准备工作
首先，先下载一个elastic网站上下载一个它提供的demo---莎翁的《亨利四世》，下载地址是https://download.elastic.co/demos/kibana/gettingstarted/shakespeare.json 。
打开这个json字符串，里面就是《亨利四世》的话剧剧本，长得是这个样子：
![image.png]( "1512960260840873.png")
可以看到里面有“play_name”、"speaker"、"speech_number"、"line_id"等等名称，每个名称后面都有一个对应的值。
然后启动elasticsearch，按照上面的文件格式生成索引。语句如下：
curl -XPUT http://localhost:9200/shakespeare -d '
{
"mappings" : {
"_default_" : {
"properties" : {
"speaker" : {"type": "string", "index" : "not_analyzed" }, #确定type是字符
"play_name" : {"type": "string", "index" : "not_analyzed" },
"line_id" : { "type" : "integer" }, #确定type是数字
"speech_number" : { "type" : "integer" }
}
}
}
}
';
导入刚刚下载的那个json：
|
1
|
curl -XPOST
'localhost:9200/shakespeare/_bulk?pretty'
--data-binary @shakespeare.json
|
具体elasticsearch的增删改查语法可以参看阮大师的http://www.ruanyifeng.com/blog/2017/08/elasticsearch.html ，个人建议将elasticsearch和mysql对比一下，这样更方便理解。
然后后台启动kibana，确认5601端口已经stand by，如图：
![image.png]( "1512959489498604.png")
然后在浏览器地址栏输入“服务器外网ip：5601”打开kibana。
导入数据结束之后，使用#curl 'localhost:9200/_cat/indices?v'，去查看一下效果，如果看到index里有shakespeare那一栏就是导入成功了，如图：
![1.png]( "1512963047621944.png")
在启动Kibana后，Kibana会自动在配置的es中创建一个名为.kibana的索引（上图第二个），这个索引用来存储数据，注意！不要删除了它。
Kibana的界面搜索
如果此时的kibana里是第一次配置的话，那么第一步就是配置新索引，我们之前在生成索引的时候写的是shakespeare，那么现在也写shakespeare，然后点击create，如图：
![image.png]( "1512972692686044.png")
然后在菜单栏左侧的discover里选择刚刚建立的“shakespeare”，就会看到这样的东西：
![1.png]( "1512978330900882.png")
在Search上就可以进行搜寻，比如说我搜寻"freedom"，如图：
![image.png]( "1512978450387053.png")
如果我搜寻“KING HENRY IV ”，他不分大小写的把所有king、henry、iv都搜索出来。
如果我想搜寻line_id的第一行到第三行，那么语句就是line_id:[1 TO 3]，如图：
![image.png]( "1512978696319070.png")
如果想在上面的基础上进一步细化，比如说要在line_id是从第一行到第三行，同时_type是scene的语句：line_id:[1 TO 3] AND _type:scene：
![image.png]( "1512979202574677.png")
假如不想要scene，那么就把AND改成NOT。
如果这个时候只想关注一些指定的字段，那么可以将鼠标移动到索引下面的字段上，然后选在add即可，同样的移动上面已经选择的字段选择remove进行移除，比如我们试一下这个speaker：
![image.png]( "1512981073375393.png")
add之后在点击右侧的具体的speaker，就会看到里面的细节，比如这位westmoreland（威斯摩兰伯爵）：
![image.png]( "1512981088220497.png")
这个时候就能看见这位伯爵大哥的台词细节，在第几场的第几节，说的是什么台词。再返回菜单左侧点击这个speaker，我们还会看到一个比重：
![image.png]( "1512979109192363.png")
从这里就很清晰的看到，FALSTAFF（法斯塔夫）这个哥们的台词最多，也符合书里塑造的那个嗜酒话痨的艺术形象。而我们的KING HENRY IV(亨利四世)的台词只是第四位，占比重11%而已...
这样具体的搭配搜索之后，可以点击界面右上侧的save进行保存搜寻结果，再搭配share分享搜索结果的url网址，如图：
![image.png]( "1512979335751248.png")
Kibana的图像化展示
Kibana也能做到类似grafana那样的炫酷图象化展示，更加立体的表现日志情况，首先选择左侧菜单栏里的“Visualize”（可视化）：
![image.png]( "1512979485706786.png")
然后点击“Create a Visualization”,里面既有很多种图形供你选择，有饼型，有箭头的，有文字的，有仪表盘的，如图：
![image.png]( "1512979916456604.png")
我们这里先建立一个饼型的，还是上面那个台词多少的例子，首先选择"shakespeare"作为数据源，然后点击“split slices”，如图：
![image.png]( "1512980100667779.png")
然后在Aggergation里选择“Terms”，然后在Field里选择“Speaker”,size那里写8,最后点击上面的那个三角播放键，看看结果：
![image.png]( "1512980548245716.png")
这就很清晰的看出，亨利四世一共说了1086句话，占比11.11%。
如果我们再加一个“Split Slices"，这一次在原有的specker的基础上选择“play_name”，图象变成了一个同心圆，最外面的一层就是新增的“play_name”的情况，如图显示FALSTAFF的所有台词会在两个play_name里出现：
![image.png]( "1512986412695653.png")
如果这个盘子里不想统计FALSTAFF这个话包，就添加一个过滤器，选择speaker is not，后面写上FALSTAFF即可，如图：
![image.png]( "1512982489673575.png")
效仿刚才的方法也可以做一个仪表盘，如图：
![image.png]( "1512982705819135.png")
可视化的数据也可以save和share，同样在web界面的右上角。保存的数据是可以在左侧菜单栏里的Dashboard里展示，做成一个类似zabbix那样的展示！
最后的最后，如果您觉得本文对您升职加薪有帮助，那么请不吝赞助之手，刷一下下面的二维码，赞助本人继续写更多的博文！
![wKioL1l16m3BMYDKAACPHEqd55Q687.jpg]( "webwxgetmsgimg.jpg")
本文转自 苏幕遮618 51CTO博客，原文链接:http://blog.51cto.com/chenx1242/2049350
