Kibana 简明教程

Kibana - Introduction To Elk Stack

Kibana 是一个开源可视化工具，主要用于分析大量日志，形式为折线图、条形图、饼图、热图等。Kibana 与 Elasticsearch 和 Logstash 同步工作，共同形成所谓的 ELK 堆栈。

ELK 代表 Elasticsearch、Logstash 和 Kibana。 ELK 是全球用于日志分析的最流行的日志管理平台之一。

在 ELK 堆栈中 −

Logstash 从不同的输入源中提取日志数据或其他事件。它处理事件，然后将事件存储在 Elasticsearch 中。
Kibana 是一个可视化工具，它可以访问Elasticsearch中的日志，并能够以折线图、条形图、饼图等形式显示给用户。

在本教程中，我们将紧密配合 Kibana 和 Elasticsearch，并以不同的形式可视化数据。

在本章中，让我们了解如何使用 ELK 堆栈。此外，您还将看到如何 −

从 Logstash 加载 CSV 数据到 Elasticsearch。
在 Kibana 中使用来自 Elasticsearch 的索引。

Load CSV data from Logstash to Elasticsearch

我们将使用 CSV 数据来上传使用 Logstash 到 Elasticsearch 的数据。要对数据分析开展工作，我们可以从 kaggle.com 网站获取数据。Kaggle.com 网站已上传所有类型的数据，用户可以使用这些数据来开展数据分析。

我们从这里获取了 countries.csv 数据： https://www.kaggle.com/fernandol/countries-of-the-world 。您可以下载 csv 文件并使用它。

我们将使用 csv 文件包含以下详细信息。

文件名 − countriesdata.csv

列 − “国家/地区”、“区域”、“人口”、“面积”

您还可以创建一个虚拟的 csv 文件并使用它。我们将使用 Logstash 将此数据从 countriesdata.csv 转储到 Elasticsearch。

在您的终端启动 elasticsearch 和 Kibana 并保持运行。我们必须创建 logstash 的配置文件，其中包含有关 CSV 文件列的详细信息，以及其他详细信息，如下面的 logstash-config 文件所示 −

input {
   file {
      path => "C:/kibanaproject/countriesdata.csv"
      start_position => "beginning"
      sincedb_path => "NUL"
   }
}
filter {
   csv {
      separator => ","
      columns => ["Country","Region","Population","Area"]
   }
   mutate {convert => ["Population", "integer"]}
   mutate {convert => ["Area", "integer"]}
}
output {
   elasticsearch {
      hosts => ["localhost:9200"]
      => "countriesdata-%{+dd.MM.YYYY}"
   }
   stdout {codec => json_lines }
}

在配置文件中，我们创建了 3 个组件 −

Input

我们需要指定输入文件的路径，在我们的例子中是一个 csv 文件。csv 文件存储的路径被赋予 path 字段。

Filter

将使用分隔符 csv 组件，在我们的例子中是逗号，以及 csv 文件中可用的列。由于 logstash 将所有传入的数据都视为字符串，如果我们想要将任何列用作整数，则必须使用 mutate 指定相同的浮点数，如上所示。

Output

对于输出，我们需要指定放置数据的位置。在这里，我们使用的案例是 elasticsearch。需要提供给 elasticsearch 的数据是它正在运行的主机，我们已将它指定为 localhost。下一个字段是索引，我们已将名称指定为 countries-currentdate。一旦将数据更新到 Elasticsearch 中，我们必须在 Kibana 中使用相同的索引。

将上述配置文件保存为 logstash_countries.config。请注意，我们需要在下一步的 logstash 命令中提供此配置的路径。

要将数据从 csv 文件加载到 elasticsearch，我们需要启动 elasticsearch 服务器 −