- Logstash
- Logstash - 入门示例
- 入门示例 - 下载安装
- 入门示例 - hello world
- 入门示例 - 配置语法
- 入门示例 - plugin的安装
- 入门示例 - 长期运行
- Logstash - 插件配置
- 插件配置 - input配置
- input配置 - file
- input配置 - stdin
- input配置 - syslog
- input配置 - tcp
- 插件配置 - codec配置
- codec配置 - json
- codec配置 - multiline
- codec配置 - collectd
- codec配置 - netflow
- 插件配置 - filter配置
- filter配置 - date
- filter配置 - grok
- filter配置 - dissect
- filter配置 - geoip
- filter配置 - json
- filter配置 - kv
- filter配置 - metrics
- filter配置 - mutate
- filter配置 - ruby
- filter配置 - split
- filter配置 - elapsed
- 插件配置 - output配置
- output配置 - elasticsearch
- output配置 - email
- output配置 - exec
- output配置 - file
- output配置 - nagios
- output配置 - statsd
- output配置 - stdout
- output配置 - tcp
- output配置 - hdfs
- Logstash - 场景示例
- 场景示例 - nginx访问日志
- 场景示例 - nginx错误日志
- 场景示例 - postfix日志
- 场景示例 - ossec日志
- 场景示例 - windows系统日志
- 场景示例 - Java日志
- 场景示例 - MySQL慢查询日志
- Logstash - 性能与测试
- 性能与测试 - generator方式
- 性能与测试 - 监控方案
- 监控方案 - logstash-input-heartbeat方式
- 监控方案 - jmx启动参数方式
- 监控方案 - API方式
- Logstash - 扩展方案
- 扩展方案 - 通过redis传输
- 扩展方案 - 通过kafka传输
- 扩展方案 - AIX 平台上的logstash-forwarder-java
- 扩展方案 - rsyslog
- 扩展方案 - nxlog
- 扩展方案 - heka
- 扩展方案 - fluent
- 扩展方案 - Message::Passing
- Logstash - 源码解析
- 源码解析 - pipeline流程
- 源码解析 - Event的生成
- Logstash - 插件开发
- 插件开发 - utmp插件示例
- Beats
- Beats - filebeat
- Beats - packetbeat网络流量分析
- Beats - metricbeat
- Beats - winlogbeat
- ElasticSearch
- ElasticSearch - 架构原理
- 架构原理 - segment、buffer和translog对实时性的影响
- 架构原理 - segment merge对写入性能的影响
- 架构原理 - routing和replica的读写过程
- 架构原理 - shard的allocate控制
- 架构原理 - 自动发现的配置
- ElasticSearch - 接口使用示例
- 接口使用示例 - 增删改查操作
- 接口使用示例 - 搜索请求
- 接口使用示例 - Painless脚本
- 接口使用示例 - reindex接口
- ElasticSearch - 性能优化
- 性能优化 - bulk提交
- 性能优化 - gateway配置
- 性能优化 - 集群状态维护
- 性能优化 - 缓存
- 性能优化 - fielddata
- 性能优化 - curator工具
- 性能优化 - profile接口
- ElasticSearch - rally测试方案
- ElasticSearch - 多集群互联
- ElasticSearch - 别名的应用
- ElasticSearch - 映射与模板的定制
- ElasticSearch - puppet-elasticsearch模块的使用
- ElasticSearch - 计划内停机升级的操作流程
- ElasticSearch - 镜像备份
- ElasticSearch - rollover和shrink
- ElasticSearch - Ingest节点
- ElasticSearch - Hadoop 集成
- Hadoop 集成 - spark streaming交互
- ElasticSearch - 权限管理
- 权限管理 - Shield
- 权限管理 - Search-Guard 在 Elasticsearch 2.x 上的运用
- ElasticSearch - 监控方案
- 监控方案 - 监控相关接口
- 监控相关接口 - 集群健康状态
- 监控相关接口 - 节点状态
- 监控相关接口 - 索引状态
- 监控相关接口 - 任务管理
- 监控相关接口 - cat 接口的命令行使用
- 监控方案 - 日志记录
- 监控方案 - 实时bigdesk方案
- 监控方案 - cerebro
- 监控方案 - zabbix trapper方案
- ElasticSearch - ES在运维监控领域的其他玩法
- ES在运维监控领域的其他玩法 - percolator接口
- ES在运维监控领域的其他玩法 - watcher报警
- ES在运维监控领域的其他玩法 - ElastAlert
- ES在运维监控领域的其他玩法 - 时序数据库
- ES在运维监控领域的其他玩法 - Grafana
- ES在运维监控领域的其他玩法 - juttle
- ES在运维监控领域的其他玩法 - Etsy的Kale异常检测
- Kibana 5
- Kibana 5 - 安装、配置和运行
- Kibana 5 - 生产环境部署
- Kibana 5 - discover功能
- Kibana 5 - 各visualize功能
- 各visualize功能 - area
- 各visualize功能 - table
- 各visualize功能 - line
- 各visualize功能 - markdown
- 各visualize功能 - metric
- 各visualize功能 - pie
- 各visualize功能 - tile map
- 各visualize功能 - vertical bar
- Kibana 5 - dashboard功能
- Kibana 5 - timelion 介绍
- Kibana 5 - console 介绍
- Kibana 5 - setting功能
- Kibana 5 - 常用sub agg示例
- 常用sub agg示例 - 函数堆栈链分析
- 常用sub agg示例 - 分图统计
- 常用sub agg示例 - TopN的时序趋势图
- 常用sub agg示例 - 响应时间的百分占比趋势图
- 常用sub agg示例 - 响应时间的概率分布在不同时段的相似度对比
- Kibana 5 - 源码解析
- 源码解析 - .kibana索引的数据结构
- 源码解析 - 主页入口
- 源码解析 - discover解析
- 源码解析 - visualize解析
- 源码解析 - dashboard解析
- Kibana 5 - 插件
- 插件 - 可视化开发示例
- 插件 - 后端开发示例
- 插件 - 完整app开发示例
- Kibana 5 - Kibana报表
- 竞品对比
Kibana 5 - 各visualize功能
Visualize 标签页用来设计可视化。你可以保存可视化,以后再用,或者加载合并到 dashboard 里。一个可视化可以基于以下几种数据源类型:
- 一个新的交互式搜索
- 一个已保存的搜索
- 一个已保存的可视化
可视化是基于 Elasticsearch 1.0 引入的聚合(aggregation) 特性。
创建一个新可视化
要开始一个 Create New Visualization 向导,点击页面左侧边栏的 Visualize 标签。如果你已经在浏览一个可视化了,你可以在顶部菜单栏里点击 New 选项 ! 向导会引导你继续以下几步:
第 1 步: 选择可视化类型
在 New Visualization 向导起始页可以选择以下一个可视化类型:
类型 | 用途 |
---|---|
Area chart | 用区块图来可视化多个不同序列的总体贡献。 |
Data table | 用数据表来显示聚合的原始数据。其他可视化可以通过点击底部的方式显示数据表。 |
Line chart | 用折线图来比较不同序列。 |
Markdown widget | 用 Markdown 显示自定义格式的信息或和你仪表盘有关的用法说明。 |
Metric | 用指标可视化在你仪表盘上显示单个数字。 |
Pie chart | 用饼图来显示每个来源对总体的贡献。 |
Tile map | 用瓦片地图将聚合结果和经纬度联系起来。 |
Timeseries | 计算和展示多个时间序列数据。 |
Vertical bar chart | 用垂直条形图作为一个通用图形。 |
你也可以加载一个你之前创建好保存下来的可视化。已存可视化选择器包括一个文本框用来过滤可视化名称,以及一个指向 对象编辑器(Object Editor) 的链接,可以通过 Settings > Edit Saved Objects 来管理已存的可视化。
如果你的新可视化是一个 Markdown 或 Timeseries 挂件,会直接进入配置界面。其他的可视化类型,选择后都会转到数据源选择。
第 2 步: 选择数据源
你可以选择新建或者读取一个已保存的搜索,作为你可视化的数据源。搜索是和一个或者一系列索引相关联的。如果你选择了在一个配置了多个索引的系统上开始你的新搜索,从可视化编辑器的下拉菜单里选择一个索引模式。
当你从一个已保存的搜索开始创建并保存好了可视化,这个搜索就绑定在这个可视化上。如果你修改了搜索,对应的可视化也会自动更新。
第 3 步: 可视化编辑器
可视化编辑器用来配置编辑可视化。它有下面几个主要元素:
- 工具栏(Toolbar)
- 聚合构建器(Aggregation Builder)
- 预览画布(Preview Canvas)
工具栏
工具栏上有一个用户交互式数据搜索的搜索框,用来保存和加载可视化。因为可视化是基于保存好的搜索,搜索栏会变成灰色。要编辑搜索,双击搜索框,用编辑后的版本替换已保存搜索。
搜索框右侧的工具栏有一系列按钮,用于创建新可视化,保存当前可视化,加载一个已有可视化,分享或内嵌可视化,和刷新当前可视化的数据。
聚合构建器
用页面左侧的聚合构建器配置你的可视化要用的 metric 和 bucket 聚合。桶(Buckets) 的效果类似于 SQL GROUP BY
语句。想更详细的了解聚合,阅读 Elasticsearch aggregations reference。
在条带图或者折线图可视化里,用 metrics 做 Y 轴,然后 buckets 做 X 轴,条带颜色,以及行/列的区分。在饼图里,metrics 用来做分片的大小,buckets 做分片的数量。
为你的可视化 Y 轴选一个 metric 聚合,包括 count, average, sum, min, max, or cardinality (unique count). 为你的可视化 X 轴,条带颜色,以及行/列的区分选一个 bucket 聚合,常见的有 date histogram, range, terms, filters, 和 significant terms。
你可以设置 buckets 执行的顺序。在 Elasticsearch 里,第一个聚合决定了后续聚合的数据集。下面例子演示一个网页访问量前五名的文件后缀名统计的时间条带图。
要看所有相同后缀名的,设置顺序如下:
Color
: 后缀名的 Terms 聚合X-Axis
:@timestamp
的时间条带图
Elasticsearch 收集记录,算出前 5 名后缀名,然后为每个后缀名创建一个时间条带图。
要看每个小时的前 5 名后缀名情况,设置顺序如下:
X-Axis
:@timestamp
的时间条带图( 1 小时间隔)Color
: 后缀名的 Terms 聚合
这次,Elasticsearch 会从所有记录里创建一个时间条带图,然后在每个桶内,分组(本例中就是一个小时的间隔)计算出前 5 名的后缀名。
记住,每个后续的桶,都是从前一个的桶里分割数据。
要在预览画布(preview canvas)上渲染可视化,点击聚合构建器底部的 Apply 按钮。
预览画布(canvas)
预览 canvas 上显示你定义在聚合构建器里的可视化的预览效果。要刷新可视化预览,点击工具栏里的 Refresh。
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论