(五).Kibana安装与搭建
1.什么是ELK
ELK是 Elasticsearch，Logstash，Kibana 三大开源框架首字母大写简称。市面上也被称为Elastic Stack。其中ElasticSearch 是一个基于Lucene，分布式，通过Restful 方式进行交互的近实时搜索平台框架。像类似百度，谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为es。Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/redis/elasticsearch/kafka等）。Kibana可以将elasticsearch的数据通过友好的页面展示出来，提供实时分析的功能。
收集清洗数据–>搜素，存储–>kibana
市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其他任何数据分析和收集的场景，日志分析和收集只是更具有代表性。并非唯一性。
2.什么是Kibana
Kibana是一个开源的分析与可视化平台，设计出来用于和Elasticsearch一起使用的。你可以用kibana搜索、查看存放在Elasticsearch中的数据。Kibana与Elasticsearch的交互方式是各种不同的图表、表格、地图等，直观的展示数据，从而达到高级的数据分析与可视化的目的。
Elasticsearch、Logstash和Kibana这三个技术就是我们常说的ELK技术栈，可以说这三个技术的组合是大数据领域中一个很巧妙的设计。一种很典型的MVC思想，模型持久层，视图层和控制层。Logstash担任控制层的角色，负责搜集和过滤数据。Elasticsearch担任数据持久层的角色，负责储存数据。而我们这章的主题Kibana担任视图层角色，拥有各种维度的查询和分析，并使用图形化的界面展示存放在Elasticsearch中的数据。
3.安装Kibanna
注意：kibana 版本要和Es 一致
(1).解压文件夹
解压文件夹,需要的时间比较长大概2分钟左右。
(2).启动Kibana
1.这里也许要Node.js的环境
2.开启Libana
Kibana需要依赖于ElasticSearch,ELasticSearch需要开启
3. 默认访问端口是 5601
(3).访问测试Kibana
1.访问测试
2.开发工具台
(4).汉化Kibana
- 查看汉化包
C:\Environment\kibana-7.6.1-windows-x86_64\kibana-7.6.1-windows-x86_64\x-pack\plugins\translations\translations
2. 配置汉化包
C:\Environment\kibana-7.6.1-windows-x86_64\kibana-7.6.1-windows-x86_64\config
3. 配置文件
4. 重启Kibana服务
(六)、ES 核心概念
1.ElasticSearch概述
我们已经掌握了es是什么,同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢?
集群，节点，索引，类型，文档，分片，映射是什么?
详细讲解: https://www.cnblogs.com/progor/p/11548269.html
2.ElasticSearch是面向文档的
elasticsearch 是面向文档，关系性数据库和elasticsearch 客观对比！一切都是JSON
elasticsearch（集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又包含多个文档（行），每个文档中又包含多个字段（列）
3.ElasticSearch 物理设计
(1).一个elasticSearch就是一个集群
elasticearch 在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移
一个人就是一个集群！默认的集群名称就是 elasticsearch
(2).节点和分片如何工作
默认分片书就是五个:
一个集群至少有一个节点，而一个节点就是一个ealsticsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有5个分片（primary shard,又称主分片）构成的，每一个主分片会有一个副本（replica shard,又称复制分片）
上图一个有3个节点的集群，可以看到主分片和对应复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下；就能告诉你哪些文档包含特定的关键字。不过，等等，倒排索引是什么鬼？
(3).倒排索引
elasticsearch使用的是一种称为倒排索引的结构，采用Lucenne倒排索引作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。
例如，现在有两个文档，每个文档包含如下内容：
Study every day,good good up to forever # 文档1包含的内容 to forever,study every day,good good up # 文档2包含的内容
为了创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表，列出每个词条出现哪个文档：
现在，我们试图搜索to forever,只需要查看包含每个词条的文档。然后我们发发现图1的权重更高，因为他的 匹配度是2，百度的排序思想也是这样的，谁的权重高谁拍上面
5.ElasticSearch 逻辑设计
一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的一个顺序找到它：所以索引->类型->文档ID，通过这个组合我们就能索引到某个具体的文档。
注意：ID不必是整数，实际上它是个字符串
(1).文档 (行)
就是一条条数据在MySQL中就是一行行数据
user 表 : 1号用户张三18岁... 1 zhangsan 18 2 kuangshen 3
之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性：
- 自我包含，一篇文档同时包含字段和对应的值，也就是同时包含
key:value - 可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的！（就是一个
json对象！fastjson进行自动转换！） - 灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段
尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也成为映射类型。
(2).类型 (表)
类型是文档的逻辑容器，就像关系型数据库一样，表是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那某elasticsearch是怎么做的呢？elasticsearch 会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elatsicsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归，先定义好字段，然后再使用，别整什么幺蛾子。
(3).索引 (库)
就是数据库。索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了，我们来研究下分片是如何工作的。
(4).索引的列子
两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。
再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构：
倒排索引：根据value找到ID ->(根据关键字找索引)
如果要搜索含有python标签的文章，那相对于查找所哟原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。完全过滤掉无关的所有数据，提高效率！
elasticsearch的索引和Lucene的索引对比
在elasticsearch中，索引（库）这个词被频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以 一个elasticsearch索引是由多个Lucene索引。别问为什么，谁让elasticsearch使用Lucene作为底层呢！如无特指，说起索引都是指elasticsearch的索引。
接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作！
