fields列表上，然后单击要在表中包含的每个字段旁边的add。

    例如，如果添加account_number字段，则显示将更改为包含五个账户数的列表。

    tutorial-discover-3.png

    可视化你的数据

    在Visualize应用程序中，你可以使用各种图表、表格和地图等来塑造数据，你将创建四个可视化效果：饼图、柱状图、坐标图和Markdown小部件。

    1. 打开Visualize。
    2. 点击Create a visualization或+按钮，你将在Kibana中看到所有的可视化类型。

      tutorial-visualize-wizard-step-1.png

    3. 点击Pie。
    4. 在New Search中，选择ba*索引模式，你将使用饼图了解银行账户数据中的账户余额。

      tutorial-visualize-wizard-step-2.png

    饼图

    实际上，饼图只包含一个“切片”，这是因为默认搜索匹配所有文档。

    tutorial-visualize-pie-1.png

    要指定要在饼图中显示哪些切片，可以使用Elasticsearch的bucket聚合，此聚合将匹配搜索条件的文档排序为不同的类别，也称为bucket。

    使用bucket聚合来建立多个帐户余额范围，并找出每个范围中有多少帐户。

    1. 在Buckets窗格中，点击Split Slices。
    2. 在Aggregation下拉菜单中，选择Range。
    3. 在Field下拉菜单中，选择balance。
    4. 点击Add Range 4次，使范围总数达到6个。

    5. 定义以下范围：

      0             999
1000         2999
3000         6999
7000        14999
15000       30999
31000       50000
    6. 点击Apply changes。

    现在你可以看到1000个账户落入每个余额范围的比例是多少。

    tutorial-visualize-pie-2.png

    添加另一个关注帐户持有人年龄的bucket聚合。

    1. 在Buckets窗格的底部，单击Add sub-buckets。
    2. 在Select buckets type中，单击Split slice。
    3. 在Sub Aggregation下拉列表中，选择Terms。
    4. 在Field下拉列表中，选择age。
    5. 点击Apply changes。

    现在，你可以看到帐户持有人的年龄细分，显示在余额范围的环形上。

    tutorial-visualize-pie-3.png

    保存此图表以便以后使用：

    • 单击顶部菜单栏中的Save并输入Pie Example。

    柱状图

    你将使用柱状图查看Shakespeare的数据集，并比较play中speaking部分的数量。

    • 创建一个Vertical Bar，并将搜索源设置为shake*。

    最初图表是一个显示匹配默认通配符查询的文档总数的单一栏。

    tutorial-visualize-bar-1.png

    在y轴上显示每个play的speaking部分的数量，这需要你配置y轴指标聚合，这个聚合根据搜索结果的值计算指标。

    1. 在Metrics窗格中展开Y-Axis。
    2. 将Aggregation设置为Unique Count。
    3. 将Field设置为speaker。
    4. 在Custom Label框中，输入Speaking Parts。
    5. 点击Apply changes。

    tutorial-visualize-bar-1.5.png

    沿着x轴显示paly。

    1. 在Buckets窗格中，点击X-Axis。
    2. 将Aggregation设置为Terms，将Field设置为play_name。
    3. 要按字母顺序排列play，请在Order下拉菜单中选择Ascending。
    4. 给轴一个自定义的标签，Play Name。
    5. 点击Apply changes。

    鼠标悬停在一个柱子上，会显示一个工具提示，其中包含该play的speaking部分的数量。

    注意单独的play名字是如何以完整的短语出现的，而不是被分解成单独的单词，这是你在本教程开始时所做的映射的结果，当时你将play_name字段标记为不分析。

    使用名称Bar Example保存此图表。

    坐标图

    使用坐标图，你可以在日志文件示例数据中可视化地理信息。

    1. 创建一个Coordinate map，并将搜索源设置为logstash*。
    2. 在顶部的菜单栏中，单击最右边的时间选择器。
    3. 点击Absolute。
    4. 将开始时间设置为2015年5月18日，结束时间设置为2015年5月20日。
    5. 点击Go。

    你还没有定义任何桶，所以可视化是世界地图。

    tutorial-visualize-map-1.png

    现在，从日志文件映射地理坐标。

    1. 在Buckets窗格中，单击Geo Coordinates。
    2. 将Aggregation设置为Geohash，将Field设置为geo.coordinate。
    3. 点击Apply changes。

    现在地图看起来像这样：

    tutorial-visualize-map-2.png

    你可以通过点击并拖动来导航地图，地图左上角的控件使你能够缩放地图并设置过滤器，试一下。

    tutorial-visualize-map-3.png

    使用名称Map Example保存此地图。

    Markdown

    最后的可视化是一个呈现格式化文本的Markdown小工具。

    1. 创建一个Markdown可视化。

    2. 在文本框中输入以下内容：

      # This is a tutorial dashboard!
The Markdown widget uses **markdown** syntax.
> Blockquotes in Markdown use the > character.
    3. 点击Apply changes。

    在预览窗格中呈现Markdown：

    tutorial-visualize-md-2.png

    用名称Markdown Example保存这个可视化。

    在仪表盘中显示你的可视化

    仪表盘是你可以排列和共享的可视化集合，你将构建一个仪表盘，其中包含在本教程中保存的可视化内容。

    1. 打开Dashboard。
    2. 点击Create new dashboard。
    3. 点击Add。
    4. 添加Bar Example、Map Example、Markdown Example和Pie Example。

    你的示例仪表盘看起来像这样：

    tutorial-dashboard.png

    你可以通过点击可视化的标题并拖动来重新排列可视化，在可视化的右上角的齿轮图标显示编辑和删除可视化的控件，一个调整大小的控件在右下角。

    要获得要共享的链接或将仪表盘嵌入web页面的HTML代码，请保存仪表盘并单击Share。

    保存你的仪表盘。

    检查数据

    数据的可视化效果非常好，但是有时候你需要查看实际数据来了解真正发生了什么，你可以检查任何可视化后的数据，并查看用于检索它的Elasticsearch查询。

    1. 在仪表盘中，将指针悬停在饼图上方。
    2. 点击右上角的图标。
    3. 从Options菜单中，选择Inspect。

    tutorial-full-inspect1.png

    你还可以查看用于获取可视化数据的查询。

    1. 打开View:Data菜单并选择Requests。
    2. 单击选项卡查看请求统计信息、Elasticsearch请求和JSON中的响应。
    3. 要关闭检查器，请单击右上角的X。

    tutorial-full-inspect2.png

    总结

    既然你已经掌握了基础知识，那么你就可以开始使用Kibana探索你自己的数据了。

    • 有关搜索和过滤数据的信息，请参阅Discover。
    • 有关Kibana提供的可视化类型的信息，请参阅Visualize。
    • 有关配置Kibana和管理保存的对象的信息，请参阅Management。
    • 有关可以用于向Elasticsearch提交REST请求的交互式控制台的信息，请参阅Console。
    上一篇：使用Flight仪表盘探索Kibana
    下一篇：Discover
    kibanaelasticsearch
    博弈
    2.5k 声望1.5k 粉丝

    态度决定一切

    « 上一篇
    Kibana 用户指南（使用Flight仪表盘探索Kibana）
    下一篇 »
    Kibana 用户指南（设置时间过滤器）

    引用和评论

    被 3 篇内容引用
    推荐阅读
    头像
    Activiti 用户指南（网关）

    博弈阅读 3.5k

    头像
    Elasticsearch 8.x 重要变化（qbit）

    qbit阅读 543

    头像
    关于 Elasticsearch 同义词的困惑（qbit）

    qbit阅读 333评论 1

    头像
    Elasticsearch搭建、结合spring boot、简单示例

    LLL_赞 1阅读 270

    头像
    Docker如何修改Elasticsearch容器的密码

    Smoke阅读 257

    头像
    Elasticsearch 8 RAG 技术分享

    阿里云大数据AI阅读 254

    头像
    阿里云Elasticsearch AI搜索实践

    阿里云大数据AI阅读 235

    0 条评论
    得票最新