【入门指南】操作阿里云Kibana

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
简介: Elastic公司的“ELK”是目前最火的日志分析三剑客,其中ElasticSearch负责日志的索引,Logstash负责日志的收集,Kibana负责日志的展示和分析。Elastic与阿里云达成了合作伙伴关系,推出“阿里云 Elasticsearch”服务,提供了开箱即用的Elasticsearch和Kibana环境。

Elastic公司的“ELK”是目前最火的日志分析三剑客,其中ElasticSearch负责日志的索引,Logstash负责日志的收集,Kibana负责日志的展示和分析。
事实上并不局限于日志分析,ELK技术栈同样适用于通用的数据采集、索引、分析业务,不可谓不强大。

Elastic与阿里云达成了合作伙伴关系,推出“阿里云 Elasticsearch”服务,提供了开箱即用的Elasticsearch和Kibana环境,方便我们快速搭建数据分析平台。下面我们将手把手演示一下如何在阿里云上创建并使用ElasticSearch服务。

首先,我们创建阿里云Elasticsearch服务,阿里云提供了一个月的免费体验服务。
如图,选择自己服务器所在的区域、VPC以及下面的虚拟交换机。对于大规模集群,可以勾选dedicated master,专用主节点可增强群集的稳定性。
1.png

阿里云目前提供了5.5.3_with_X-Pack版本的ElasticSearch,集成了X-Pack扩展,用户不必再手动购买。

X-pack是Elasticsearch的一个商业版扩展包,将安全,警告,监视,图形和报告功能捆绑在一个易于安装的软件包中。它可以作为插件被快速集成在Kibana中,并提供给用户集群启用认证、角色权限管控、集群实时监控、可视化报表生成、机器学习等能力。

开通完成后,需要等待3-5分钟进行初始化。初始化完成后,可以点击实例ID,进入管理页面。
2.png

管理界面显示了ElasticSearch实例的基本信息,并且提供了重启、扩容、续费等操作。
同时可以从这里进入Kibana控制台以及监控页面。
3.png

监控

监控页面已经和阿里云的云监控整合在一起,使用方式和云监控完全相同。
4.png

譬如在这里我们可以设置一条报警规则,集群的磁盘使用率5分钟的平均值大于80%则报警。还可以配置通知方式,可以选择手机、邮箱、旺、钉钉机器人等。
5.png

ElasticSearch

购买ElasticSearch后,在同一区域相同VPC下的服务器便可以直接访问ElasticSearch,相关API可以参考官方文档

登录到机器上,调用HTTP API来测试一下是否可以连通ElasticSearch

6.png

查看节点信息:

7.png

查看index信息:
8.png

可见,阿里云ElasticSearch已经帮我们已经默认创建了几个系统index,这其实是集群的监控信息。
我们来查看一下其中一个index:

9.png

可见,这里记录的是Kibana的监控信息,同理.monitoring-es-6-2018.xx.xx里面记录的是ElasticSearch的监控信息。

ElasticSearch的使用方式非常简单,我们可以创建一个新的index来体验一下
创建一个名为aliyun_es的index:

curl -XPUT -u elastic:YOUR_PASSWORD es-cn-xxxxxxxxxxxxx.elasticsearch.aliyuncs.com:9200/aliyun_es

10.png

index中的每条记录,称为document(下文简称doc),类似于MongoDB中的概念,事实上也很类似,因为每个doc都是一个json对象。
ElasticSearch的灵活之处就在于可以灵活地支持各种结构的数据,同一个index下,doc也可以有不同的structure,但最好不要这么做,这样很影响效率。

在index下,还可以用Type对doc进一步分组,以区别不同类型(无需单独创建,添加数据时指定路径即可)。
添加数据的方式非常简单:

curl -X POST -u elastic:YOUR_PASSWORD es-cn-xxxxxxxxxxxxx.elasticsearch.aliyuncs.com:9200/index_name/type_name -d '{...}'

我们创建如下几个doc试试。

{
"title":"hahaha",
"body":"I am very happy.",
"author":"admin"
}

{
    "title":"foo",
    "body":"bar",
    "author":"admin"
}

{
    "title":"hello",
    "body":"helloworld",
    "author":"root"
}

然后再查询一下,验证数据已经插入成功。
11.png

但是Type功能正在被逐渐废弃,预计7.x版本将不再支持Type,因此最好不要再使用。

虽然只有三条数据,但是道理是相通的,此时我们已经可以开始对数据进行搜索和分析了。

Kibana

不过使用命令行方式操作ElasticSearch很不方便,并且只有非常基础的功能,我们可以使用Kibana来进行搜索以及数据分析。

点击页面上的按钮进入Kibana控制台,事实上我们只要记录下这个地址便可以由公网访问Kibana控制台,账号为elastic,密码为之前我们创建实例时设定的密码。

登录后,Kibana会让我们输入index名以进行初始化,输入之前我们创建的aliyun_es
12.png

创建完成后,可以进一步进行配置。如果不需要的话,那么就已经全部配置完成了!
13.png

可以在discover一栏看到我们刚才添加的数据,以及数据的大体统计信息:
14.png
17.png

也可以进行各种搜索操作:
15.png

以及各种展示信息,譬如我们可以绘制一个饼状图,统计不同author的的doc数量:
18.png

以及可以查看更多更详细的监控信息:
19.png

其他

还可以配合Logstash收集日志,组成完整的"ELK日志分析套装",当然这也并不是必须的,ElasticSearch并不只局限于日志索引,Kibana也不局限于日志分析。
本文变不再赘述,有兴趣的读者可以自己尝试。

总结

阿里云ElasticSearch提供了非常完整成熟的ElasticSearch+Kibana解决方案,用户无需手动运维,只要点点鼠标就可以拥有一个独立的ElasticSearch+Kibana集群。

相比于手动搭建,有如下几点好处:

  • 搭建、管理方便,只要点点鼠标就可以搭建完成,并可以很容易地实现扩容
  • 独立集群,由阿里云集中管理,并支持快照等功能,稳定性高
  • 有X-Pack商业授权,可以使用balabala等高级功能,并默认集成多项插件

不过也有一些缺点:

  • 价格较高,最低配的集群一个月也要三百多元
  • 版本有限,现在官方已经更新到6.x版本,而阿里云上目前只有5.5.3这一个版本可供选择,定制性稍差
  • 目前只支持 华北2、华东1、华东2、华南1 这几个区域,其他区域的用户还需要再等等

总体来看,阿里云ElasticSearch服务更适合最求稳定与便捷性的企业用户。
尤其是业务跑在阿里云上的企业,阿里云ElasticSearch服务将有效降低运维监控的成本,并提升数据分析的便捷性。

加入钉钉技术讨论群

dingQR

阿里云Elasticsearch已正式发布啦,Elastic开源官方联合开发,集成5.5商业版本XPack功能,欢迎开通使用。

点击了解更多产品信息

相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
目录
相关文章
|
11月前
|
人工智能 自然语言处理 API
动手实践:高效构建企业级AI搜索
本文介绍了基于阿里云 Elasticsearch的AI搜索产品能力、业务价值、场景应用,以及搭建演示等。
11563 5
|
12月前
|
存储 人工智能 自然语言处理
阿里云Elasticsearch AI场景语义搜索最佳实践
本文介绍了如何使用阿里云Elasticsearch结合搜索开发工作台搭建AI语义搜索。
17612 68
|
11月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
19578 21
|
11月前
|
NoSQL atlas MongoDB
构建实时银行应用程序:英国金融机构 Nationwide 为何选择 MongoDB Atlas
正如 Nationwide 在135 年前的初衷一样,无论数字化程度如何,Nationwide仍将继续以会员为核心,满足会员的日常需求
3924 3
|
11月前
|
存储 SQL 关系型数据库
(二十一)MySQL之高并发大流量情况下海量数据分库分表的正确姿势
从最初开设《全解MySQL专栏》到现在,共计撰写了二十个大章节详细讲到了MySQL各方面的进阶技术点,从最初的数据库架构开始,到SQL执行流程、库表设计范式、索引机制与原理、事务与锁机制剖析、日志与内存详解、常用命令与高级特性、线上调优与故障排查.....,似乎涉及到了MySQL的方方面面。但到此为止就黔驴技穷了吗?答案并非如此,以《MySQL特性篇》为分割线,整个MySQL专栏从此会进入“高可用”阶段的分析,即从上篇之后会开启MySQL的新内容,主要讲述分布式、高可用、高性能方面的讲解。
636 1
|
11月前
|
SQL 关系型数据库 MySQL
(十六)MySQL调优篇:单机数据库如何在高并发场景下健步如飞?
在当前的IT开发行业中,系统访问量日涨、并发暴增、线上瓶颈等各种性能问题纷涌而至,性能优化成为了现时代中一个炙手可热的名词,无论是在开发、面试过程中,性能优化都是一个常谈常新的话题。而MySQL作为整个系统的后方大本营,由于是基于磁盘的原因,性能瓶颈往往也会随着流量增大而凸显出来。
1199 0
|
12月前
|
算法 Java 调度
高并发架构设计三大利器:缓存、限流和降级问题之使用Java代码实现令牌桶算法问题如何解决
高并发架构设计三大利器:缓存、限流和降级问题之使用Java代码实现令牌桶算法问题如何解决
128 0
|
JSON 大数据 数据格式
web后端-json递归获取key值
web后端-json递归获取key值
|
测试技术 数据库
阿里研究员:测试稳定性三板斧,我怎么用?
如何治理测试稳定性问题?很多人会说:环境、流程管控、监控、工具化、加机器、专人负责、等等。这些都是对的。不过这些都是解决方案层面的,而不是方法论和理论体系层面的。今天,阿里研究员郑子颖来说说测试稳定性的三板斧。据说,阿里同学们都非常认同这三板斧,看完文章感觉很多做的事情有了理论基础。
2815 0