课时1:基于Kibana Discover筛选数据,自由搜索航班信息并导出CSV报告

简介: 课时1:基于Kibana Discover筛选数据,自由搜索航班信息并导出CSV报告

10分钟玩转Elasticsearch训练营:课时1:基于Kibana Discover筛选数据,自由搜索航班信息并导出CSV报告

课程地址:https://developer.aliyun.com/trainingcamp/32c963b2319b46d78e7103797cf5f1b0?spm=a2cwt.28237621.J_9603273760.5.31b2b726xTbsZG


基于 Kibana Discover 筛选数据,自由搜索航班信息并导出 CSV 报告

 

内容介绍

一、实验介绍

二、实验步骤

三、正式讲解

 

一、 实验介绍

1.实验准备

做实验之前要开通阿里云检索服务 Elastic search 版,可以免费试用1个月(数据节点2核4GB 20GB 3节点,Kibana 2核4GB)

2.重点内容

本实验基于 Kibana Discover 功能来搜索航班信息,例如航班号、航班状态、目的地天气等,并保存搜索和导出搜索结果为 CSV 报告。通过本实验您将掌握 Kibana Discover 的使用方法,帮助您更加快速的筛选和搜索数据,从而提高功能工作效率。

 

二、实验步骤

1.飞行航班数据介绍

Elasticsearch提供了内置的飞行航班数据

(kibana_sample_data_flights)您可以使用数据集中的索引数据,进行各种图表、图形、地图和其他可视化展示。

image.png

2.筛选航班数据进行搜索

Kibana 支持2种方式筛选数据:

image.png

(1) 在查询栏下添加筛选

详细步骤:

在左侧字段列表中单击 DestWeather 查看该字段的常见值

创建一个仅显示目的地天气为多云的航班的过滤器

添加一个显示取消的航班的过滤器

添加一个显示取消的航班的过滤器

添加一个航空公司为 Logstash Airways 或 JetBeats 的过滤器

⑥最后,添加一个航班延误时间在1~100分钟之间的过滤器

(2) 在查询栏中使用 KQL(Kibana Query Language)语法筛选

 

三、正式讲解

1.方法一

(1)添加数据集

首先要开通阿里云的服务,启动 Elasticsearch 集群,在可视化控制这一栏点击公网入口进入到 Kibana 主页

image.png

在主页中如果没有数据,点击试用样例数据后点击其他样例数据集,再点击中间的添加数据

image.png

这个数据添加后可以在开发工具可以通过 GET_cat/indices 可以看到新的数据集叫做 kibana_sample_data_flights数据

image.png

(2)点击进入Discover

下图这个界面最重要的一点是需要在左上角Kibana Sample Data Flights选择数据集,同时在右上角选择时间范围,一般选择过去三十天的数据集

image.png

这个数据集数据显示出来都集中在一起,看的不明显,可以选中集中的数据聚集就可以占满几乎整个空间,这是一个非常直接的方法

image.png 

我们如果要查看数据集可以将左下角选择 Rows per page:50,即可查看数据

(3)在查询点上添加过滤器

①添加第一个过滤器

点击左上角的“+”,选择 Destweather 字段,运算符选择“是”,下面会自动有一个 Cloudy,现在所有数据都是由 Cloudy 组成

image.png

②添加第二个过滤器

字段选择 Cancelled ,运算符选择“是”,值选择 true

image.png

在很多情况下 Cancelled 是 true 也就是它是被取消的,如果不被取消,可以点击排除结果,结果是380个,是相反的,是没有被取消的

 image.png

添加第三个过滤器

字段选择 Carrier,运算符选择“属于”,值选择“Logstash Airways”和“JetBeats”,可以看到它有180个命中,和上面是完全不一样的

image.png

④添加第四个过滤器

字段选择 FightDelayMin ,运算符选择“介于”,范围从1到100,数据有13个,显然是变少了

image.png

(4)过滤器的优点

可以删除、可以排除、可以禁用,可以在所有应用上固定,可以贯穿所有的可视化,不用的时候可以禁用,需要用时可以重新使用,就不需要再次重建

image.png

2.方法二

通过 KQL 的语法,在上面的搜索框中进行搜索,输入 DestWeather:“Cloudy”and not Cancelled:true,数据变成380个命中

image.png

输入 DestWeather:“Cloudy”and not Cancelled:true and Carrier:(“Logstash Airways”OR“JetBeats”),会进一步缩小数据

image.png

输入 DestWeather:“Cloudy”and not Cancelled:true and Carrier:(“Logstash Airways”OR“JetBeats”)and FightDelayMin>0 and FightDelayMin<=100,有十三个命中,这显然是之前的一个搜索结果,我们可以把它做成一个表格

image.png

(1)做成表格

①方法一

点击下面表格的第一个,打开后点击在表中切换列的选项,这一列即可添加进去

image.png

在搜索栏中输入 Origin ,点击 OriginCityName 前的在表中切换列,则可以看到下图表格

image.png

②方法二

在左边搜索栏输入 Carrier 点击添加,将它添加进去再输入 FlightDelayMin 将它添加进去

image.png

得到这个结果后可以进行保存,点击右上角保存,输入标题为 Delayed fights saved search 1,然后做一些概述,一般把时间存进去,现在关掉后也可以重新打开了

(3) 共享 CSV 的报告

点击共享-CSV报告-生成CSV点击右下角弹出的链接

image.png

变成如下界面,可以点击右下角或者Delayed fights saved search 1后面的下载图标进行下载下载后点击左下角链接会出现如下的 CSV 表格,13个结果,试验完成

 

 

相关实践学习
以电商场景为例搭建AI语义搜索应用
本实验旨在通过阿里云Elasticsearch结合阿里云搜索开发工作台AI模型服务,构建一个高效、精准的语义搜索系统,模拟电商场景,深入理解AI搜索技术原理并掌握其实现过程。
ElasticSearch 最新快速入门教程
本课程由千锋教育提供。全文搜索的需求非常大。而开源的解决办法Elasricsearch(Elastic)就是一个非常好的工具。目前是全文搜索引擎的首选。本系列教程由浅入深讲解了在CentOS7系统下如何搭建ElasticSearch,如何使用Kibana实现各种方式的搜索并详细分析了搜索的原理,最后讲解了在Java应用中如何集成ElasticSearch并实现搜索。 &nbsp;
相关文章
|
监控 芯片
芯片测试:WAT、CP、FT
芯片测试:WAT、CP、FT
617 0
|
关系型数据库 MySQL 数据库
找不到请求的 .Net Framework Data Provider。可能没有安装
做的一个项目,框架为.net framework 数据库为mysql 出现如标题错误 检查是否安装mysql、是否安装mysql connector net 笔者是因为没有安装后者mysql connector net 下载地址: [mysql connector net](https://downloads.mysql.com/archives/c-net/ "mysql connector net") 笔者安装截图如下: ![请在此添加图片描述](https://developer-private-1258344699.cos.ap-guangzhou.myqcloud.com/c
660 0
|
10月前
|
数据采集 人工智能 安全
开源赋能双碳:MyEMS 能源管理系统的架构与实践价值
在全球碳中和趋势与“双碳”目标推动下,能源管理趋向精细化与智能化。MyEMS是一款基于Python开发的开源能源管理系统,具备灵活适配、功能全面的优势,覆盖工厂、建筑、数据中心等多元场景。系统支持能源数据采集、分析、可视化及设备管理、故障诊断、AI优化控制等功能,提供“监测-分析-优化”闭环解决方案。遵循“国家+省级+接入端”三级架构,MyEMS在重点用能单位能耗监测中发挥关键作用,助力实现能源效率提升与政策合规。开源模式降低了技术门槛,推动“双碳”目标落地。
320 0
|
机器学习/深度学习 人工智能 PyTorch
从零开始:如何训练自己的AI模型
### 从零开始:如何训练自己的AI模型 训练AI模型如同培养新生儿,需耐心与技巧。首先明确目标(如图像识别、自然语言处理),选择框架(TensorFlow、PyTorch)。接着收集并预处理数据,确保多样性和准确性。然后设计模型结构,如卷积神经网络(CNN),并通过代码实现训练。训练后评估模型性能,调优以避免过拟合。最后部署模型至实际应用。通过猫狗分类器案例,掌握关键步骤和常见问题。训练AI模型是不断迭代优化的过程,实践才能真正掌握精髓。
|
SQL JSON 数据格式
ES中如何实现空值和非空值的查询
ES中如何实现空值和非空值的查询
5739 0
|
存储 JavaScript 前端开发
【开发模板】Vue和SpringBoot的前后端分离开发模板(二)
【开发模板】Vue和SpringBoot的前后端分离开发模板
338 0
|
机器学习/深度学习 人工智能 算法
探索人工智能的伦理困境与技术解决方案
随着人工智能(AI)技术的飞速发展,其在改善生活质量、提升工作效率等方面展现出巨大潜力。然而,AI的发展同样伴随着诸多伦理问题,如隐私侵犯、算法偏见和自动化失业等。本文将深入探讨AI所面临的伦理挑战,并讨论可能的技术解决方案,以期在促进技术创新的同时,保障人类社会的公正与福祉。
|
IDE 数据可视化 Linux
在Linux中,如何比较两个文件差异?
在Linux中,如何比较两个文件差异?
|
关系型数据库 MySQL Java
实时计算 Flink版操作报错合集之遇到删除操作时,出现Failed to deserialize data of EventHeaderV4 错误如何解决
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。
622 5
|
存储 编解码 Java
图书馆信息管理系统(总)(中)
图书馆信息管理系统(总)(中)
640 2

热门文章

最新文章