2、方案探讨
基础方案如下：
第一步：IP 地址转经纬度坐标。
实现借助第三方工具：https://ipstack.com/
第二步：经纬度坐标借助可视化工具（如：echarts）渲染展示。
这时候不免进一步思考：
有没有更快捷的方案呢？ELK 能实现不？
已知的知识点：
Elasticsearch 支持 Geo-point、Geo-shape 数据类型。
Kibana 支持 Coordinate Map（坐标图）、Region Map（区域地图）可视化地图展示。
两个已知知识点一整合不就是基于 Elasticsearch + Kibana 的可视化展示方案吗？
且慢，有没有更快捷的 IP 地址转经纬度坐标的信息呢？
有的。Ingest 数据预处理管道的 GeoIP processor （处理器）就能达到这个目的。
整体架构图如下图所示：
3、GeoIp processor 介绍
官方解读如下：GeoIp processor 根据来自 Maxmind 数据库的数据添加有关IP地址地理位置的信息。
默认情况下，GeoIp processor 将此信息添加到 geoip 字段下。GeoIp processor 可以解析 IPv4 和 IPv6 地址。
更多 Maxmind 数据库信息参见：
https://dev.maxmind.com/geoip/geoip2/geolite2/
在 Elasticsearch 早期版本中 GeoIp processor 需要安装插件才能使用。7.X 版本后，ES 已自带，不需要安装。
4、导入一条数据实战一把
4.1 步骤 1：创建预处理管道
PUT _ingest/pipeline/geoip_pipeline
{
"description" : "Add geoip info",
"processors" : [
{
"geoip" : {
"field" : "ip"
}
}
]
}
该预处理的目的就是：将输入的 IP 字段转换为：Geoip 类型。具体 Geoip 类型张什么样？后面会揭晓。
4.2 步骤 2：创建索引
DELETE niu_20210215
PUT niu_20210215
{
"settings": {
"index.default_pipeline": "geoip_pipeline",
"number_of_shards": 1,
"number_of_replicas": 0
},
"mappings": {
"properties": {
"geoip": {
"properties": {
"location": {
"type": "geo_point"
}
}
},
"ip":{
"type":"keyword"
}
}
}
}
考虑到后面要批量导入数千条+数据，我们采用了取巧的方式。
使用了在创建索引的时候指定缺省管道（index.default_pipeline）的方式。
这样的好处是：
灵活：用户只关心 bulk 批量写入数据。
零写入代码修改：甚至写入数据的代码一行都不需要改就可以。
4.3 步骤 3：写入一条数据
PUT niu_20210215/_doc/1
{
"ip": "8.8.8.8"
}
这时候，我们查看一下完整的 Mapping 张什么样？
{
"niu_20210215" : {
"mappings" : {
"properties" : {
"geoip" : {
"properties" : {
"city_name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"continent_name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"country_iso_code" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"location" : {
"type" : "geo_point"
},
"region_iso_code" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"region_name" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
},
"ip" : {
"type" : "keyword"
}
}
}
}
}
写入后的数据，查看返回如下：
"_source" : {
"geoip" : {
"continent_name" : "North America",
"country_iso_code" : "US",
"location" : {
"lon" : -97.822,
"lat" : 37.751
}
},
"ip" : "8.8.8.8"
}
有点长，铭毅解读一下：
第一：geoip 是 object 类型，它有几个子字段，含义如下：
geoip.city_name：城市
geoip.continent_name：大陆名称
geoip.country_iso_code：国家编码
geoip.location：经纬度坐标，必须是：geo_point 类型
geoip.region_iso_code：地域编码
geoip.region_name：地域名称
第二：为节省存储，Mapping 可以优化。
比如：所有的默认字符串类型改成：keyword 类型。
第三：为了后面的作图必须将 location 设置为 geo_point 类型。
以上三个步骤：就完成了单条数据的写入。
4.4 步骤 4：kibana 可视化展示
4.4.1 创建关联索引模板
目的：创建可视化需要关联的索引数据。
4.4.2 创建坐标图
选择左侧导航栏的 Visualize，然后选择右侧 Create new visualization，然后再选择：Coordinate Map 即可。
本文Elasticsearch + kibana 均选用 7.2 版本。
4.4.3 可视化基础设置，执行后，就能看到可视化结果。
如前所述，这里要强调的是：geoip.location 必须是 geo_point 类型。
5、批量导入数据后可视化展示
基于第 4 节的导入一条数据，python 批量 bulk 导入本地文件数据后，可视化效果如下图所示：
- 因为全局设置了 default_pipeline，写入数据不需要做任何特殊处理了。
