参考文档：
Kibana基础之直接操作ElasticSearch
ELASTICSEARCH - 工具-KIBANA

Kibana简介

Kibana是一个开源的分析与可视化平台，设计出来用于和Elasticsearch一起使用的。你可以用kibana搜索、查看存放在Elasticsearch中的数据。Kibana与Elasticsearch的交互方式是各种不同的图表、表格、地图等，直观的展示数据，从而达到高级的数据分析与可视化的目的。
Elasticsearch、Logstash和Kibana这三个技术就是我们常说的ELK技术栈，可以说这三个技术的组合是大数据领域中一个很巧妙的设计。一种很典型的MVC思想，模型持久层，视图层和控制层。Logstash担任控制层的角色，负责搜集和过滤数据。Elasticsearch担任数据持久层的角色，负责储存数据。而我们这章的主题Kibana担任视图层角色，拥有各种维度的查询和分析，并使用图形化的界面展示存放在Elasticsearch中的数据。

KIBANA下载安装

下载

kibana-6.2.2-windows-x86_64.rar

启动

假设下载路径在：D:\software\kibana\kibana-6.2.2-windows-x86_64\bin

验证启动

 http://localhost:5601/app/kibana#/dev_tools/console?_g=()

运行测试

在控制台里输入

GET /_cat/health?v

然后点击绿色箭头进行运行，就可以看到右侧出现查询结果
GET /_cat/health?v 这个命令用来查看服务器状态（健康度），green 表示一切OK

KIBANA索引管理

索引概念

索引相当于就是一个数据库服务器上的某个数据库，所以索引也可以看成是Elastic Search里的某个数据库

Restful 风格

接下来就要进行管理索引的工作了，管理无非就是增删改查，即 CRUD。
在使用Restful风格之前，进行所以管理需要这样的访问地址： add,delete,update,get 等不同的访问地址来表示不同的业务请求。
但是使用Restful 风格，就通过提交不同的method 来表示 CRUD：

增加索引

打开 kibana控制台运行如下命令：

PUT /blog?pretty

返回：

{
  "acknowledged": true,
  "shards_acknowledged": true,
  "index": "blog"
}

表示创建成功了，索引名称是blog

查询

控制台输入

GET /_cat/indices?v

可以观察到新建立的索引

删除

运行如下命令：

DELETE /blog?pretty

再运行

GET /_cat/indices?v

可以观察到索引blog被删除了，右侧一个索引也看不到了

ik分词器的安装

分词器概念

分词器指的是搜索引擎如何使用关键字进行匹配，如 入门 中的关键字：护眼带光源。 如果使用like,那么%护眼带光源%，匹配出来的结果就是要么全匹配，要不都不匹配。
而使用分词器，就会把这个关键字分为 护眼，带，光源 3个关键字，这样就可以找到不同相关程度的结果了。

下载安装中文分词器

ElasticSearch 默认是没有中文分词器的，需要额外安装。
elasticsearch-analysis-ik-6.2.2.zip
下载elasticsearch-analysis-ik-6.2.2.zip，然后复制到 ElasticSearch 解压目录下D:\software\elasticsearch\elasticsearch-6.2.2
注意： elasticsearch-analysis-ik-6.2.2.zip 所存放的路径不要有空格，比如放在 program files 这样的路径下就不行了

接着运行如下命令：

D:\software\elasticsearch\elasticsearch-6.2.2\bin\elasticsearch-plugin install file:\\\\D:\software\elasticsearch\elasticsearch-6.2.2\elasticsearch-analysis-ik-6.2.2.zip

重启 ElasticSearch

安装插件后要重启，否则无法生效。
重启很简单。。。就是右上角X掉，然后重新运行elasticsearch.bat

测试中文分词效果

打开 kibana控制台运行如下命令：

GET _analyze
{
  "analyzer":"ik_max_word",
  "text":"我是天下无敌大帅哥"
}

返回如图所示的分词效果

KIBANA文档管理

增加文档

打开 kibana控制台运行如下命令：
新建索引

PUT /blog?pretty

增加文档

PUT /blog/tap/1?pretty
{
  "name": "数据结构"
}

返回如图所示增加成功的响应

注意：其中的tap在elastic search里是type的概念，相当于数据库里的表，这里就相当于向 tap表里插入了一条数据

获取文档

输入请求：

GET /blog/tap/1?pretty

获取相应：

{
  "_index": "blog",  //_index 表示哪个索引
  "_type": "tap",	//_type 表示哪个表
  "_id": "1",		//_id 主键
  "_version": 1,	//_version 版本
  "found": true,	//found 数据存在
  "_source": {	//_source: 数据内容
    "name": "数据结构"
  }
}

修改文档一

修改两种方式，第一种还是用PUT，PUT本来用来做增加的，但是当输入的id已经存在的时候，就自动变成修改功能了

PUT /blog/tap/1?pretty
{
  "name": "编译原理"
}

看看，此时如图所示，已经变成编译原理了，版本变更成为2了

修改文档二

修改两种方式，第二种使用 POST，这才是正规的修改，其实和修改文档1 效果一样的

POST /blog/tap/1/_update?pretty
{
  "doc": { "name": "操作系统" }
}

查看

GET /blog/tap/1?pretty

留意其中的版本已经是3了，第一次创建的时候是1，第一次修改是2，现在修改是3

删除文档

执行删除：

DELETE /blog/tap/1?pretty

查看

GET /blog/tap/1?pretty

查询结果：

{
  "_index": "blog",
  "_type": "tap",
  "_id": "1",
  "found": false
}

found:false 就表示没有找到啦

批量导入

POST _bulk
{"index":{"_index":"blog","_type":"tap","_id":10001}}
{"name":"java知识基础","flog":"原创"}
{"index":{"_index":"blog","_type":"tap","_id":10002}}
{"name":"java知识基础1","flog":"原创1"}
{"index":{"_index":"blog","_type":"tap","_id":10003}}

查看所有数据

GET /blog/_search
{
  "query":{
    "match_all": {}
  }
}

返回结果解释

took：查询花费时间，单位是毫秒
time_out：是否超时
_shards：分片信息
hits：搜索结果总览对象
total：搜索到的总条数
max_score：所有结果中文档得分的最高分
hits：搜索结果的文档对象数组，每个元素是一条搜索到的文档信息
_index：索引库
_type：文档类型
_id：文档id
_score：文档得分
_source：文档的源数据

注意：使用这种方式能够插入的上限较小

id 倒排序查询

输入命令：

 
GET /blog/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "_id": "desc" }
  ]
}

如图所示，按照_id 倒排序

查询只返回部分字段

使用命令：

 
GET /blog/_search
{
  "query": { "match_all": {} },
  "_source": ["name"]
}

如图所示，只返回name字段

条件查询

输入命令：

 
GET /blog/_search
{
  "query": { "match": { "name": "基础" } }
}

如图所示根据条件查询

分页查询

分页查询
从第一条数据开始，取两个，再按id倒叙排列

 
GET /blog/_search
{
  "query": { "match_all": {} },
  "from": 1,
  "size": 2,
  "sort": { "_id": { "order": "desc" } }
}

聚合aggregations

聚合简介

聚合可以让我们极其方便的实现对数据的统计、分析。例如：
什么品牌的手机最受欢迎？
这些手机的平均价格、最高价格、最低价格？
这些手机每月的销售情况如何？
实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

基本概念

Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量
桶（bucket）
桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……或者我们按照年龄段对人进行划分：0_10,1020,20_30,3040等。
Elasticsearch中提供的划分桶的方式有很多：

• Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
• Histogram Aggregation：根据数值阶梯分组，与日期类似，需要知道分组的间隔（interval）
• Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
• Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
• ……

综上所述，我们发现bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量
度量（metrics）
分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量

比较常用的一些度量聚合方式：

• Avg Aggregation：求平均值

• Max Aggregation：求最大值

• Min Aggregation：求最小值

• Percentiles Aggregation：求百分比

• Stats Aggregation：同时返回avg、max、min、sum、count等

• Sum Aggregation：求和

• Top hits Aggregation：求前几

• Value Count Aggregation：求总数

• ……

聚合为桶(统计数据)

首先，我们按照 name来划分桶，按照name分桶，最好是使用TermAggregation类型，按照bolg的名称来分桶。

运行如下命令：
第一个size:0表示 不用显示每条数据，第二个size:3表示分组数据显示3条。

 
GET /blog/_search
{
  "size": 0,
  "aggs": {
    "group_by_name": {
      "terms": {
        "field": "name.keyword",
        "size": 3
      }
    }
  }
}

相当于sql语句：

select count(*), name from blog group by name limit 0,3

返回结果

{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "group_by_name": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "java知识基础",
          "doc_count": 1
        },
        {
          "key": "java知识基础1",
          "doc_count": 1
        },
        {
          "key": "操作系统",
          "doc_count": 1
        }
      ]
    }
  }
}