Elasticsearch-Kibana-Beats-Logstash入门、Elasticsearch操作汇总 、ELK概念

ElasticSearch基础概念

近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级。

1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司。

2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat）。

3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂。

4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不能提供的很多功能。

1、Index（索引-数据库）

ElasticSearch将数据存储在一个或多个索引（index）中，这里的索引就像SQL领域的数据库，例如：MySQL里的一个database。

索引包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。

ElasticSearch内部使用Apache Lucenu将数据写入索引或从索引中读取数据。需要注意的是，ElasticSearch中的索引可能有一个或多个Lucene索引构成，具体由索引分片（shard）、复制（replica）机制及其配置决定。

2、Type（类型-表）

ElasticSearch中每个文档都有自己的类型（type）定义。一个索引中允许存储多种类型的文档，并为不同文档类型提供不同的映射。类型就像SQL数据库中的一个数据表。

每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。

商品index，里面存放了所有的商品数据，商品document

但是商品分很多种类，每个种类的document的field可能不太一样，比如说电器商品，可能还包含一些诸如售后时间范围这样的特殊field；生鲜商品，还包含一些诸如生鲜保质期之类的特殊field

type，日化商品type，电器商品type，生鲜商品type

日化商品type：product_id，product_name，product_desc，category_id，category_name

电器商品type：product_id，product_name，product_desc，category_id，category_name，service_period

生鲜商品type：product_id，product_name，product_desc，category_id，category_name，eat_period

每一个type里面，都会包含一堆document

{
  "product_id": "1",
  "product_name": "长虹电视机",
  "product_desc": "4k高清",
  "category_id": "3",
  "category_name": "电器",
  "service_period": "1年"
}
{
  "product_id": "2",
  "product_name": "基围虾",
  "product_desc": "纯天然，冰岛产",
  "category_id": "4",
  "category_name": "生鲜",
  "eat_period": "7天"
}

3、Document（文档-行）

文档（document）是ElasticSearch中的主要实体。对于所有使用ElasticSearch的场景，最终都会归结到对文档的搜索之上。

文档由字段构成，每个字段包含字段和一个或多个字段值（这种情况下，该字段被称为是多值的，即文档中有多个同名字段）。文档之间可能有各自不同的字段集合，文档没有固定的结构或模式。

从客户端的视角来看，文档就是一个json对象。

文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。

4、Field（字段-列）

Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。

product document
{
  "product_id": "1",
  "product_name": "高露洁牙膏",
  "product_desc": "高效美白",
  "category_id": "2",
  "category_name": "日化用品"
}

字段类型

字符串类型

  • text
    当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的字段不用于排序，很少用于聚合。
  • keyword
    keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通过精确值搜索到。

整数类型

类型 取值范围
byte -128~127
short -32768~32767
integer -231~231-1
long -263~263-1

在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。字段的长度越短，索引和搜索的效率越高。

浮点类型

类型 取值范围
doule 64位双精度IEEE 754浮点类型
float 32位单精度IEEE 754浮点类型
half_float 16位半精度IEEE 754浮点类型
scaled_float 缩放类型的的浮点数

对于float、half_float和scaled_float,-0.0和+0.0是不同的值，使用term查询查找-0.0不会匹配+0.0，同样range查询中上边界是-0.0不会匹配+0.0，下边界是+0.0不会匹配-0.0。

其中scaled_float，比如价格只需要精确到分，price为57.34的字段缩放因子为100，存起来就是5734 优先考虑使用带缩放因子的scaled_float浮点类型。

date类型

我们人类使用的计时系统是相当复杂的：秒是基本单位, 60秒为1分钟, 60分钟为1小时, 24小时是一天……如果计算机也使用相同的方式来计时, 那显然就要用多个变量来分别存放年月日时分秒, 不停的进行进位运算, 而且还要处理偶尔的闰年和闰秒以及协调不同的时区. 基于”追求简单”的设计理念, UNIX在内部采用了一种最简单的计时方式：

  1. 计算从UNIX诞生的UTC时间1970年1月1日0时0分0秒起, 流逝的秒数.

  2. UTC时间1970年1月1日0时0分0秒就是UNIX时间0, UTC时间1970年1月2日0时0分0秒就是UNIX时间86400.

  3. 这个计时系统被所有的UNIX和类UNIX系统继承了下来, 而且影响了许多非UNIX系统.

日期类型表示格式可以是以下几种：
（1）日期格式的字符串，比如 “2018-01-13” 或 “2018-01-13 12:10:30”
（2）long类型的毫秒数( milliseconds-since-the-epoch，epoch就是指UNIX诞生的UTC时间1970年1月1日0时0分0秒)
（3）integer的秒数(seconds-since-the-epoch)

ElasticSearch 内部会将日期数据转换为UTC，并存储为milliseconds-since-the-epoch的long型整数。

实例 日期格式数据

创建索引

DELETE test

PUT test
{
  "mappings": {
    "properties": {
      "postdate": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      }
    }
  }
}

写入文档

PUT test/my/1
{
  "postdate":"2018-01-13"
}
PUT test/my/2
{
  "postdate":"2018-01-01 00:01:05"
}
PUT test/my/3
{
  "postdate":"1420077400001"
}

批量查询

GET test/my/_mget
{
  "ids":["1","2","3"]
}
{
  "docs": [
    {
      "_index": "test",
      "_type": "my",
      "_id": "1",
      "_version": 1,
      "found": true,
      "_source": {
        "postdate": "2018-01-13"
      }
    },
    {
      "_index": "test",
      "_type": "my",
      "_id": "2",
      "_version": 1,
      "found": true,
      "_source": {
        "postdate": "2018-01-01 00:01:05"
      }
    },
    {
      "_index": "test",
      "_type": "my",
      "_id": "3",
      "_version": 2,
      "found": true,
      "_source": {
        "postdate": "1420077400001"
      }
    }
  ]
}

boolean类型

逻辑类型（布尔类型）可以接受true/false/”true”/”false”值

  • 先删除已经存在的索引，再创建
DELETE test

PUT test
{
  "mappings":{
      "properties": {
        "empty":{"type":"boolean"}
      }
  }
}
  • 添加文档
PUT test/my/1
{
  "empty":"true"
}

PUT test/my/2
{
  "empty":false
}
  • 查看文档
GET test/my/_mget
{
  "ids":["1","2"]
}

{
  "docs": [
    {
      "_index": "test",
      "_type": "my",
      "_id": "1",
      "_version": 1,
      "found": true,
      "_source": {
        "empty": "true"
      }
    },
    {
      "_index": "test",
      "_type": "my",
      "_id": "2",
      "_version": 1,
      "found": true,
      "_source": {
        "empty": false
      }
    }
  ]
}

binary类型

二进制字段是指用base64来表示索引中存储的二进制数据，可用来存储二进制形式的数据，例如图像。默认情况下，该类型的字段只存储不索引。二进制类型只支持index_name属性。

array类型

在ElasticSearch中，没有专门的数组（Array）数据类型，但是，在默认情况下，任意一个字段都可以包含0或多个值，这意味着每个字段默认都是数组类型，只不过，数组类型的各个元素值的数据类型必须相同。在ElasticSearch中，数组是开箱即用的（out of box），不需要进行任何配置，就可以直接使用。

在同一个数组中，数组元素的数据类型是相同的，ElasticSearch不支持元素为多个数据类型：[ 10, “some string” ]，常用的数组类型是：

  • 字符数组: [ “one”, “two” ]
  • 整数数组: productid:[ 1, 2 ]
  • 对象（文档）数组: “user”:[ { “name”: “Mary”, “age”: 12 }, { “name”: “John”, “age”: 10 }]，ElasticSearch内部把对象数组展开为

object类型

JSON天生具有层级关系，文档会包含嵌套的对象

DELETE test

PUT test/test

PUT test/my/1
{
  "employee":{
    "age":30,
    "fullname":{
      "first":"hadron",
      "last":"cheng"
    }
  }
}

上面文档整体是一个JSON，JSON中包含一个employee,employee又包含一个fullname。

GET test/_mapping

{
  "test": {
    "mappings": {
      "my": {
        "properties": {
          "employee": {
            "properties": {
              "age": { "type": "long"},
              "fullname": {
                "properties": {
                  "first": {
                    "type": "text",
                    "fields": {
                      "keyword": {
                        "type": "keyword",
                        "ignore_above": 256
                      }
                    }
                  },
                  "last": {
                    "type": "text",
                    "fields": {
                      "keyword": {
                        "type": "keyword",
                        "ignore_above": 256
                      }
                    }
                  }
                }
              }
            }
          }
        }
      }
    }
  }
}

ip类型

ip类型的字段用于存储IPv4或者IPv6的地址
（1）创建索引

DELETE test

PUT test
{
  "mappings": {
    "my":{
      "properties": {
        "nodeIP":{
          "type": "ip"
        }
      }
    }
  }
}

查询字段

GET test/_search
{
  "query": {
    "term": {
      "nodeIP": "192.168.0.0/16"
    }
  }
}

{
  "took": 111,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "test",
        "_type": "my",
        "_id": "1",
        "_score": 1,
        "_source": {
          "nodeIP": "192.168.1.2"
        }
      }
    ]
  }
}

5、mapping（映射-约束）

所有文档在写入索引前都将被分析，而映射则存储着所有分析链所需要的全部信息。例如，如何将输入文本分割为词条，哪些词条应该被过滤掉，或哪些附加处理有必要被调用（例如处理HTML标签）等。

数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。

这样就创建了一个名为blog的Index。Type不用单独创建，在创建Mapping 时指定就可以。Mapping用来定义Document中每个字段的类型，即所使用的 analyzer、是否索引等属性，非常关键等。

创建Mapping 的代码示例如下：

client.indices.putMapping({
    index : 'blog',
    type : 'article',
    body : {
        article: {
            properties: {
                id: {
                    type: 'string',
                    analyzer: 'ik',
                    store: 'yes',
                },
                title: {
                    type: 'string',
                    analyzer: 'ik',
                    store: 'no',
                },
                content: {
                    type: 'string',
                    analyzer: 'ik',
                    store: 'yes',
                }
            }
        }
    }
});

6、Node（节点）

单个的ElasticSearch服务实例被称为节点（node）。大多数情况下，一个ElasticSearch节点就能够满足我们大多数的需求，但是考虑到容错性和数据快速膨胀，我们需要搭建ElasticSearch集群。

ElasticSearch节点可以按用途分为3类。

  • 数据（data）节点：用来存放数据，提供数据的搜索能力。
  • 主（master）节点：作为监控节点负责控制其他节点的工作。
  • 部落（tribe）节点：负责串联起多个集群，使得我们在多个集群上执行几乎所有可以在单集群ElasticSearch上执行的功能。

7、 Cluster（集群）

多个协同工作的ElasticSearch节点的集合被称为集群（cluster）。

ElasticSearch的分布式属性使得我们可以轻松处理超过单机负载能力的数据量。同时，集群也是一种无间断提供服务的一种解决方案，即便当某些节点因为宕机或执行管理任务（例如升级）不可用时，ElasticSearch几乎是无缝继承了集群功能。

8、分片

ElasticSearch集群允许系统存储的数据总量超过单机容量，为了实现这个功能，ES将数据散布到多个物理的Lucene索引上去，这些Lucene索引被称为分片（shard)，散布这些分片的过程叫做分片处理（sharding）。ElasticSearch会自动完成分片工作，对用户来说分片更像是一个大的索引。

当然，除了ElasticSearch自动进行分片处理外，用户为具体的应用进行参数调优也至关重要，因为分片的数量在索引创建时就被配置好了，之后无法改变，除非创建一个新索引并重新索引全部数据。

9、副本

分片处理允许用户推送超过单机容量的数据至ElasticSearch集群。副本（replica）则解决了访问压力过大时单机无法处理所有请求的问题。

实现方法很简单，为每个分片创建冗余的副本，处理查询时可以把这些副本当做最初的主分片（primary shard）使用。

如果主分片所在的主机宕机了，ElasticSearch会自动从该分片的副本中选出一个当做新的主分片，不会中断索引和搜索服务，并且可以在任意时间节点添加或删除副本，可随时调整副本的数量。

重要特性：

  • 分布式的实时文件存储，每个字段都被索引并可被搜索

  • 实时分析的分布式搜索引擎

  • 可以扩展到上百台服务器，处理PB级结构化或非结构化数据

img

集群(cluster): 由一个或多个节点组成, 并通过集群名称与其他集群进行区分

节点(node): 单个 ElasticSearch 实例. 通常一个节点运行在一个隔离的容器或虚拟机中

索引(index): 在 ES 中, 索引是一组文档的集合

分片(shard): 因为 ES 是个分布式的搜索引擎, 所以索引通常都会分解成不同部分, 而这些分布在不同节点的数据就是分片. ES自动管理和组织分片, 并在必要的时候对分片数据进行再平衡分配, 所以用户基本上不用担心分片的处理细节.

副本(replica): ES 默认为一个索引创建 5 个主分片, 并分别为其创建一个副本分片. 也就是说每个索引都由 5 个主分片成本, 而每个主分片都相应的有一个 copy。对于分布式搜索引擎来说, 分片及副本的分配将是高可用及快速搜索响应的设计核心.主分片与副本都能处理查询请求，它们的唯一区别在于只有主分片才能处理索引请求.副本对搜索性能非常重要，同时用户也可在任何时候添加或删除副本。额外的副本能给带来更大的容量, 更高的呑吐能力及更强的故障恢复能力。

如上图，有集群两个节点，并使用了默认的分片配置. ES自动把这5个主分片分配到2个节点上, 而它们分别对应的副本则在完全不同的节点上。其中 node1 有某个索引的分片1、2、3和副本分片4、5，node2 有该索引的分片4、5和副本分片1、2、3。

索引

基本概念：

索引（indices）-------------------Databases 数据库
类型（type）----------------------Table 数据表
文档（Document）---------------Row 行
字段（Field）---------------------Columns 列

详细说明：

概念 说明
索引库（indices) indices是index的复数，代表许多的索引
类型（type） 类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，现有最新版本中已经移除这个概念
文档（document） 存入索引库原始的数据。比如每一条商品信息，就是一个文档
字段（field） 文档中的属性
映射配置（mappings） 字段的数据类型、属性、是否索引、是否存储等特性

要注意的是：Elasticsearch 本身就是分布式的，因此即便你只有一个节点，Elasticsearch 默认也会对你的数据进行分片和副本操作，当你向集群添加新数据时，数据也会在新加入的节点中进行平衡。

一线公司ES使用场景：
1）新浪ES 如何分析处理32亿条实时日志 http://dockone.io/article/505
2）阿里ES 构建挖财自己的日志采集和分析体系 http://afoo.me/columns/tec/logging-platform-spec.html
3）有赞ES 业务日志处理 http://tech.youzan.com/you-zan-tong-ri-zhi-ping-tai-chu-tan/
4）ES实现站内搜索 http://www.wtoutiao.com/p/13bkqiZ.html

6.2 ES必要的插件
必要的Head、kibana、IK（中文分词）、graph等插件的详细安装和使用。
http://blog.csdn.net/column/details/deep-elasticsearch.html

2）RESTful API接口
常见的增、删、改、查操作实现：
http://blog.csdn.net/laoyang360/article/details/51931981

8.ES遇到问题怎么办？
1）国外：https://discuss.elastic.co/
2）国内：http://elasticsearch.cn/

9、还有吗？
《死磕 Elasticsearch 方法论》：普通程序员高效精进的 10 大狠招！（免费完整版）
https://blog.csdn.net/laoyang360/article/details/79293493

索引 (index)的基本操作

PUT /dangdang/ 创建索引
DELETE /dangdang 删除索引
DELETE /* 删除所有索引
GET /_cat/indices?v 查看索引信息

创建类型

1 .创建/ddemo 索引并创建(product)类型
curl -X PUT localhost:9200/ddemo -H  'Content-Type:application/json' -d '
{
  "mappings": {
      "properties": {
        "title": {
          "type": "text"
        },
        "name": {
          "type": "text"
        },
        "age": {
          "type": "integer"
        },
        "created": {
          "type": "date",
          "format": "strict_date_optional_time||epoch_millis"
        }
      }
    }
}'
注意：这种方式创建类型要求索引不能存在 否则报错
{"error":{"root_cause":[{"type":"resource_already_exists_exception","reason":"index [ddemo/hzr40uVGQMq2Rbte15uMiw] already exists","index_uuid":"hzr40uVGQMq2Rbte15uMiw","index":"ddemo"}],"type":"resource_already_exists_exception","reason":"index [ddemo/hzr40uVGQMq2Rbte15uMiw] already exists","index_uuid":"hzr40uVGQMq2Rbte15uMiw","index":"ddemo"},
2、添加映射
$ curl -X PUT localhost:9200/demo -H  'Content-Type:application/json' -d '
{
  "mappings": {
      "properties": {
        "title": {
          "type": "text"
        },
        "name": {
          "type": "text"
        },
        "age": {
          "type": "integer"
        },
        "created": {
          "type": "date"
        }
      }
    }
}'

Mapping Type: text, keyword, date,integer, long,
double, boolean or ip

查看映射：

~$ curl -X GET localhost:9200/weather/_mapping?pretty=true -H  'Content-Type:application/json'
{
  "demo" : {
    "mappings" : {
      "properties" : {
        "age" : {
          "type" : "integer"
        },
        "created" : {
          "type" : "date"
        },
        "name" : {
          "type" : "text"
        },
        "title" : {
          "type" : "text"
        }
      }
    }
  }
}
3、索引已存在

增加映射并新增字段create_time：

请求：

PUT secisland3/_mappings
{
  "properties": {
    "message":{
        "type": "text"
      },
      "city":{
        "type": "keyword"
      },
      "create_time":{
        "type": "date"
      }
  }
}
4、获取映射字段
GET secisland3/_mapping/field/city

{
  "secisland3" : {
    "mappings" : {
      "city" : {
        "full_name" : "city",
        "mapping" : {
          "city" : {
            "type" : "keyword"
          }
        }
      }
    }
  }
}

创建文档

POST  weather/_doc
{
  "age":18,
  "created_at":"2018 02-12",
  "name":"赵形状",
  "title":"测试"
}

创建文档 指定 _id

PUT weather/_doc/1
{
  "age": 18,
  "created_at": "2018 02-12",
  "name": "赵形状",
  "title": "测试1"
}

获取指定 id 值

GET weather/_doc/1  
{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 2,
  "_seq_no": 2,
  "_primary_term": 1,
  "found": true,
  "_source": {
    "age": 18,
    "created_at": "2018 02-12",
    "name": "赵形状",
    "title": "测试1"
  }
}

查询index全部文档

GET weather/_doc/_search

{
  "took": 3,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 2,
      "relation": "eq"
    },
    "max_score": 1,
    "hits": [
      {
        "_index": "weather",
        "_type": "_doc",
        "_id": "0Q2nV3EBML6KlP1euqbR",
        "_score": 1,
        "_source": {
          "age": 18,
          "created_at": "2018 02-12",
          "name": "赵形状",
          "title": "测试"
        }
      },
      {
        "_index": "weather",
        "_type": "_doc",
        "_id": "1",
        "_score": 1,
        "_source": {
          "age": 18,
          "created_at": "2018 02-12",
          "name": "赵形状",
          "title": "测试1"
        }
      }
    ]
  }
}

删除操作：

DELETE weather/_doc/1
{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 3,
  "result": "deleted",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 3,
  "_primary_term": 1
}

查看删除之后结果

GET weather/_doc/_search
{
  "took": 438,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 1,
    "hits": [
      {
        "_index": "weather",
        "_type": "_doc",
        "_id": "0Q2nV3EBML6KlP1euqbR",
        "_score": 1,
        "_source": {
          "age": 18,
          "created_at": "2018 02-12",
          "name": "赵形状",
          "title": "测试"
        }
      }
    ]
  }
}

更新文档：

更新文档id 为1的字段 内容
PUT weather/_doc/1
{
  "age": 11,
  "name": "赵形状1",
  "title": "赵形状测试",
  "created_at": "2018 02-12"
}
{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 7,
  "result": "updated",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 11,
  "_primary_term": 1
}

保护已经存在的字段防止覆盖

POST weather/_doc/1/_create
{
  "age": 11,
  "name": "赵形状1",
  "title": "赵形状测试",
  "created_at": "2018 02-12"
}
防止字段覆盖
{
  "error": {
    "root_cause": [
      {
        "type": "version_conflict_engine_exception",
        "reason": "[1]: version conflict, document already exists (current version [7])",
        "index_uuid": "qioxGcVVQIKDDliy72HAdg",
        "shard": "0",
        "index": "weather"
      }
    ],
    "type": "version_conflict_engine_exception",
    "reason": "[1]: version conflict, document already exists (current version [7])",
    "index_uuid": "qioxGcVVQIKDDliy72HAdg",
    "shard": "0",
    "index": "weather"
  },
  "status": 409
}

更新文档的字段
通过脚本更新制定字段，其中ctx是脚本语言中的一个执行对象，先获取_source，再修改content字段

POST weather/_doc/1/_update
{
  "script": {
    "source": "ctx._source.title=\"从官网下载VMware-workstation，双击可执行文件进行安装...\""
  }
}
{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 8,
  "result": "updated",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 12,
  "_primary_term": 1
}

GET weather/_doc/1/
{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 8,
  "_seq_no": 12,
  "_primary_term": 1,
  "found": true,
  "_source": {
    "age": 11,
    "name": "赵形状1",
    "title": "从官网下载VMware-workstation，双击可执行文件进行安装...",
    "created_at": "2018 02-12"
  }
}

添加字段:

POST weather/_doc/1/_update 
{
  "script": {
    "source": "ctx._source.title=\"chengyuqiang\""
  }
}

删除字段:

POST blog/_doc/1/_update
{
  "script": {
    "source": "ctx._source.remove(\"title\")"  
  } 
}

{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 14,
  "result": "updated",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 18,
  "_primary_term": 1
}
新获取title已经删除掉
GET weather/_doc/1/ 
{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 14,
  "_seq_no": 18,
  "_primary_term": 1,
  "found": true,
  "_source": {
    "age": 11,
    "name": "赵形状1",
    "created_at": "2018 02-12"
  }
}

删除文档

DELETE weather/_doc/1

{
  "_index": "weather",
  "_type": "_doc",
  "_id": "1",
  "_version": 15,
  "result": "deleted",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 19,
  "_primary_term": 1
}

bulk 操作

bulk.json

{"index":{}}
{"name":"⼩⿊","age":23,"bir":"2012-12-12","content":"为开发团队选择⼀款优秀的MVC框架是件难事⼉，在>众多可⾏的⽅案中决择需要很⾼的经验和⽔平","address":"北 京"}
{"index":{}}
{"name":"王⼩⿊","age":24,"bir":"2012-12-12","content":"Spring 框架是⼀个分层架构，由 7 个定义良好的
模块组成。Spring 模块构建在核⼼容器之上，核⼼容器定义了创建、配置和管理 bean 的⽅式","address":"上海
"}
{"index":{}}
{"name":"张⼩五","age":8,"bir":"2012-12-12","content":"Spring Cloud 作为Java 语⾔的微服务框架，它依>赖于Spring Boot，有快速开发、持续交付和容易部署等特点。Spring Cloud 的组件⾮常多，涉及微服务的⽅⽅⾯
⾯，井在开源社区Spring 和Netflix 、Pivotal 两⼤公司的推动下越来越完善","address":"⽆锡"}
{"index":{}}
{"name":"win7","age":9,"bir":"2012-12-12","content":"Spring的⽬标是致⼒于全⽅位的简化Java开发。这势>必引出更多的解释， Spring是如何简化Java开发的？","address":"南京"}
{"index":{}}
{"name":"梅超⻛","age":43,"bir":"2012-12-12","content":"Redis是⼀个开源的使⽤ANSI C语⾔编写、⽀持⽹>络、可基于内存亦可持久化的⽇志型、Key-Value数据库，并提供多种语⾔的API","address":"杭州"}
{"index":{}}
{"name":"张⽆忌","age":59,"bir":"2012-12-12","content":"ElasticSearch是⼀个基于Lucene的搜索服务器。>它提供了⼀个分布式多⽤户能⼒的全⽂搜索引擎，基于RESTfulweb接⼝","address":"北京"}

curl -X PUT localhost:9200/ems/_doc/_bulk -H  'Content-Type:application/json' --data-binary '@bulk.json'

查询字段：

POST ems/emp/_search
{
  "query": {
    "term": {
      "age": 23
    }
  }
}
image-20200410150935175

参考该 文件

https://blog.csdn.net/shenkeding9350/article/details/90904908

高级检索：

查询所有

POST  ems/emp/_search

{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": "desc"
    }
  ]
}

执行结果

返回指定条数

POST ems/_search
{
  "query": {
    "match_all": {}
  },
  "size": 1,
  "sort": [
    {
      "age": "desc"
    }
  ]
}

image-20200423225443400

分页查询

POST  ems/_search
{
  "query": {
    "match_all": {}
  },
  "size": 2,
  "from": 1
}

image-20200423225705494

返回指定字段

POST ems/_search
{
  "query": {
    "match_all": {}
  },
  "_source": [
    "name",
    "age"
  ],
  "size": 2,
  "from": 1
}

image-20200423225928656

关键词查询 term

NOTE1: 通过使⽤term查询得知ES中默认使⽤分词器为标准分词器(StandardAnalyzer),标准分词器对于英⽂单词分词,对于中⽂单字分词。

NOTE2: 通过使⽤term查询得知,在ES的Mapping Type 中 keyword , date ,integer, long , double , boolean or ip 这些类型不分词，只有text类型分词。

关于term查询 https://www.cnblogs.com/shaosks/p/7813729.html

term是代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词，所以我们的搜索词必须是文档分词集合中的一个。比如说我们要查找年龄为39的所有文档

关于term

POST  ems/_analyze
{
  "field": "address",
  "text": "baidu info"
}

image-20200424092317289

查看分词

POST ems/_analyze 
{
  "field": "content",
  "text": "111赵兴壮 info"
}

image-20200426224257074

分析原因：

字符串字段可以是文本类型（视为全文，如电子邮件正文）或关键字（视为精确值，如电子邮件地址或邮政编码）。精确值（如数字，日期和关键字） 具有在添加到倒排索引的字段中指定的确切值，以使其可被搜索。

　　但是，分析文本字段。这意味着它们的值首先通过一个分析器产生一个项目列表，然后将其添加到倒排索引中。

　　分析文本的方法有很多种：默认的标准分析器会删除大部分的标点符号，将文本分解为单个的单词，并将其分解为小写字母。例如，标准分析仪会将字符串“Quick Brown Fox！”变成[quick，brown，fox]。

text 类型字段会被倒排索引，keyword或精确值 则不会。

前缀查询

用来检索关键词前缀

POST ems/_search
{
  "query": {
    "prefix": {
      "age": {
        "value": "2"
      }
    }
  }
}

尝试在age字段上执行前缀查询报错：前缀查询只能用在 字段类型 和 关键词类型 字段上

image-20200426225706486

执行以下正确查询

POST  ems/_search 
{
  "query": {
    "prefix": {
      "content": {
        "value": "sp"
      }
    }
  }
}

image-20200426230007361

通配符查询(wildcard)

POST  ems/_search
{
  "query": {
    "wildcard": {
      "content": {
        "value": "re*"
      }
    }
  }
}

image-20200426230604123

多id查询(ids)

POST  ems/_search
{
  "query": {
    "ids": {
      "values": [
        "PwXXYnEBvd8AY2HcDg-Z",
        "QAXXYnEBvd8AY2HcDg-Z"
      ]
    }
  }
}

image-20200426230823133

布尔查询(bool)

bool 关键字: ⽤来组合多个条件实现复杂查询 boolb

表达式查询

must: 相当于&& 同时成⽴

should: 相当于|| 成⽴⼀个就⾏

must_not: 相当于! 不能满⾜任何⼀个

POST  ems/_search 
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "age": {
              "gte": 0,
              "lte": 30
            }
          }
        }
      ],
      "must_not": [
        {
          "wildcard": {
            "content": {
              "value": "redi?"
            }
          }
        }
      ]
    }
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

image-20200426231301922

模糊查询(fuzzy)

fuzzy 关键字: ⽤来模糊查询含有指定关键字的⽂档 注 意:允许出现的错误必须在0-2之间

POST ems/_search

{
  "query": {
    "fuzzy": {
      "content": "开"
    }
  }
}

image-20200505125902810

⾼亮查询(highlight)

highlight 关键字: 可以让符合条件的⽂档中的关键词⾼亮

POST ems/_search
{
  "query": {
    "term": {
      "content": "spring"
    }
  },
  "highlight": {
    "fields": {
      "*": {}
    }
  }
}

image-20200506224017285

POST  ems/_search
{
  "query": {
    "term": {
      "content": "spring"
    }
  },
  "highlight": {
    "pre_tags": [
      "<span style='color:red'>"
    ],
    "post_tags": [
      "</span>"
    ],
    "fields": {
      "content": {}
    }
  }
}

⾃定义⾼亮html标签: 可以在highlight中使⽤ pre_tags 和 post_tags

image-20200506223841577

多字段查询(multi_match)

注意:使⽤这种⽅式进⾏查询时,为了更好获取搜索结果,在查询过程中先将查询条件根据当前的分词器分词之后进⾏查询

POST  ems/_search
{
  "query": {
    "multi_match": {
      "query": "中国",
      "fields": [
        "name",
        "content"
      ]
    }
  },
  "highlight": {
    "fields": {
      "*": {}
    }
  }
}

image-20200506224733841

多字段分词查询(query_String)

注意:使⽤这种⽅式进⾏查询时,为了更好获取搜索结果,在查询过程中先将查询条件根据当前的分词器分词之后进⾏查询

GET /dangdang/book/_search
{
 "query": {
     "query_string": {
         "query": "中国声⾳",
         "analyzer": "ik_max_word",
         "fields": ["name","content"]
	 	}
	 }
}

过滤查询 Filter Query

其实准确来说，ES中的查询操作分为2种: 查询(query) 和 过滤(filter) 。 查询即是之前提到的query查询，它 (查询)默认会计算每个返回⽂档的得分，然后根据得分排序 。 ⽽过滤(filter)只会筛选出符合的⽂档，并不计算 得分，且它可以缓存⽂档 。所以，单从性能考虑，过滤⽐查询更快 。

换句话说，过滤适合在⼤范围筛选数据，⽽查询则适合精确匹配数据。⼀般应⽤时， 应先使⽤过滤操作过滤数据， 然后使⽤查询匹配数据。

测试中文分词：

$ curl -X POST 'http://localhost:9200/_analyze?pretty=true' -H 'Content-Type:application/json'   -d '
{
  "analyzer": "ik_smart",
  "text": [
    "我是中国人"
  ]
}'
{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

IK分词器

IK 分词

#切换目录
cd /usr/local/src/elasticsearch/elasticsearch-7.6.2/plugins/
#创建ik文件夹
mkdir ik
#切换到ik文件夹下进行文件上传
cd ik
#对zip进行解压
unzip elasticsearch-analysis-ik-7.6.2.zip

NOTE:

IK分词器提供了两种mapping类型⽤来做⽂档的分词分别是 ik_max_word 和 ik_smart ik_smart

ik_max_word 和 ik_smart 什么区别?

  • ik_max_word: 会将⽂本做最细粒度的拆分 ，⽐如会将“中华⼈⺠共和国国歌”拆分为“中华⼈⺠共和国,中华⼈⺠,中华,华⼈,⼈⺠共和国,⼈⺠,⼈,⺠,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；
  • ik_smart: 会做最粗粒度的拆分 ，⽐如会将“中华⼈⺠共和国国歌”拆分为“中华⼈⺠共和国,国歌”。

测试数据：

POST ems/emp
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_max_word"
      },
      "age": {
        "type": "integer"
      },
      "bir": {
        "type": "date"
      },
      "content": {
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_max_word"
      },
      "address": {
        "type": "keyword"
      }
    }
  }
}

ikdemo.json
{"index":{}}
{"name":"⼩⿊","age":23,"bir":"2012-12-12","content":"为开发团队选择⼀款优秀的MVC框架是件难事⼉，在>众多可⾏的⽅案中决择需要很⾼的经验和⽔平","address":"北 京"}
{"index":{}}
{"name":"王⼩⿊","age":24,"bir":"2012-12-12","content":"Spring 框架是⼀个分层架构，由 7 个定义良好的模块组成。Spring 模块构建在核⼼容器之上，核⼼容器定义了创建、配置和管理 bean 的⽅式","address":"上海"}
{"index":{}}
{"name":"张⼩五","age":8,"bir":"2012-12-12","content":"Spring Cloud 作为Java 语⾔的微服务框架，它依>赖于Spring Boot，有快速开发、持续交付和容易部署等特点。Spring Cloud 的组件⾮常多，涉及微服务的⽅⽅⾯⾯，井在开源社区Spring 和Netflix 、Pivotal 两⼤公司的推动下越来越完善","address":"⽆锡"}
{"index":{}}
{"name":"win7","age":9,"bir":"2012-12-12","content":"Spring的⽬标是致⼒于全⽅位的简化Java开发。这势>必引出更多的解释， Spring是如何简化Java开发的？","address":"南京"}
{"index":{}}
{"name":"梅超⻛","age":43,"bir":"2012-12-12","content":"Redis是⼀个开源的使⽤ANSI C语⾔编写、⽀持⽹>络、可基于内存亦可持久化的⽇志型、Key-Value数据库，并提供多种语⾔的API","address":"杭州"}
{"index":{}}
{"name":"张⽆忌","age":59,"bir":"2012-12-12","content":"ElasticSearch是⼀个基于Lucene的搜索服务器。>它提供了⼀个分布式多⽤户能⼒的全⽂搜索引擎，基于RESTfulweb接⼝","address":"北京"}

curl -X PUT localhost:9200/ems/emp/_bulk -H  'Content-Type:application/json' --data-binary '@ikdemo.json'


POST ems/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "content": "框架"
          }
        }
      ]
    }
  },
  "highlight": {
    "pre_tags": [
      "<span style='color:red'>"
    ],
    "post_tags": [
      "</span>"
    ],
    "fields": {
      "content": {}
    }
  }
}

image-20200410153344665

es 聚合：

https://blog.csdn.net/itsoftchenfei/article/details/86100037

命令行操作：

$ curl -X PUT 'localhost:9200/weather/person/1' -H 'Content-Type:application/json' -d '{"user":"1","title":"2"}'

 $ curl -X POST 'localhost:9200/weather/person/' -H 'Content-Type:application/json' -d '{"user":"1","title":"2"}'

$ curl 'localhost:9200/weather/person/1?pretty=true'
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   197  100   197    0     0  15153      0 --:--:-- --:--:-- --:--:-- 15153{
  "_index" : "weather",
  "_type" : "person",
  "_id" : "1",
  "_version" : 1,
  "_seq_no" : 0,
  "_primary_term" : 3,
  "found" : true,
  "_source" : {
    "user" : "1",
    "title" : "2"
  }
}

$ curl 'localhost:9200/accounts/person/_search?pretty=true'
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   526  100   526    0     0  40461      0 --:--:-- --:--:-- --:--:-- 43833{
  "error" : {
    "root_cause" : [
      {
        "type" : "index_not_found_exception",
        "reason" : "no such index [accounts]",
        "resource.type" : "index_or_alias",
        "resource.id" : "accounts",
        "index_uuid" : "_na_",
        "index" : "accounts"
      }
    ],
    "type" : "index_not_found_exception",
    "reason" : "no such index [accounts]",
    "resource.type" : "index_or_alias",
    "resource.id" : "accounts",
    "index_uuid" : "_na_",
    "index" : "accounts"
  },
  "status" : 404
}

$ curl 'localhost:9200/weather/person/_search?pretty=true'  -H 'Content-Type:application/json'  -d '
{
  "query" : { "match" : { "title" : "2" }}
}'
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   751  100   704  100    47  16761   1119 --:--:-- --:--:-- --:--:-- 18317{
  "took" : 23,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.18232156,
    "hits" : [
      {
        "_index" : "weather",
        "_type" : "person",
        "_id" : "1",
        "_score" : 0.18232156,
        "_source" : {
          "user" : "1",
          "title" : "2"
        }
      },
      {
        "_index" : "weather",
        "_type" : "person",
        "_id" : "i4pOF3EBAViQC_2snA0c",
        "_score" : 0.18232156,
        "_source" : {
          "user" : "1",
          "title" : "2"
        }
      }
    ]
  }
}

知乎专栏 https://www.zhihu.com/people/liang-shen-83-27/posts

开启远程访问：

遇到得问题
http://ip:9200/ 无法访问

vim config/elasticsearch.yml
# 增加

network.host: 0.0.0.0

ERROR: [1] bootstrap checks failed
[1]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured
修改
elasticsearch.yml
取消注释保留一个节点
cluster.initial_master_nodes: ["node-1"]

beats

beats是一组轻量级采集程序的统称，这些采集程序包括并不限于：

Beats是ELK Stack技术栈中负责单一用途数据采集并推送给Logstash或Elasticsearch的轻量级产品。

  • filebeat: 进行文件和目录采集，主要用于收集日志数据。
  • metricbeat: 进行指标采集，指标可以是系统的，也可以是众多中间件产品的，主要用于监控系统和软件的性能。
  • packetbeat: 通过网络抓包、协议分析，对一些请求响应式的系统通信进行监控和数据收集，可以收集到很多常规方式无法收集到的信息。
  • Winlogbeat: 专门针对windows的event log进行的数据采集。
  • Heartbeat: 系统间连通性检测，比如icmp, tcp, http等系统的连通性监控。

filebeat

FileBeat是一个轻量级的【日志收集工具】。

官网介绍说，当有几十，几百甚至上千台服务器、容器、虚拟机生成日志时，Filebeat提供一种轻量级简单的方式转发和收集日志。

健壮性

filebeat异常中断重启后会继续上次停止的位置。（通过${filebeat_home}\data\registry文件来记录日志的偏移量）

智能调节传输速度，防止logstash、elasticsearch过载

Filebeat使用压力敏感协议(backpressure-sensitive)来传输数据，在logstash忙的时候，Filebeat会减慢读取-传输速度，一旦logsta恢复，则Filebeat恢复原来的速度。

filebeats 输出 到logstash 中

logstash中配置

#输入如下内容： 
input { 
    beats { 
    	port => "5044" 
    } 
}
# The filter part of this file is commented out to indicate that it is # optional. 
# filter { 
# } 
output
{
    stdout { 
    	codec => rubydebug
    } 
}

启动logstash

bin/logstash -f nginx.conf --config.reload.automatic    --path.data=/root/

实例：nginx 访问记录 filebeats采集 到 logstash 过滤处理后输出到 elasticsearch：

filebeats filebeat.exe -c nginx.yml -e

filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /home/wwwlogs/access.log
    #- c:\programdata\elasticsearch\logs\*
  tags: ["log"]
  fields:
    from: nginx
    fields_under_root: false
filebeat.config.modules:
  path: ${path.config}/modules.d/*.yml
  reload.enabled: false
setup.template.settings:
  index.number_of_shards: 1
setup.kibana:
output.logstash:
  hosts: ["localhost:5044"]
processors:
  - add_host_metadata: ~
  - add_cloud_metadata: ~
  - add_docker_metadata: ~
  - add_kubernetes_metadata: ~

filebeat.exe -c nginx.yml -e

logstash：

input {
  beats {
    port => "5044"
  }
}

 # The filter part of this file is commented out to indicate that it is
 # optional.
filter {
 grok {
                patterns_dir => "/usr/local/src/logstash-7.6.2/nginx-patterns"
                match => { "message" => "%{NGINX_ACCESS}"}
                remove_tag => [ "_grokparsefailure" ]
                add_tag => [ "nginx_access" ]
        }
}

#output {
#   stdout { codec => rubydebug }
#}

output {
        elasticsearch {
                hosts => [ "127.0.0.1:9200"]，  
        }
}

nginx-pattern

NGINX_ACCESS %{IPORHOST:remote_addr} - %{USERNAME:remote_user} \[%{HTTPDATE:time_local}\] \"%{DATA:request}\" %{INT:status} %{NUMBER:bytes_sent} \"%{DATA:http_referer}\" \"%{DATA:http_user_agent}\"

bin/logstash -f nginx.conf --config.test_and_exit 测试配置文件

bin/logstash -f nginx.conf --config.reload.automatic --path.data=/root/

kibana

左下角 management 添加索引模式

logstash输出到logstash中 https://www.jianshu.com/p/0b89c07021f4

logstash

简单来说logstash就是一根具备实时数据传输能力的管道，负责将数据信息从管道的输入端传输到管道的输出端；与此同时这根管道还可以让你根据自己的需求在中间加上滤网，Logstash提供里很多功能强大的滤网以满足你的各种应用场景。

logstash常用于日志系统中做日志采集设备，最常用于ELK中作为日志收集器使用

集中、转换和存储你的数据，是一个开源的服务器端数据处理管道，可以同时从多个数据源获取数据，并对其进行转换，然后将其发送到你最喜欢的“存储

数据往往以各种各样的形式，或分散或集中地存在于很多系统中。Logstash 支持各种输入选择 ，可以在同一时间从众多常用来源捕捉事件。能够以连续的流式传输方式，轻松地从您的日志、指标、Web 应用、数据存储以及各种 AWS 服务采集数据。

input {
  beats {
    port => "5044"
  }
}

 # The filter part of this file is commented out to indicate that it is
 # optional.
filter {
 grok {
                patterns_dir => "/usr/local/src/logstash-7.6.2/nginx-patterns"
                match => { "message" => "%{NGINX_ACCESS}"}
                remove_tag => [ "_grokparsefailure" ]
                add_tag => [ "nginx_access" ]
        }
}

#output {
#   stdout { codec => rubydebug }
#}

output {
        elasticsearch {
                hosts => [ "127.0.0.1:9200"]，  
        }
}

logstash 模板

Kibana

kibana 安装： https://juejin.im/entry/59f9220df265da431d3bfdc3

Kibana在6.7版本以上，支持了多种语言。并且自带在安装包里。

vim config/kibana.yml
# 将默认配置改成如下：
server.port: 5601
server.host: "0.0.0.0"
elasticsearch.url: "http://192.168.2.41:9200"
kibana.index: ".kibana"

开启方式：
找到Kibana配置文件所在：/YOUR_KIBANA_PATH/kibana/config/kibana.yml。
找到配置：i18n.locale: "en" 并将en修改为zh-CN(简体中文)。重启即可。

注意版本一致

Kibana是世界上最受欢迎的开源日志分析平台ELK Stack中的“K” ，它为用户提供了一个工具，用于在存储于Elasticsearch集群中的日志数据进行检索，可视化和构建仪表板。

Grafana是一个开源可视化工具，可以在各种不同的数据存储上使用，但最常用的是Graphite，InfluxDB，以及Elasticsearch等.

两个可视化工具之间的关键区别源于它们的目的。Grafana旨在分析和可视化系统CPU，内存，磁盘和I / O利用率等指标。Grafana不允许全文数据查询。另一方面，Kibana运行在Elasticsearch之上，主要 用于分析日志消息。

总结

Kibana和Grafana都是强大的可视化工具。但是，它们的核心是用于不同的数据类型和用例。Grafana与时间序列数据库（如Graphite或InfluxDB）是用于度量分析的组合，而Kibana是流行的ELK Stack的一部分，用于探索日志数据。

这两个平台都是不错的选择，有时甚至可以相互补充。如上所述，大量组织将使用这两种工具作为其整体监控堆栈的一部分。

posted @ 2022-05-13 14:56  timelesszhuang  阅读(306)  评论(0)  编辑  收藏  举报