《学习ELK技术栈》7 Kibana可视化和仪表盘

fdclf
1,080 阅读5分钟

7 Kibana可视化和仪表盘

可视化页面

在Kibana中，所有的可视化组件都是建立在Elasticsearch聚合功能的基础上的。Kibana还支持多级聚合来进行各种有用的数据分析

创建可视化

  • 创建可视化分三步
  1. 选择可视化类型
  2. 选择数据源（使用新建的搜索或已保存的搜索）
  3. 配置编辑页面上的可视化聚合属性（度量和桶）

可视化的类型

  1. 区域图
  2. 数据图
  3. 折线图
  4. Markdown小部件
  5. 度量
  6. 饼图
  7. 切片地图
  8. 垂直柱状图

度量和桶聚合

度量和桶的概要来自Elasticsearch的聚合功能，这两个概念在Kibana中为数据集设计可视化的时候扮演着至关重要的角色

桶

  • 分桶帮助将文档分发到多个包含已索引文档子集的桶中。桶的功能与SQL的GROUP BY非常相似。分桶以将文档根据特定的条件进行分组，然后对分组后的文档计算度量
  • 桶通常代表Kibana图表的X轴，也可以给桶添加子桶
  • Kibana的X轴支持如下的桶类型
  1. 日期直方图（Data Histogram）
  2. 直方图（Histogram）
  3. 范围（Range）
  4. 日期范围（Date Range）
  5. IPV4范围（IPV4 Range）
  6. 短语（Terms）
  7. 过滤器（Filters）
  8. 重要短语（Sginifiant Terms）
日期直方图

需要一个日期类型的字段 和时间区间配置。文档将按指定的字段和时间区间分组。举个例子，如果指定@timestamp字段作为桶，且时间区间为一周，那么文档将基于每周的数据分组，然后可以对分组后的文档计算度量，如计数、求平均值等

直方图

直方图与日期直方图相似，除了要求指定的字段和区间都是数字类型的。直方图将在选定的字段上按照指定的区间对文档进行分桶。这相当于以相等区间进行范围聚合

范围

类似于直方图，但可以根据需求手动配置不同的级别。例如对于字段计数，可以选用分桶的范围为01000、10005000及5000~15000等

日期范围

日期范围需要一个日期字段，并且为每个桶指定自定义的日期范围

短语

短语可以用于根据任意字段的值 进行文档分组，这非常类似于SQL中的GROUP BY语句。短语聚合还可以选择指定Top N或Bottom N，或者也可以基于度量指定顺序。例如，可以根据产品类型来进行分组，并获得每个产品类型前五名

image-20200627064806228

度量

  • 度量是对每个桶中的字段的值进行计算

例如计算文档的总数、平均值 、最小值 或最大值 。度量通常代表区域图、垂直柱状图和折线图的Y轴。度量的可用类型如下

  1. Count（计数）
  2. Average（平均值）
  3. Sum（求和）
  4. Unique Count（唯一值计数）
  5. Min（最小值）
  6. Max（最大值）
  7. Percentile（百分比）
  8. Percenntile Ranks（百分比等级）
Count

是非常重要的度量聚合函数，它的主要目的是计算在桶聚合里每个桶中字段值 的数量。例如，要计算每一个产品类别的访问者的数量，可以指定产品类别字段为桶聚合，然后进行count度量聚合计算

Average、Sum、Min和Max

类似于Count聚合，Average、Sum、Min和Max相应地为聚合中的数字字段计算平均值、求和、最小值 和最大值

Unique Count

类似于SQL中的COUNT (DISTINCT fieldname)功能，计算出字段的唯一值的数量

image-20200627065139460

高级选项

  • 桶和度量聚合有高级选项，可以把JSON输入作为Kibana理解数据中所述的衍生字段。下面的JSON脚本就是一个例子
{ "script" : "doc['volume'].value * 100" }

image-20200627065256668

一个可视化页面看起来像下面这样，工具栏在顶部，度量和桶在左侧，预览窗格在右侧

image-20200627065354463

可视化

区域图

对于创建累积时间线或分布数据非常实用

Y轴：度量

X轴：桶。还可以在桶中定义子聚合，用来实现图表分割（Split Charts，分割成基于不同聚合的多个图表）或者区域分割（Split Area，分割成基于不同聚合的区域）的功能

image-20200627065653358

数据表格

以表格的形式呈现聚合数据，有助于识别Top N类型的聚合。例如，使用下面的数据不及格可视化来获得点击次数最多的前五名客户

image-20200627065741092

折线图

适用于高密度的时间序列，而且在比较两个序列的时候非常有用

image-20200627065813560

Markdown小部件

用来在仪表盘中显示信息或者指令，可以显示任意需求的Markdown格式的文本

image-20200627065847883

度量

用于显示字段的单个数字类型的分析。可以用来计算一个字段的总命中数、总和或平均值。例如，下面的度量可以用来显示应用程序在一段时间内的平均响应时间

image-20200627065942089

饼图

通常用于显示整体中各个部分或者其百分比关系。饼图中的片代表了数据的分布。饼图中片的值 是由度量聚合决定的，例如Count、Sum，或者Unique Count。桶聚合则定义了图表中的数据类型。例如，下面的饼图可以用来显示应用程序的不同响应码的分布

image-20200627070050147

切片地图

切片地图用来根据geo坐标定位地理位置。这是基于Geohash桶聚合实现的，Geohash聚合会将多组坐标分组到一个桶中

image-20200627070127061

垂直柱状图

对基于时间和非时间的字段都表现得很好。垂直柱状图可以是单独的柱状图，也可以是累积柱状图。Y轴是度量，X轴是桶聚合。例如，下面的垂直柱状图可以用来显示HTTP响应码的计数

image-20200627070228502

avatar
文章
阅读
粉丝