【Elastic Engineering】Kibana:Kibana 入门 (三)

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: 使用 Maps 应用来进行可视化


这篇文章是之前文章的续篇:



在进行这篇文章的练习之前,请先阅读之前的两篇文章。


使用 Maps 应用来进行可视化


在接下来的练习中,我将使用 Maps 来对数据进行可视化。我们仿照之前的做法来重新创建一个崭新的 Dashboard:



在上面,我们选择 Show as 为 clusters,也即每个 cluster 的大小表示每个地区起飞航班的数量。cluster 越大,表示的航班数越多。当然这是个默认的情况。在下面我们会修改这个指标。cluster 的大小可能会表示航班的平均价格。



上面表示,我们的 cluster 将表示航班的平均价格。



点击上面的 Save & close:



点击上面的 Save and return:



这样就生成了我们第一个地图可视化。


创建多层的地图


在上面我们创建了一个图层的地图。在实际的使用中,我们甚至可以在一张地图上创建多个图层。我们甚至可以控制在不同的放大倍数下,各个图层的可见性。比如,当地图的放大到一定的倍数时,我们甚至可以让某些图层不可见,而使更为细节的图层可见。


下面,我们来展示如何在地图中添加多个图层。和之前的操作类似,我们选择 Maps 来创建地图可视化:


   


如果这个时候,我们点击地图上的任何一个文档,我们可以看到一个弹出的对话框。它显示当前文档里的 DestAirportID。点击上面的 Save & close:



这样,我们就生成了我们的第一个图层。我们接下来点击 Add layer 来添加另外一个图层:



这样我们就得到了含有两个图层的地图可视化。当我们把鼠标停留在 LAYERS 上的列表时,我们可以看到每个项的最右边有一个两个平行线的图标。我们可以使用这个图标来调整每个图层的上下关系。我们拖动这个图标,改变两个图层的上下关系:



点击 Save and return:



这样,我们就生成了地图的第二个可视化图。在这个可视化图中,它包含有两个图层。


放大倍数及图层可见性


在上面的练习中,我们创建了两个图层的地图。地图默认显示两个图层,也就是你可以同时看见两个图层的图像。 你可以根据缩放级别更改图层的可见性。 例如,你可能只想让文档以特定的缩放级别在地图上可见。在接下来的练习中,我们通过地图的放大倍数来控制各个图层的可见性。


我们打开刚才的 Dashboard:



点击 Save & close:


 

按照同样的方法,我们修改下面的一个图层:



点击  Save & close:



当地图的放大倍数为0-5时,我们可以看到类似上面的显示。只有下面的图层被显示。当我们继续放大地图到放大倍数超过5时,我们可以看到:


 

上面的那个 heatmap 图层不见了。取而代之的是上面的那个图层。在这个图层中,我们可以看到每个文档的位置。


点击上面的 Save and return。这样我们就完成了第二天可视化的修改:


 

行政边界


到目前为止,你已经根据地理位置(经度和纬度)创建了图层。 你还可以基于行政边界创建图层。 行政边界可以是一个国家或地区(省、县、州……)。  当你的数据中包含国家或地区信息时,你可以将其与 Elastic Maps Service (EMS) 提供的行政边界结合使用。


和之前的练习相似:



在上面颜色的深浅代表文档数的多少,当然这个颜色也是可以修改的。在上面的图中,它显示了各个国家文档数的多少。


点击 Save and return。这样就完成了我们第三个地图的可视化图:


 

在今天的文章中,我展示了如何通过 Kibana 的 Maps 来展示数据的地理分布。


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。
相关文章
|
5月前
|
数据采集 监控 安全
改进 Elastic Agent 和 Beats 中的事件队列
【6月更文挑战第9天】Elastic Agent和Beats在数据采集中的关键组件是事件队列,它影响系统性能和可靠性。面对高并发和大数据量,传统队列可能存在问题。优化包括:选择高效数据结构(如环形队列)、管理队列容量和溢出处理、确保多线程安全以及实时监控和调优。示例代码展示了一个基础事件队列的实现。通过综合优化,可提升数据处理效率,为数据分析和监控提供支持。随着技术发展,事件队列的改进将持续进行。
53 9
|
JSON 数据格式 索引
【Elastic Engineering】Elasticsearch:Elasticsearch 中的数据强制匹配
Elasticsearch:Elasticsearch 中的数据强制匹配
177 0
【Elastic Engineering】Elasticsearch:Elasticsearch 中的数据强制匹配
|
存储 JSON 搜索推荐
【Elastic Engineering】Elasticsearch 简介
Elasticsearch 是一个非常强大的搜索引擎。
21129 5
【Elastic Engineering】Elasticsearch 简介
|
存储 监控 安全
【Elastic Engineering】Logstash:Logstash 入门教程 (二)
这是之前系列文章 “Logstash:Logstash 入门教程 (一)” 的续集。在之前的文章中,我们详细地介绍了 Logstash 是什么?在今天的文章中,我们将详细介绍如果使用 Logstash,并把 Apache Web log 导入到 Elasticsearch 中。
581 0
【Elastic Engineering】Logstash:Logstash 入门教程 (二)
|
JSON JavaScript 前端开发
|
存储 运维 安全
【Elastic Engineering】Elasticsearch:管理 Elasticsearch 内存并进行故障排除
Elasticsearch:管理 Elasticsearch 内存并进行故障排除
353 0
【Elastic Engineering】Elasticsearch:管理 Elasticsearch 内存并进行故障排除
|
固态存储 搜索推荐 Java
【Elastic Engineering】Elasticsearch:如何提高 Elasticsearch 数据摄入速度
Elasticsearch:如何提高 Elasticsearch 数据摄入速度
434 1
【Elastic Engineering】Elasticsearch:如何提高 Elasticsearch 数据摄入速度
|
存储 数据可视化 索引
【Elastic Engineering】Kibana:Kibana 入门 (二)
这篇文章是是上一篇文章 “Kibana:Kibana 入门 (一)” 的续篇。在阅读这篇文章之前,请先阅读上面的这篇文章。
309 0
【Elastic Engineering】Kibana:Kibana 入门 (二)
|
监控 数据可视化 前端开发
【Elastic Engineering】Kibana:Kibana 入门 (一)
在我之前的文章 “如何开始使用 Kibana”,我对 Kibana 做了一个简单的介绍。从那篇文章中,我们可以对 Kibana 有一个初步的了解
889 0
【Elastic Engineering】Kibana:Kibana 入门 (一)
|
存储 传感器 JSON
【Elastic Engineering】 Kibana:如何开始使用
Kibana 是用于在 Elasticsearch 中可视化数据的强大工具。 这是开始探索你的 Elasticsearch 数据的方法。Kibana 是一种开源分析和可视化工具,可通过基于浏览器的界面轻松搜索,可视化和探索大量数据。 除了 Elasticsearch,Logstash 和 Beats 之外,Kibana 是 Elastic Stack(以前称为 ELK Stack)的核心部分。
620 0
【Elastic Engineering】 Kibana:如何开始使用
下一篇
无影云桌面