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

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
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
|
3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。
151 0
|
SQL 关系型数据库 数据库
|
8月前
|
JSON API 数据格式
携程网获取景点列表 API 接口(携程 API 系列)
携程作为国内知名的在线旅游服务提供商,其景点列表API对接口功能、参数和返回格式进行了详细定义。该接口可获取景点基本信息(名称、地区、开放时间等),支持条件筛选查询(如按地区、评分、价格区间等)。接口返回JSON或XML格式数据,并设有调用限制以确保系统稳定性和数据安全。虽然携程未公开免费API,开发者可通过商务合作申请权限。以下为模拟Python请求示例,展示了如何使用该接口获取景点信息。 代码示例中,通过`requests.get()`发送GET请求,设置请求参数(如地区、门票价格等)和请求头(模拟浏览器访问),并处理响应数据。实际应用需替换为真实的接口URL,并遵循携程官方文档要求。
1720 0
|
监控 测试技术 开发者
开发者如何使用微服务引擎MSE
【10月更文挑战第16天】开发者如何使用微服务引擎MSE
752 4
|
缓存 数据处理 Android开发
Android经典实战之Kotlin常用的 Flow 操作符
本文介绍 Kotlin 中 `Flow` 的多种实用操作符,包括转换、过滤、聚合等,通过简洁易懂的例子展示了每个操作符的功能,如 `map`、`filter` 和 `fold` 等,帮助开发者更好地理解和运用 `Flow` 来处理异步数据流。
430 4
|
7月前
|
人工智能 关系型数据库 MySQL
解决MySQL自增id用尽的问题
本文介绍了解决文章点击记录表(`article_click_record`)数据量激增问题的方案。由于用户量大,每天新增约400万条记录,导致表id接近溢出(2,100,000,000),且占用空间超320G。解决方案包括:1) 新建`article_click_record_new`表,将id类型改为BIGINT以避免溢出;2) 过渡阶段同时写入新旧表,待旧表id溢出后切换至新表;3) 定时清理过期数据或转移旧表内容。实现方式涉及修改相关接口和服务逻辑,确保业务平稳过渡。
177 5
|
关系型数据库 MySQL Java
spi机制打破双亲委派机制
在JDBC4及以上版本,连接MySQL数据库不再需要显式加载驱动(`Class.forName`),而是利用SPI机制。系统通过扫描`META-INF/services/java.sql.Driver`文件找到`com.mysql.cj.jdbc.Driver`并使用`ServiceLoader`由AppClassLoader加载。`DriverManager`在启动时加载所有可用的`Driver`实现,实现解耦和动态发现。虽然看起来逆向了双亲委派,但实际上每个类仍由适当的类加载器加载,保持了加载层次。
spi机制打破双亲委派机制
|
存储 人工智能 安全
大环境下AI发展迅速,如何保证AI的安全问题?
保障AI安全的关键措施包括:数据隐私保护(加密、访问控制、脱敏、共享协议)、模型安全(验证、鲁棒性、监测、更新)、用户信息保护(透明收集、匿名化、保密协议)、网络安全(实时监测、防护措施)和合规伦理(遵守法规、融入设计)。此外,安全培训和意识提升也是重要一环。多角度策略确保AI技术的安全、健康和可持续发展。
2434 0
|
存储 弹性计算 运维
基于Kibana Discover筛选数据,自由搜索航班信息并导出CSV报告
通过本教程,您将体验Kibana的Discover功能,包括筛选数据(查询栏下添加筛选或在查询栏中使用KQL语法筛选)、保存搜索和导出搜索结果为CSV报告。
8216 3
|
C# 开发者
全面提升开发效率:详解如何使用Blazor Server与SignalR打造实时Web应用,从零开始构建聊天室示例并掌握实时通信核心技术
【8月更文挑战第31天】提高生产力不仅关乎效率提升,更在于用更少时间完成更多任务。本文将通过具体代码示例,介绍如何结合 Blazor Server 和 SignalR 构建实时 Web 应用。从创建 Blazor 项目到添加 SignalR 支持,再到实现客户端与服务器间的实时通信,每个步骤都详细讲解。通过这一组合,C# 开发者能获得前后端一致的编程体验,轻松打造高效、响应迅速的实时应用。实时通信功能已在社交、协作等多个领域发挥重要作用,本文将助你掌握这一强大技术组合。
540 0

热门文章

最新文章