Kibana6 入门4 - 数据可视化

在左侧导航栏选择 Visualize,进行数据可视化操作。
Visualize 功能可以多种纬度展示数据。例如,使用饼图来显示银行账户数据集合中的账户余额信息。
点击 屏幕中央的Create a visualization 按钮。

image.png

选择 Pie
images/tutorial-visualize-wizard-step-1.png

可以通过保存的搜索创建可视化图形,也可以创建新的检索条件。
如果要创建新的检索条件,输入索引模式来指定使用哪些索引。本例选择ba*
images/tutorial-visualize-wizard-step-2.png

默认会搜索出所有数据, 所以会显示一个完整的饼。
images/tutorial-visualize-pie-1.png

要指定显示那些分片,可以使用 Elasticsearch bucket聚集。bucket聚集会将符合检索条件的数据分成不同的类别,即buckets。例如,账户数据包含了每个账户的余额。
使用bucket聚集,可以按照多种区间来展示账户余额。
定义 bucket:

  1. 点击 Split Slices
  2. Aggregation 列表中选择 Range
  3. Field列表中选择balance属性
  4. 点击4次Add Range,总共有6个Range选项。
  5. 按照如下定义:
0             999
1000         2999
3000         6999
7000        14999
15000       30999
31000       50000
  1. 点击 Apply changes 按钮更新图标。
    1000个账目按照不同的余额区间进行了分组。
    images/tutorial-visualize-pie-2.png

再来考量另一个数据纬度,账户所有人的年龄。

  1. 点击Add sub-buckets
  2. 点击 Split Slices
  3. 从aggregation list中 选择 Terms
  4. 从field list中选择 age
  5. 点击 Apply changes按钮。
    可以看到账户所有人的年龄在每个余额范围外侧显示。
    images/tutorial-visualize-pie-3.png

点击Save按钮可以保存这个饼图。

再来看下莎士比亚全集。我们用柱状图来显示不同剧的台词数量。

  1. 点击 New ,选择 Vertical bar chart

  2. 选择shakes* 索引模式。因为没有定义bucket,所以只显示一个大柱子。

    images/tutorial-visualize-bar-1.png

  3. 在y轴显示每部剧台词的数量,需要定义y轴 metric aggregation。度量聚集基于从搜索结果中提取的数据来进行计算。选择 Unique Count聚集,再选择speaker,来获取台词数量。还可以给个标签 Speaking Parts

  4. 在x轴显示不同的剧,选择 X-Axis buckets type,从聚集列表中选择Terms,再选择play_name。选择Ascending,可以按照字母顺序显示。然后给一个标签 Play Name

  5. 点击 Apply changes 按钮查看结果。

    images/tutorial-visualize-bar-2.png

每个作品的名字都没有被分割为多个单词,因为我们在一开始就将 play_name 属性设置为不与分析。

鼠标指向图中的柱子时,提示框弹出台词的数目。要关闭提示,或者配置成别的提示,可以选择可视化构建器的 Options 标签页。

我们现在得到了一个小型的莎士比亚作品演员表,我们如果想知道哪部作品里面, 对演员的台词要求最高:

  1. 点击 Add metrics 添加Y轴聚集
  2. 选择 Max聚集,然后选择 speech_number 属性
  3. 点击 Options,变更 Bar Modegrouped
  4. 点击 Apply changes 按钮,然后结果如下:
    images/tutorial-visualize-bar-3.png

可以看出, Love’s Labours Lost 的台词量最考验演员的记忆力了。

现在 Number of speaking parts Y轴是从0开始的,但是柱状图是从18开始有区别的, 为了让区别更醒目些, 让Y轴的起始值更贴近最小值, 选择 Options,再选择Scale Y-Axis to data bounds

保存图的名字为 Bar Example

下面,将使用地图图表来展示日志数据的地理信息。

  1. 点击 New

  2. 选择 Coordinate map

  3. 选择 logstash-* 索引模式

  4. 选择时间窗口

  5. 点击时间选择器

  6. 点击Absolute.

  7. 设置起始时间为 May 18, 2015,结束时间为 May 20, 2015。

    images/tutorial-timepicker.png
  8. 点击 Go 按钮,关闭时间选择器
    会展现出来一个世界地图:

    images/tutorial-visualize-map-1.png

要定位日志文件中的地理位置,选择 Geo Coordinates 作为bucket, 点击 Apply changes。显示如下:

images/tutorial-visualize-map-2.png

你可以点击,拖拽,放大缩小,可以点击 Fit Data Bounds按钮来显示所有的点,还可以点击Latitude/Longitude Filter按钮选定定特的区域。应用后的过滤器将显示在检索框下方,鼠标放在上面,可以操作该过滤器。

images/tutorial-visualize-map-3.png

保存改地图图表。
最后一步,创建一个Markdown 组件来显示扩展信息:

  1. 点击 New
  2. 选择 Markdown widget
  3. 输入如下内容:
# This is a tutorial dashboard!
The Markdown widget uses **markdown** syntax.
> Blockquotes in Markdown use the > character.
  1. 点击 Apply changes 按钮,显示最新的Markdown内容。
    images/tutorial-visualize-md-1.png

    image.png

保存为 Markdown Example。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容