Kibana使用

news2025/1/19 2:22:17

简介

Kibana是通向 Elastic 产品集的窗口。 它可以在 Elasticsearch 中对数据进行视觉探索和实时分析。

Kibana通常用于项目log日志收集分析、数据可视化分析等。

一、【Discover】搜索查询

Discover模块用于全文搜索文档(doucument),支持索引筛选、时间筛选、字段筛选、支持将查询结果分享、保存筛选结果等。如图所示。

1.时间过滤

时间过滤既按照时间范围查询document内容,如查询最近一个小时、最近一天、当天的数据等。也支持具体的时间范围查询(精确到毫秒)。
1).Time Range范围查询

如图所示Time Range范围查询提供
Quick快速查询:查询当天、当月、最近的某段时间范围内的查询,提供便捷操作;
Relative相对查询:查询某段时间查询,例:查询 10分钟之前-到5分支之前的数据;

Absolute绝对查询:查询指定的某个时间段的数据(精确到毫秒);
Recent:最近使用的查询条件。

2).Auto-Refresh定时刷新查询

2.条件搜索

条件查询Kibana支持两种方式查询。
1).通过Add Filter 按钮添加过滤条件查询如下所示。

也可手动编辑DSL实现查询。
详见https://www.elastic.co/guide/en/elasticsearch/reference/6.4/query-dsl.html这种方式使用相对复杂,通过Kibana查询不建议使用此方式查询。
2)通过Search输入框搜索

  • 直接输入文本字符串来进行简单文本搜索。例如,查询服务日志的时候输入 关键词word来搜索所有字段中包含词条 word的文档结果。

  • 可以用字段名作为前缀来根据指定字段进行搜索。例如,输入 message:"服务层" 来搜索字段 message中包含词条服务层的文档。

  • 可以通过中括号指定范围搜索, [START_VALUE TO END_VALUE] 。例如,搜索状态为 4xx 的条目,您可以输入 status:[400 TO 499]

  • 您可以通过布尔操作符 ANDORNOT 来指定更多的搜索条件(注意:这AND、OR、NOT必须大写)。例如,搜索message包含服务层关键词并且日志级别为INFO的条目,您可以输入 message:"服务层" AND level:"INFO"。

  • 通过字段名作为前缀搜索时,匹配值支持正则表达式匹配例如 查询标题包含昆山的所有文档。

    示例:查询调用三方服务返回Json Data 状态码 Code 非 0 非200的所有请求日志

NOT message:"code\":+(200)" NOT  message:"code\":+(0)" AND message:"code\":"

更多查询方式详见
https://www.elastic.co/guide/en/elasticsearch/reference/6.0/query-dsl-query-string-query.html#query-string-syntax
DSL查询详见
https://www.elastic.co/guide/en/elasticsearch/reference/6.0/query-dsl.html

3.结果字段过滤

当我们搜索到想要的文档(document)结果时,如果只想关注其中某几个字段的时候,就可以在左侧字段列表选择查看的字段,点击 Add按钮即可,例如如下 只查看日志几倍 leval和具体 message 字段值。

也可以为添加的字段进行添加Filter过滤器,进行二次筛选,如下(将鼠标移动到对应的字段上点击 + / - 进行筛选或排除)。

3.Button Tool Bar

ToolBar工具按钮包含

  • New: 新建查询页。

  • Save: 保存查询条件,保存后可用于后期生成制作图形统计面板。

  • Open: 打开一个已经保存过的查询条件。

  • Share: 可以将复杂的Url查询生成短链接分享给别人。

二、【Visualize】可视化

1、简介

可视化 (Visualize) 功能可以为您的 Elasticsearch 数据创建可视化控件。然后,您就可以创建仪表板将这些可视化控件整合到一起展示。

Kibana 可视化控件基于 Elasticsearch 的查询。利用一系列的 Elasticsearch 查询聚合功能来提取和处理数据,您可以通过创建图表的方式来呈现您关心的数据分布和趋势。

Visualize可视化组件包含Basic Charts(基本图表)、Data(数据图表)、Maps(区域图表)、Time Series(时间序列)、Other(其他)五大类组件,其中每个分类又包含N多个具体的Charts。

  1. Basic Charts
    1. Area 面积图
    2. Heat Map 渐变图
    3. Horizontal Bar 水平柱形图
    4. Line 折现图
    5. Pip 饼状图
    6. Vertical Bar 垂直柱形图有
  2. Data
    1. Data Table 表格
    2. Gauge 仪表图
    3. Goal 仪表图(百分比显示)
    4. Metric 显示单个数字
  3. Maps
    1. Coordinate Map
    2. Region Map
  4. Time Series
    1. Timelion 计算和合并来自多个时间序列数据集
    2. Visual Bulder 使用管道聚合显示时间序列数据
  5. Other
    1. Controls
    2. Markdown 显示自由格式信息或说明
    3. Tag Cloud 显示标签云,每个标签的字体大小表示其重要性。
    4. Vega

2、线性图、区域图、图形图

线形图,区域图和条形图允许您在 X/Y 轴上绘制数据。绘制数据之前首先需要明确X轴Y轴的数据指标是什么,只有确定了XY轴指标之后才能进行绘制。下边我以Vertical Bar(垂直柱形图)为例。

Y-Axis:Y轴数据指标定义;
Aggregation(聚合指标):

  1. Count:计数聚合返回所选索引模式中元素的原始计数;
  2. Average:平均值;
  3. Sum:求和;
  4. Min:最小值;
  5. Max:最大值;
  6. Percentiles(字段类型必须为number类型):百分数 聚合将数字字段中的值分成你指定的百分数区间。
  7. Percentile Rank : 百分位等级 聚合返回指定的数值字段中的值的百分位等级。
  8. 父级管道聚合
    1. Cumulative Sum:累计总和 聚合计算父直方图中指定指标的累计总和。
    2. Moving Average:移动平均值 聚合将动态移动数据窗口,生成该窗口数据的平均值。
    3. Serial Diff:串行差分 是一种时间序列中的值在不同时间滞后或周期内从自身减去的技术。
  9. 兄弟管道聚合:
    1. Min Bucket:桶最小值 计算同级聚合中指定指标的最小值
    2. Max Bucket:桶最大值 计算同级聚合中指定指标的最大值
      Custom Label:输入域中输入字符串以更改显示标签。
      X-Axis:X轴数据指标定义;
      Aggregation(聚合指标):
  10. Date Histogram:日期直方图是从数值字段构建并按日期渲染数据,您可以以秒、分钟、小时、天、周、月或年为单位指定时间间隔。您还可以通过选择 Custom 作为间隔并在文本域中输入数字和时间单位来指定自定义时间间隔。自定义间隔时间单位 s 为秒, m 为分钟, h 为小时, d 为天, w 为周, y为年。不同的单位支持不同级别的精度,低至一秒。

![image](//upload-images.jianshu.io/upload_images/6819280-2b774317fdb47ddb.png?imageMogr2/auto-orient/strip|imageView2/2/w/1200/format/webp)
  1. Histogram:直方图是从数字字段构建的,可按照整数构建范围。

![image](//upload-images.jianshu.io/upload_images/6819280-be772ff7a541c480.png?imageMogr2/auto-orient/strip|imageView2/2/w/1200/format/webp)
  1. Range:通过 范围聚合,您可以为数字字段指定值的范围。

![image](//upload-images.jianshu.io/upload_images/6819280-2e82626415755aea.png?imageMogr2/auto-orient/strip|imageView2/2/w/1200/format/webp)
  1. Date Range:日期范围聚合报告在您指定的日期范围内的值。

![image](//upload-images.jianshu.io/upload_images/6819280-00d818ba851ae881.png?imageMogr2/auto-orient/strip|imageView2/2/w/1200/format/webp)
  1. Terms:词条 聚合使您可以指定要显示的给定字段的顶部或底部 n 个元素,按数量或自定义指标进行排序。

![image](//upload-images.jianshu.io/upload_images/6819280-f31804e6ddb9bfba.png?imageMogr2/auto-orient/strip|imageView2/2/w/1200/format/webp)
  1. IPv4 Range:IP地址范围;
  2. Filters:指定一组过滤器;
    Custom Label: 输入域中输入字符串以更改显示标签。
    一旦您指定了 X 轴聚合,您可以定义子聚合来优化可视化。单击 + Add Sub Aggregation 定义子聚合,然后选择 Split Area 或 Split Chart ,然后从类型列表中选择一个子聚合。
    点击 Advanced 可以查看更多筛选项。
    Exclude Pattern:在此输入域中指定一个模式以从结果中排除
    Include Pattern:在此输入域中指定一个模式以包含在结果中
    JSON Input:一个文本域,您可以在其中添加特定的 JSON 格式的属性以与聚合定义合并,例:{ "script" : "doc['grade'].value * 1.2" }
    Metrics & Axes
    选择 Metrics & Axes 选项卡可以更改图表上每个单独的指标的显示方式。数据系列在 指标 部分中进行样式设置,而轴在 X 和 Y 轴部分进行样式设置。
    Metrics :
  3. Chart type: 图表类型 在 Area 、 Line 和 Bar 类型之间进行选择。
  4. Mode:堆叠不同的指标,彼此间的展示方式、相邻活叠加方式。

![image](//upload-images.jianshu.io/upload_images/6819280-955e07a6f70de54e.png?imageMogr2/auto-orient/strip|imageView2/2/w/300/format/webp)

![image](//upload-images.jianshu.io/upload_images/6819280-76310e23a09012e2.png?imageMogr2/auto-orient/strip|imageView2/2/w/960/format/webp)
  1. Line mode:线条或柱条的轮廓是否应该是 smooth(平滑) 、 smooth(笔直) 、或 stepped(阶梯) 的。
  2. Value Axis:选择要绘制此数据的轴(每个属性在 Y 轴下配置)。
    Y-Axes:Y轴配置
  3. Show:是否显示Y轴
  4. Title:展示的标题、标签
  5. Mode:展示的方式
  6. Scale Type:数值的缩放( linear 、 log 或 square root )
  7. Show Advanced Options更多配置
  8. Show Labels:隐藏活展示标签值
  9. Rotate:标签值的展示方式、水平、垂直、倾斜展示
  10. Labels - Filter Labels:如果启用了标签过滤,则在没有足够空间显示它们的情况下,会隐藏一些标签
    X-Axes:X轴配置
  11. Show:隐藏活显示X轴
  12. Position:X轴展示位置,上、下、左、右。
  13. Advanced Options更多选项
  14. Show Labels:隐藏活展示标签值
  15. Rotate:标签值的展示方式、水平、垂直、倾斜展示
  16. Labels - Filter Labels:如果启用了标签过滤,则在没有足够空间显示它们的情况下,会隐藏一些标签
    Panel Settings面板设置:
  17. Legend Position:说明展示位置,上、下、左、右。
  18. X-Axis Lines:显示或隐藏X轴网格线。
  19. Y-Axis Lines:显示或隐藏Y轴网格线。

![image](//upload-images.jianshu.io/upload_images/6819280-31d703ec16a6a91e.png?imageMogr2/auto-orient/strip|imageView2/2/w/1200/format/webp)

到此绘制图形的基本使用就没有了,剩下的创建图表、图形图折线图基本就大同小异。这里就不一一介绍了。

3、Markdown控件

Markdown 控件是一个文本输入字段,支持 Github 风格的 Markdown 文本。Kibana 会渲染输入到该字段的文本,并把结果展示在仪表板上。
语法教程参见:
https://www.runoob.com/markdown/md-tutorial.html

4、时间序列可视化生成器

时间序列可视化生成器是一个时间序列数据可视化工具,重点在于允许您使用 Elasticsearch 聚合框架的全部功能。时间序列可视化生成器允许您组合无限数量的聚合和管道聚合,以有意义的方式显示复杂的数据。

每个时间序列可视化生成器又包含5个子可视化页面

  • Time Series 时间折线图

  • Metric 数字视图

  • Top N 前N向

  • Gauge 仪表视图

  • Markdown 文档视图

  • Table 表格视图
    每个子可视化的用户界面由 Data 标签页和 Pannel Options 组成。唯一例外的是时间序列和 Markdown 可视化,时间序列具有用于 Annotations 的第三个标签页,Markdown 具有用于编辑器的第三个标签页。
    Data标签页

    1.序列标签和颜色
    每个序列都支持一个标签,该标签将用于图例和标题,具体取决于所选的可视化类型

    2.聚合指标Aggregation
    同可视化聚合指标类似,包含常用的sum、count、等。Feild 指标字段。
    3.Group By 分组控件
    在指标的底部有一组“分组依据”控件,允许您指定该序列应该如何分组或拆分。有四种选择:

  • Terms(字段)

  • Filter(单个过滤器)

  • Filters(多个过滤器、可指定颜色)

  • Everything(所有)
    4.Top 显示前N个数据。
    5.Order By 按照某字段排序
    Pannel Options 标签页

    Annotations标签页
    Annotations注解标签页用于将注解数据源添加到时间序列可视化中。您可以配置以下选项:

  • 索引模式和时间字段

  • 注解颜色

  • 注解图标

  • 包含在消息中的字段

  • 消息的格式

  • 面板和全局级别的过滤选项

三、【Dashboards】仪表盘

Kibana 仪表板(Dashboard) 展示保存的可视化结果集合。
示例如下:

1.创建仪表盘

创建仪表板相对比较容易,选择左侧的*Dashboard ,然后点击Create new dashboard即可创建一个新的仪表盘面板,之后点击Add,添加一个多多个已经创建好的可视化视图(Visualize)即可完成仪表盘的创建。

操作

Sava:保存仪表盘;
Cancel:取消编辑;

Options:选项

  1. Use dark theme 使用黑色主题;
  2. Use margins between pannels;
  3. Hide all panel titles 隐藏全部标题;

2.分享仪表盘

点击Share分享仪表盘,可以生成分享的短链接,也可以生成ifream嵌入其他网页中进行可视化展示;

四、【参考

https://www.elastic.co/guide/en/kibana/6.8/introduction.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/93321.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

linux下syslog使用说明

syslog 系统日志应用 1) 概述 syslog是Linux默认的日志守护进程。默认的syslog配置文件是/etc/syslog.conf文件。程序,守护进程和内核提供了访问系统的日志信息。因此,任何希望生成日志信息的程序都可以向 syslog 接口呼叫生成该信息。 几乎所有的…

读《深入浅出MySQL数据库开发、优化与管理维护(第2版)》笔记1

上面3图是书中MySQL帮助的使用小节; 实测: 我用DATE_FORMAT(date,format)函数的时候经常会记不清格式化的字符是啥,这个时候我会去求助度娘,然后从零散的帖子里找一个合适的,测试一下可用,就拿来用了,但没法马上找到一个比较完整系统一点的帖子,从看此书本章节,可知使用MySQL的…

acm是什么?你准备好去打了吗?

1.引言2.acm究竟是什么?3.acm的时间安排重点网络赛的作用1.名额分配2.校内选拔icpc省赛省赛选拔赛(校内)4.acm该如何准备1.前期的算法积累1.Acwing 平台算法基础课 -y总业界良心。算法提高课 基本囊括了蓝桥杯的知识范畴算法进阶课(选) 算法中…

MYSQL 8.0 -- 事务中删除不存在的记录导致死锁

最近开发的某个功能中,线上偶尔会爆出死锁异常。再大佬同事的帮助下,最终排查出了原因,在此记录一下。 文章目录业务描述事务中删除行时锁的表现场景重现问题处理业务描述 在业绩信息维护中,可以维护相关人员列表,相关…

谁再问我 Kafka,我把这 43 张图甩给他

从Kafka诞生的早期,我就对Kafka投入了很多的关注,虽然不敢说精通Kafka, 但也算是非常熟悉了。 平时在工作之中,几乎天天都在跟这玩意儿打交道,在面试的时候,也会经常聊一些Kafka相关的内容。 Kafka 是一个优秀的分布…

二苯并环辛炔-二硫键-马来酰亚胺,DBCO-SS-Maleimide,DBCO-SS-Mal

基础产品数据(Basic Product Data): CAS号:N/A 中文名:二苯并环辛炔-二硫键-马来酰亚胺 英文名:DBCO-SS-Maleimide,DBCO-SS-Mal 详细产品数据(Detailed Product Data)&am…

C++--数据结构--并查集--高阶0711

1. 并查集 在一些应用问题中,需要将n个不同的元素划分成一些不相交的集合。开始时,每个元素自成一个 单元素集合,然后按一定的规律将归于同一组元素的集合合并。在此过程中要反复用到查询某一 个元素归属于那个集合的运算。适合于描述这类问…

如何使用Python批量化处理Excel——零基础入门指南

本教程旨在帮助零编程基础,但是又有“批量化处理Excel表”这种需求的大家。 在进入教程时,请确保你具有以下资质: 1、 并非工作压到头上了,急需解决一批表所以想过来速成,而是愿意耐心花上几个小时学习来获得一项长久…

Redis之相关拓展(事务、监控、Jedis)

Redis之相关拓展一、事务1、介绍2、流程3、shell命令3.1 开启事务3.2 放弃事务3.3 编译型异常(代码有问题,命令有错)3.4 运行时异常二、监控(watch)1、锁1.1 悲观锁1.2 乐观锁2、注意2.1 原理2.2 流程三、Jedis1、简介…

学习Opencv不得不掌握的操作

OpenCV基本操作 1 图像的IO操作 这里我们会给大家介绍如何读取图像,如何显示图像和如何保存图像。 1.1 读取图像 API cv.imread() 参数: 要读取的图像读取方式的标志cv.IMREAD*COLOR:以彩色模式加载图像,任何图像的透明度都将…

C++ Primer笔记——explicit、string流、vector比较、emplace

目录 一.P265 抑制构造函数定义的隐式转换 二.P287 string流 三.P304 vector的比较 四.P307 在容器中特定位置添加元素 一.P265 抑制构造函数定义的隐式转换 举个例子,如果构造函数参数是string类型,那么当使用赋值符号进行初始化操作时&#xff0c…

leetcode -- ⽤最少数量的箭引爆⽓球(452)

有一些球形气球贴在一堵用 XY 平面表示的墙面上。墙面上的气球记录在整数数组 points ,其中points[i] [xstart, xend] 表示水平直径在 xstart 和 xend之间的气球。你不知道气球的确切 y 坐标。 一支弓箭可以沿着 x 轴从不同点 完全垂直 地射出。在坐标 x 处射出一…

数据模型篇之阿里巴巴数据整合及管理体系

第9章 阿里巴巴整合及管理体系 OneData的设计是为了建设统一的、规范化的数据接人层( ODS )和数据中间层( DWD和DWS ),通过数据服务和数据产品,完成服务于阿里巴巴的大数据系统建设 ,即数据公共…

2022 年 11 月区块链操作系统的开发回顾

查看 Cartesi Machine、Cartesi Rollups 和 Noether 的更新正在寻找区块链操作系统组件的最新进展?你找对地方了!正如在我们的路线图文章中所描述的那样,我们一直在朝着定期且频繁的更新方向发展着,以便让我们的社区能够及时的了解…

微服务框架 SpringCloud微服务架构 多级缓存 46 JVM 进程缓存 46.1 导入商品案例【MySQL环境准备】

微服务框架 【SpringCloudRabbitMQDockerRedis搜索分布式,系统详解springcloud微服务技术栈课程|黑马程序员Java微服务】 多级缓存 文章目录微服务框架多级缓存46 JVM 进程缓存46.1 导入商品案例【MySQL环境准备】46.1.1 导入商品管理案例46 JVM 进程缓存 用于在T…

新冠疫情下免疫的重要性以及肠道菌群在其中的作用

今年是新冠病毒影响的第三年了,在病毒的影响下,我们的生活方式发生了很大的变化。近日,多地政府颁布了疫情防控的新政策,除了一些特殊场所,出入其他场所不用扫场所码了。 从一方面说,这样的情况方便了我们日…

DAP数据分析平台可视化组件开发

企业信息化建设会越来越完善,越来越体系化,当今数据时代背景下更加强调、重视数据的价值,以数据说话,通过数据为企业提升渠道转化率、改善企业产品、实现精准运营、有效运营,用数据来指引企业的发展。 组件使用是在DA…

第一章:Pytorch简介和其三大核心概念

文章目录一:什么是Pytorch二:Pytorch优势三:Pytorch三大核心概念(1)tensor(张量)(2)autograd(自动微分-变量)(3)nn.Module…

java计算机毕业设计基于安卓Android的校园安保巡查系统APP

项目介绍 校园安保巡查系统APP管理是校园安保巡查系统管理中对学生必不可少的一个部分。在人们校园安保巡查系统管理的整个过程中,校园安保巡查系统APP管理担负着最重要的角色。为满足如今日益复杂的管理需求,各类校园安保巡查系统APP管理程序也在不断改进。本课题所设计的校园…

精华推荐 |【Redis技术探索】「底层架构原理」帮你彻底搞定Sentinel的实现原理运作机制

👮‍每日一句 最美好的生活方式是和一群志同道合的人,一起奔跑在理想的路上,回头有一路的故事,低头有坚定的脚步,抬头有清晰的远方! 👮‍ Sentinel存在的意义 👮‍ Sentinel出现的前…