数据探索
Elasticsearch具有强大的数据检索和分析同能，支持模糊、全文、过滤、管道等数据查询。对于日志型数据处理很有优势。
下图为KIbana的主页图，将逐步说明每一部分的功能：
依照图中的编号：
1、Discover点击后是整个日志总况，这也是经常使用的入口，在这个地方可以定时刷新最新日志，过滤整个日志，添加指定字段显示，展示不同时段的日志总量等等。
2、显示8所选定的时间范围内的日志总量按时间的分布情况，通过该直方图，可以判断应用一天的高峰期时段，通常日志量越大，使用的用户越多。同时，当服务出现故障，会有某类日志暴增，所以环比前一天的数据可以判断服务运行状况。
3、具体日志显示区域，其中Time字段为固定字段，对应日志中的@timestamp字段，该区域从6的区域添加任何你想关注的字段值，在表头位置，鼠标放置该位置 有排序图表 以及左右移动的图标。
4、表示该条件下所查询到的日志总条数
5、当被添加到3（表格）中的字段会显示在该区域，鼠标滑到对应字段可以移除
6、可用字段区域，下方的字段鼠标滑上去会有 add 按钮， 通过该按钮可以添加到3的表格区域显示，点击字段名可以看出该字段的值分布占比。旁边的齿轮小按钮，点击后会展开输入框，输入字符后可以自动匹配下方的字段（该功能在字段特别多的情况下非常有用）。另外，该区域显示的字段总数可以在 Management -> Advanced Settings->Number of terms处设置最大显示字段数。字段中 前面的 t 表示字段类型为字符串， # 表示number字段，时钟表示时间类型字段（具体字段类型请查阅elasticsearch文档），？表示未maping字段，需要在Management ->Index Patterns 处选中对应的索引模式，点击右上角的刷新按钮。
7、查询输入框，查询方式以elasticsearch的query_string查询，如以下查询：
NOT(+app_feed_bug_1 +app_feed_bug_2 +app_feed_bug_3 +app_feed_bug_4 +app_feed_bug_5 +app_feed_bug_6 +app_feed_bug_7 +app_feed_bug_8 +app_feed_bug_9 +app_feed_bug_10)
表示app_feed_bug_1 到 app_feed_bug_10都不同时存在的结果。具体查询语法参考 https://www.elastic.co/guide/en/elasticsearch/reference/6.4/query-dsl-query-string-query.html#query-string-syntax
8、时间段选择，通过@timestamp字段过滤时间段
9、查询条件保存操作，当我们配置好一次查询之后，希望下次可以直接使用，就可以点击该按钮进行保存
10、保存的查询条件可以通过点击此处打开
11、定时刷新操作
12、添加日志字段过滤，支持 is , is one of 等等条件过滤，是一个经常使用而其非常强大的功能
告警模块
sentinl 插件安装，kibana插件安装很简单，只需要注意插件版本和kibana版本保持一致即可。以下是一个安装sentinal 6.4.0的命令：
在kibana安装目录的/bin 目录下执行：
./kibana-plugin install https://github.com/sirensolutions/sentinl/releases/download/tag-6.4.2-0/sentinl-v6.4.0.zip
kibana-plugin会自动下载并解压安装该插件，以及下载安装插件的依赖。默认安装目录在 kibana目录的plugin目录下。
插件的依赖声明在插件包的package.json文件中，其使用方式和nodejs的 npm一致。
插件安装好之后，重启kibana。打开kibana，可以看到左侧已经有Sentinl 菜单，单击该菜单可以添加告警规则，以下展示一个告警规则的配置（可以使用配置向导图形化操作之后再更改）：
{
"actions": {
"email_html_alarm_07ba0173-4e8e-4835-afb9-654687859fdd87": {
"name": "复习模块资源错误",
"throttle_period": "24h", //告警频率阀，如果满足告警条件，每多少时间告警一次，防止频繁消息，这儿显示24小时限制告警一次
"email_html": { //以email的形式告警
"stateless": false,
"subject": "[告警] - {{payload.hits.hits.0._source.app_ppt_module}} - {{payload.hits.hits.0._source.app_ppt_name}} - {{payload.hits.hits.0._source.app_ppt_error_type}} From日志系统", //email的主题
"priority": "high",
"html": "<p><p>模块:{{payload.hits.hits.0._source.app_ppt_module}}</p><p>名称:{{payload.hits.hits.0._source.app_ppt_name}}</p><p>出错页码:{{payload.hits.hits.0._source.app_ppt_file_name}}</p><p>出错类型:{{payload.hits.hits.0._source.app_ppt_error_type}}</p><p>userid:{{payload.hits.hits.0._source.user_id}}</p><p>From：日志系统, <i>修改告警邮件请联系 谢正才</i></p></p>", //EMAIL的邮件内容
"to": "qqq@qq.com,bbbb@ddd.com,bbb@ddd.com,bb@ddd.com", //邮件的接收这
"from": "xxxx@xxxxx.com" //邮件的发送者，该值需要再kibana配置，稍后会有介绍
}
}
},
"input": {
"search": {
"request": {
"index": [
"client_report-*"
],
"body": {
"query": { //这儿表示的是一个elasticsearch搜索
"bool": {
"must": [
{
"match": {
"app_eventid": "app1096"
}
},
{
"match": {
"app_ppt_module": "复"
}
},
{
"range": {
"@timestamp": {
"gte": "now-1440m",
"lt": "now"
}
}
}
]
}
}
}
}
}
},
"condition": {
"script": {
"script": "payload.hits.total > 2" //告警条件，此处表示查询条数大于2条开始告警
}
},
"trigger": {
"schedule": {
"later": "every 5 minutes" //每5分钟执行一次告警条件
}
},
"disable": false,
"report": false,
"title": "复习模块资源错误告警",
"save_payload": false,
"spy": false,
"impersonate": false
}
该告警规则中，可以访问Elasticsearch查询结果中的字段，如：payload.hits.hits.0._source.app_ppt_module 获取app_ppt_module字段的值，（注意：如果数组不是用[0]的方式，而是 .0 的方式）
kibana.yml 中增加配置：
sentinl:
settings:
email:
active: true
user: xxxx@xxxx.com
password: xxxx
host: smtp.exmail.qq.com
port: 465
ssl: true
report:
active: true
该配置设置了发送邮箱的相关参数，包括密码、smtp服务器等。配置好之后重启kibana。
总体来说，该告警功能还是比较强大的。也支持webhook等告警方式，
可视化
可视化是Kibana中很重要的一部分，而其也很强大。下图展示一张折线图的配置（看上去是柱形图，实际是折现图，只是在展现形式上做了调整，文中会说明）
按图中的顺序，一步一步说明：
1、可视化的菜单入口
2、查询输入框和过滤栏，使用方式和Discover处相同，该处的条件设置好以后，则定义好了图表的数据总体，表明图表在该数据总体上去做可视化。是很关键和重要的一步。在我们考虑要做一张图形化的时候，第一步就该考虑数据总体是什么。
3、需要观察的指标，图中表示我要观察count值，配合第二条，此时说明我想count 该查询条件下的日志总数，在这儿特别说明一下，指标的计算类型：
Average ： 求总量的平均值，需要指定number型字段
Count： 计算总量的总条数，
Max：计算总量的最大值，需要指定number型字段
Median：计算总量中的中间值，需要指定number型字段
Min：计算总量的最小值，需要指定number型字段
Percentile Ranks
Percentile
Standard Deviation 计算总量的均方差，需要指定number型字段
Sum 计算总量的总和，需要指定number型字段
Top Hit
Unique Count 去重统计总条数，如计算独立IP数、独立userid数等非常有用
Average Bucket
Max Bucket
Min Bucket
Sum Bucket
Cumulative Sum 对总量的累计汇总，比如每分钟日志条数是 10 、 12、15、8、15、13 。那么按每两分中按该公式计算的结果为， 10+12 = 22、10+12+15+8 = 45、0+12+15+8+15+13 = 73，最终结果为 22、45、73
Derivative 导数，需要添加一个计算公司，该计算方式会自动计算该公式的导数值。
Moving Avg 移动平均数，类似与股票中的移动平均线
Serial Diff 微分
4、桶配置，桶时根据字段值的不同，将数据分为不同的部分，每一个部分就叫一个桶，比如说 字段 a 是 1-100的数字， 可以将a 分为 1- 20 ， 21- 50， 51-70 ，71-100 四个桶。因此对于不同的数据类型，桶可以分为以下几种：
Date Histogram 以时间日期字段 按 天、按 年、 按月 ...分桶。
Date Range 日期范围，指定日期的间断来分桶
Filters 指定多个过滤条件，将数据分为多个桶，该方式做漏斗型数据非常有效
Histogram 指定一个数值字段，然后给定一个间隔长度，以此间隔来分桶
IPv4 Range 根据IPv4的范围来分桶
Range 指定要给数值字段，然后指定多个数值区间（类似于上面的列子），以该数值区间进行分桶
Significant Terms
当桶配置好之后，数据总量被分配到不同的桶中。
熟悉桶的概念之后，对于X-Axis就很容易理解 ： X坐标即使根据桶的数量生成坐标刻度，而桶的生成过程也是聚合的过程。下面介绍在桶中进行 Split Series：
Split Series 即使在桶内根据字段的值的不同进行拆分成不同的小块，拆分的块数多少在图表中形成多少条折线。
Split Chart 即拆分为不同的图表，这都是在桶内进行的。
5、图列，在对桶进行中的数据进行 Split Series 时，图列会显示拆分后的字段分布值，该值有可能时1、2、3、4 ...这样的数字表示，比如说1 表示 首页入口 、2 表示个人中心入口 等，这样的数字作为图列时很难看懂的，这个时候如果需要友好的图列，kibana中没有直接配置的入口，需要在使用脚本字段，编写painless语句（该部分内容下面会有介绍），然后使用添加好的脚本字段作为 Split Series的字段，最终才能得到友好的图列显示。
6、最终显示图表，图中的图表类型为线图，为什么显示为柱状图呢？是在图表配置的Metrics & Axes 中的 Chart Type 配置为 bar。
7、查看该图表在elasticsearch的查询情况，配置图表过程中非常有用
8、保存图表，记得保存，保存后可以添加到面板。
脚本字段
在mysql中我们经常会 用 AS 将一个计算表达式的结果赋值给一个字段，这在elasticsearch中怎么做呢？ 答案是：使用脚本字段。
脚本字段采用painless语言，关于该语言的学习，参靠elasticsearch官方网站：https://www.elastic.co/guide/en/elasticsearch/painless/current/painless-getting-started.html 。
在kibana中配置painless入口：management->Index Patterns->Scripted fields ，点击 Add scripted field 按钮可以得到下面的配置界面：
Name：脚本字段的名字， 类似mysql AS 后的字段名
Language： 采用的语言，有两种：painless 和 expression ， painless是elasticsearch标准语言，强大、性能好。expression是elasticsearch表达式
Type：字段类型
Format： 字段格式
Popularity： 优先级，通常优先级高于0， 0是普通字段的优先级
Script：脚本类容，通过return来赋值给 Name 处填写的字段
关于painless的学习，这儿不再赘述， 下面是一个脚本样例：
if('app1097'.equals(doc['app_eventid.keyword'].value) || 'app1098'.equals(doc['app_eventid.keyword'].value) ){
if('7'.equals(doc['app_payment_entrance.keyword'] .value)) {
return '我的账户入口';
}
if('8'.equals(doc['app_payment_entrance.keyword'] .value)) {
return '充值记录入口';
}
if('1'.equals(doc['app_payment_entrance.keyword'] .value)) {
return 'h5奖学金页入口';
}
if('2'.equals(doc['app_payment_entrance.keyword'] .value)) {
return 'h5活动页入口';
}
if('3'.equals(doc['app_payment_entrance.keyword'] .value)) {
return '课时卡页入口';
}
if('4'.equals(doc['app_payment_entrance.keyword'] .value)) {
return '（上课记录）去付款入口';
}
if('5'.equals(doc['app_payment_entrance.keyword'] .value)) {
return '（完成付款）再次购买入口';
}
if('6'.equals(doc['app_payment_entrance.keyword'] .value)) {
return '（已取消的订单）再次购买';
}
}
该脚本返回一个字符串类型的数据，赋值给Name处命名的字段。
漏斗视图
kibana没有自带的 可视化 漏斗视图，需要在kibana安装ob-kb-funnel插件，该插件的github地址：https://github.com/outbrain/ob-kb-funnel，该插件目前最新支持到 6.4.0，但是没有release的包，安装步骤如下：
a、下载仓库代码，
b、修改package.json包中的json至如下所示：
{
"name": "ob-kb-funnel",
"version": "6.4.0",
"kibana": {
"version": "6.4.0"
},
"devDependencies": {
"numeral": "1.5.3",
"d3-funnel": "^1.2.0"
}
}
主要修改 version 和 kibana.version字段，修改与所支持的版本，注意：该版本也要与kibana的版本一致。
c、拷贝到kibana的plugins下，进入该目录， 执行 npm install （如果提示没有安装npm，网上查找nodejs npm 安装），会自动下载所依赖的包，安装在node_module下面。
d、重启kibana及可。
安装好之后会在可视化界面选择视图类型处看到Funnel View 组件，