Kibana交互使用实践—— Kibana Lens
Kibana 是一款开源的数据分析和可视化平台，它是Elastic Stack 成员之一，旨在与 Elasticsearch 配合使用。在Kibana中搜索、查看存储在 Elasticsearch 索引中的数据并与之交互，轻松地执行高级数据分析并在各种图表、表格和地图中可视化数据。系列文章将对Kibana的一些功能和交互进行拆解和分析，同时对比SLS中的类似功能，进行使用上的优化和探索。
基于Kibana 7.10.0
成千上万的人已经在各种领域使用Kibana作为数据分析的手段，但是对于绝大多数开发者和分析人员来讲，想要快速掌握Kibana的使用方式，仍然存在一定的挑战性，特别是在可视化领域，如何用最佳的手段对数据进行可视化展示，往往要求使用者具备丰富的可视化经验，同时在使用诸如Kibana这样的分析工具时，也经常需要反复地调整可视化配置，才能得到想要的结果。Elastic在7.5推出Kibana Lens，想要改变这一现状
Kibana Lens直译过来就是【透镜】，通过Elastic对这个功能的定义我们可以发现这个命名很有意思：
Kibana Lens让您快速、轻松、直观地洞悉您的Elasticsearch数据。
Lens主要专注于易用性、可视化最佳实践以及灵活性。只需简单地将数据字段拖放到窗口中，您便可以创建可视化。
Lens中内置的智能建议功能可让您以全新方式对数据进行可视化，此外您还拥有更多灵活性，可以随时改变想法，并在图表类型和索引模式之间快速切换。
Lens使得 Kibana 中进行数据切片和切块不仅变得更简单，也会更有趣。
不难看出，Kibana Lens目的非常明确，协助你去探索自己的数据，更加快速易用。
Kibana Lens的提出，致力于解决可视化易用性问题，同时保证一定的灵活性，让使用者在不具备Elasticsearch aggregation的基本知识，也能使用Kibana Lens创建出丰富美观的可视化图表。
通过Visualize菜单进入，创建一个新的可视化视图，通常情况下我们是去选择一个图表的类型，比如柱状图、饼图，第一个选项即为Lens，也能看出这类创建可视化视图的方式是Kibana首推的方法。
Kibana在Lens的布局中，提供了左侧的Field查看列表，这个和Discover中的Filed快速查询十分类似，一开始我们也许并不知道要什么样的数据进行分析，而一个简单的Filed概览就可以方便你快速的去了解数据，得到一个大致的概念，比如这里的CallerType字段，我们就能拿到一个大致的访问范围。
在我们对已有的数据有了一个简单的探索之后，我们可以开始尝试对其进行可视化分析，通过拖拽的方式，我们来看看Lens给我们推荐的CallerType的可视化方案：
这里我们拿到了一个非常简单的柱状分析图，与此同时我们还可以把我们关心的多个维度进行交叉分析，比如这里我可以将CallerType和ClientIp进行结合，只需要将ClientIp拖拽到视图区域即可
这里，我们就能看到一个推荐好的堆叠柱状图，在CallerType的分布上，查看每一类中top的访问ip
在Lens的界面，我们也可以输入KQL，在创建可视化视图的过程中动态去修改我们想要的数据源，做一些提前的过滤和分析，这对于熟悉Kibana分析的用户来说，是一个非常好的补充
基于Lens对于Field类型的判断，Lens提供了几类建议的视图，用于快速调整图表的类型，这些图表类型也是Kibana根据经验推荐的符合数据类型的视图。当然，如果你对自己的可视化场景有个人的理解，也可以自己变换图表的类型
Lens将常见的图表类型做了一定程度的归类，下面我们来看看场景的分类：
具备X轴和Y轴的图表
可以看到，X轴一般给了时间分布、间隔、过滤以及Top值，Y轴给了平均值、最大最小值、总数、数量、唯一值等，同时增加聚合列（break down），提升多维分析能力，通过简单的组合，即可完成绝大多数可视化分析场景
分布
分布的可视化多为饼图和矩形树图场景，支持Slice by 或者 Group by的语义，加上数值列和聚合列，覆盖分布可视化的场景
单值
单值更多只是一个Metric上的最后点信息，利用类似Y轴的配置来进行处理，比如count of record，或者Maximum of Field：
SLS可视化也发展了3到4年时间，在可视化探索中，一直在问自己一个问题：如何让客户更加快速、简单、准确地配置出自己想要的可视化视图？要配置一张比较完整，覆盖各个分析关键点且好看的仪表盘，通过总结可以看到这个配置的人一般需要具备一些这样的能力：
明白自己的数据是什么？Schema是什么样子的？
明白自己数据分析的目的？要解决什么样子的问题？
能写出来比较复杂的查询分析语句，将复杂的数据抽象为数据表的能力
能有一定的可视化经验，知道哪一种图适合怎样的场景，有哪些常见的配置
能有一定的设计能力
但往往全部具备这些能力的人凤毛麟角。
一个运维人员：关注各类机器指标数据，会写简单的SQL语句，能在简单了解SLS的查询分析语句后，倒腾出来一张监控大盘，但往往只有密密麻麻的线图数据：
一个前端人员：关注各类访问日志数据，能做成来比较好看的大图，但往往不具备复杂分析的能力，仪表盘相对简单
一个BI分析运营人员：绝大多数不具备agg的能力，无法在SLS上完成分析并进行可视化
当然，我们也遇到一些喜欢倒腾的用户，能把SLS里的各类图表都玩得比较转，但是绝大多数适合，我们还是收到了【难用】这一类的反馈，本质上，其实还是过于高的分析门槛，过多的可视化配置导致用户无法找到最适合自己的可视化方案。
为了解决上述的一些问题，SLS可视化团队在发展的过程中，提出基于场景去构建可视化仪表盘模板，其实绝大多数国内的客户，更喜欢并倾向你给我一套完整的解决方案，通过简单的配置就能拿到想要的视图和结果。SLS在和阿里云上的云产品的合作过程中，用户想要获取到云产品上的操作日志、访问日志、错误日志等，基于云产品日志的特性，规整出一套最佳实践方案，对接时就提供默认的仪表模板并基于用户的存储空间进行创建，屏蔽掉创建的细节，来看一张SLB大盘的示例：
虽然，这样带来了仪表盘使用量和访问量的增长，但这种解决方案，其实规避了问题的核心：
用户不了解SLS可视化的具体能力，某种层面对SLS可视化的发展其实是有阻碍作用
当用户有自定义的需求时候，面临同样的易用性问题
Kibana推出Lens似乎也在寻找这个问题的答案，简单的推荐+灵活的配置，初次使用的人员和资深用户都可以玩转整个Elastic的可视化。SLS也在寻求问题的答案，我们会探索一套SQL Builder + 可视化中心的App模式，为SLS数据可视化场景找到一个更加符合自身发展的方式。
进一步参考
论坛分享视频：https://developer.aliyun.com/live/246820
SLS（日志服务）云原生观测分析平台：https://www.aliyun.com/product/sls
SLS新版告警文档首页：https://help.aliyun.com/document_detail/207609.html
欢迎钉钉扫群加入阿里云-日志服务（SLS）技术交流, 获得第一手资料与支持
更多SLS的系列直播与培训视频会同步到微信公众号与B站，敬请留意
为您推荐（持续更新）