Kibana 是一款开源的可视化数据分析工具，可以使用 Kibana 对 Elasticsearch 中的数据进行搜索、分析，可以很方便的利用图表、表格及地图对数据进行多样的可视化展现。

创建与访问Kibana

在百度智能云选择Elasticsearch服务并完成创建集群后，除了已购买的Elasticsearch节点，默认会附赠一个Kibana节点，如图所示：

通过上图连接信息中所示的Kibana HTTP URL可以直接访问Kibana服务，Kibana用户名密码与百度智能云Elasticsearch服务的用户名密码相同。

使用Kibana

使用Console快速访问Elasticsearch

使用Dev Tools中的Console界面，可以直接使用REST API快速访问Elasticsearch。使用方式如下：

• 调用GET _cat/nodes ，快速得到节点信息。

• 使用search API，可以直接检索索引filebeat-7.4.2-slowlog-2020.09.01中的数据。

• 直接点击如图所示Open documentation，可以查看Elasticsearch API文档。

使用仪表盘展示数据

接下来本文用Elasticsearch慢查询日志为例，体验Kibana把数据在仪表盘中展示的过程。

在索引filebeat-7.4.2-slowlog-2020.09.16中，保存有使用filebeat导入的慢查询日志数据，数据结构如下所示：

{
  "took_millis": "4",
  "shard_num": "2",
  "query_dsl": "{}",
  "hostname": "node-1",
  "shard": "0",
  "class": "index.search.slowlog.fetch",
  "took": "4.9",
  "level": "INFO",
  "index": "filebeat_test",
  "message": "[2020-09-16T20:05:12,000][INFO ][index.search.slowlog.fetch] [node-0][filebeat_test][0] took[4.9ms], took_millis[4], total_hits[5132 hits], types[], stats[], search_type[QUERY_THEN_FETCH], total_shards[2], source[{}], id[], ",
  "hits": "5132",
  "node": "node-0",
  "@timestamp": "2020-09-16T12:05:12.333Z",
  "time": "2020-09-16T20:05:12,000"
}

创建索引模式Index Patterns

加载到 Elasticsearch 的每组数据都有一个索引模式（Index Pattern）。 在这里为了检索filebeat-7.4.2-slowlog-2020.09.16，可以设置Index Pattern为 filebeat-7.4.2-slowlog-* ，如图所示：

选择@timestamp为Time Filter field，Time Filter将使用此字段按时间筛选数据。

点击 Create Index Pattern 后成功创建Index Pattern。

使用Discover检索数据

单击侧面导航中的 Discover 进入 Kibana 的数据探索功能：

在查询框Filters里，用户可以输入Kibana查询语句来搜索上文保存的慢查询日志。在 Discover 页面下可以查看搜索结果并在 Visualize 页面下生成已保存搜索的可视化效果。

使用Visualize可视化数据

在侧边导航栏点击 Visualize 开始可视化慢查询日志数据。

在New Visualize中可以选择合适的图表来可视化数据，在这里我们制作一个Horizontal Bar（水平条形图）和一个Pie（饼图）。

创建一个Horizontal Bar图（水平条形图）

Horizontal Bar(水平条形图)一般用来比较不同分组的数据差异性。在日志分析的例子中，本文使用Horizontal Bar(水平条形图)来比较不同时间段内的慢日志条数。下面是创建Horizontal Bar图（水平条形图）的例子。

1.在 New Visualization 页面中选择 Horizontal Bar 选项； 2.选择配置的Index Pattern； 3.指标项（Metrics）的y轴可以选择为Count（日志条数），Buckets选择Date Histogram（日期矩形图），得到的统计图如下所示：

如图，可以清楚的看出不同的时间内慢日志条数之间的对比，有助于排查慢查询问题。

制作完成后，用户可以点击页面左上角 Save 然后输入名称 （如图示例my log histogram） 来保存这个图表供以后使用。

创建Pie(饼图)

Pie(饼图)一般用于强调各项数据占总体的占比，提现了个体和整体的比较。在日志分析的例子中，我们可以使用Pie(饼图)来比较慢查询日志的查询耗时区间的分布情况。下面是创建Pie图(饼图)的例子。

1.在 New Visualization 页面中选择 Pie 选项； 2.选择配置的Index Pattern； 3.对took字段进行Metrics的Count聚合，并设定了若干统计区间，得到的统计图如下所示：

如图可以看出，耗时20ms内和耗时20ms-100ms的查询占据了绝大部分，而100ms以上的查询只有极少的分布，可以更加直观的分析慢查询的情况。

同上，制作完成后，点击页面左上角 Save 然后输入名称 （my log pie） 来保存这个图表供以后使用。

更多Visualize的用法可参见Kibana官方网站。

使用Dashboard仪表盘汇总数据

仪表板可用于集中管理和分享可视化控件集合。构建一个仪表板可以配置在Visualize中已保存的可视化控件，方法如下：

1. 在侧边导航栏点击 Dashboard 。
2. 点击 Add 显示已保存的可视化控件列表。

3. 单击my log histogram和my log pie，然后刚刚制作的Visualize就增加到了Dashboard中。

将鼠标悬停在一个可视化控件上可以显示允许编辑、移动、删除和调整它的控制器。

制作完成后，点击页面左上角 Save 然后输入名称 来保存Dashboard。

要获取分享链接或将仪表板嵌入到网页中的 HTML 代码，请保存仪表板并点击 Share 。

更多Dashboard的用法可参见Kibana官方网站。