看着非常炫酷的Kibana可视化，你也可以搞定！

1、Elastic Stack 与 Kibana

Elastic Stack 数据平台由 Logstash、Beats、ElasticSearch 和 Kibana 四大核心产品组成，在数据摄取、存储计算分析及数据可视化方面有着无可比拟的优势。

Logstash 和 Beats作为底层核心引擎组成数据摄取平台，可以将数据进行标准化，便于后续分析使用。其中，Beats作为轻量级的数据搬运工，集合了多种单一用途数据采集器，将数据发送给 Logstash 或ElasticSearch，其可扩展的框架及丰富的预置采集器将使工作事半功倍。Logstash 是开源的服务器端数据处理管道，可同时从多个来源采集、转换数据，并将数据发送到存储库中。在存储、计算和分析方面，ElasticSearch允许执行和合并多种类型的搜索，解决不断涌现的各种用例，并具有极高的可用性及容错性，充分保障集群安全。

Kibana 作为用户界面的核心，集成了丰富的可视化工具、界面交互开发工具和管理工具，帮助开发人员将数据轻松分享给任何人，甚至还能通过机器学习来监测数据中的隐藏异常并追溯其来源。

以这四大核心产品为基础构建的 Elastic 数据平台实现了数据实时性、相关性及扩展性的完美结合，不仅可以处理各种数据，还能深入挖掘数据的内在关联并迅速呈现，彻底解决企业的大数据实时处理难题。

之前咱们的文章围绕 Elasticsearch 展开写的多一些，Kibana 介绍的相对少一些。今天想围绕 Kibana 的发展历史、核心功能、企业级使用场景好好介绍一下。

2、Kibana 发展历史

在 Elastic 官方发布的发布历程中提及：“在 Elasticsearch Inc. 成立前后，另外两个开源项目也正在跨越式发展。一个是一款开源的可插拔数据采集工具——logstash；另外一个是一款名为 Kibana 的开源 UI”。

三位作者（Elastic 作者、Kibana 作者、logstash 作者）对各自的产品也颇为了解，所以他们最终决定携手共同发展，才有了 ELK Stack，后面衍生为现在的 Elastic Stack。

Kibana 的创始人为：Rashid Khan。

Rashid 是一名运维工程师出身的软件开发人员，其 Twitter 对自己的介绍：数据极客、黑客、Kibana、Timelion、Canvas的创始人。

• Rashid 的 Github 地址：

https://github.com/rashidkpc

• Rashid 发布过的文章列表：

https://www.elastic.co/cn/blog/author/rashid-khan

可惜，2017年之后未再更新。

Elastic 官网最早集成 Kibana 的版本是 3.0.0， 3.0.0 正式发布的时间为：2014 年 3 月 19 日。其后的版本历史如下：

版本	发布时间
3.0.0	2014年3月19日
4.0.0	2015年2月20日
5.0.0	2016年10月27日
6.0.0	2017年11月14日
7.0.0	2019年4月10日
8.0.0	2022年2月11日

3、Kibana 核心功能

2014 年 在 Kibana 3.0 官方文档中对 Kibana 的介绍如下：

• Kibana 是用于 ElasticSearch 的开源（Apache 许可）、基于浏览器的分析和搜索仪表板。
• Kibana 可以轻松设置和开始使用。
• 完全用 HTML 和 Javascript 编写，它只需要一个普通的网络服务器，Kibana 不需要花哨的服务器端组件。
• Kibana 力求易于上手，同时也像 Elasticsearch 一样灵活且强大。

8 年的发展和演变，2022 年在 Elastic 官方文档“What is kibana” 中这样写道：

“Kibana 是一款免费开源的前端应用程序，其基础是 Elastic Stack，可以为 Elasticsearch 中索引的数据提供搜索和数据可视化功能。尽管人们通常将 Kibana 视作 Elastic Stack的制图工具，但也可将 Kibana 作为用户界面来监测和管理 Elastic Stack 集群并确保集群安全性，还可将其作为基于 Elastic Stack 所开发内置解决方案的汇集中心。Elasticsearch 社区于 2013 年开发出了 Kibana，现在 Kibana 已发展成为 Elastic Stack 的窗口，是用户和公司的一个门户。”

如上所述，Kibana 核心功能（不含付费功能）可以概述为如下节点：

3.1 数据可视化

如果把 Elasticsearch 比作数据落地存储的“存储池”，那么 Kibana 则是直观可视化展示数据的平台。

可以对已存储在 Elasticsearch 的全量数据根据自己不同类型的人员（架构师、开发工程师、运维工程师、产品经理、项目经理、BI分析师、运营人员）业务需求做多种维度的自定义分析。

数据仅存储在 Elasticsearch 是“死”的，但是在 Kibana 中，数据变得“鲜活”、“灵动”、“美丽”、“可爱”。

3.2 dev tool 开发工具

这是开发工程师、运维工程师、架构师的必备利器。

有读者可能会有疑惑：“head 插件、postman工具、cerebro 第三方工具 等不香吗？”

可以毫不夸张的说：如上这几个工具相比于 kibana 是“小巫见大巫”，相当于“王先生碰到王麻子，不知道差多少点”。

每每看到有人用 head 插件调试 DSL，我都会推荐 Kibana。

3.3 安全和监控

6.8 和 7.1 之前的 Elastic 集群版本的基础安全都是没法保证的，因为之前 X-Pack 功能收费。有先见之明的团队在集群外包裹了一层 nginx 或者 第三方安全插件“search guard” 等作为基础防护，但是当时绝大多数集群都属于“裸奔”状态，这也导致了Elastic 集群安全事件频发。

而 7.1 版本后，X-Pack 基础功能免费，至少我们的 Elasticsearch集群、kibana 可视化能加了一层“账号、密码”安全防备，必要时多节点的TCP 通信层也可以加上 SSL 通信加密。

更为可喜的事，7.X 的自定义安全机制在 8.X 版本变成了自动和必须。8.X 集群会自动帮我们“上锁”，安全成为了必须而非“可选”。

其实：安全更进一步讲，又细分为：Space空间、role 角色、user用户 等三个维度。

• Space 空间——比如：开发人员、市场人员等大类划分。

• Role 角色——比如：开发工程师、运维工程师、前端、后端等细分小类划分。

• user 用户——除了 elastic、kibana-system 等自带用户外，其他按需自己定义。

如上三者是由大到小逐步细化的概念。

以上：kibana 7.1+版本全部包含且免费。

“安全是头等大事”，除了安全，作为开发和运维人员，我们也非常关注集群的各项指标数据。这点 Kibana 的 Stack Monioting 也做的非常细致、出色和完备。

不止于监控 Elasticsearch 集群本身，kibana 还可以监控：mysql、redis、Kafka、ActiveMQ 等 N 多组件，包含但不限于如下截图内容：

有了指标数据的监控可视化，我们才能真正从全局“掌控”集群的全貌，“防患于未然”。

4、Kibana 可视化企业级使用场景

前面我们讲了 Kibana 核心功能和应用场景，其中提到和着重介绍了可视化。

Kibana 对于数据的可视化“驾轻就熟”，那么在企业里面用数据的可视化可以做哪些事情呢？

4.1 数据的统计、可视化分析

当处理数据达到一定规模之后，单纯的检索、聚合都可以借助 kibana dev tool 搞定。

但是，我想实际看到数据的聚合效果、相对数据做定制可视化分析。之前咱们讲过的“长津湖影评数据可视化分析”就是基于此场景实现。

4.2 前后端联调接口可视化呈现

互联网数据可视化分析

应用市场数据可视化分析

前后端联调接口时，涉及聚合统计基本上后端人员自己借助 kibana 实现数据可视化呈现。一方面验证看到聚合的结果；另一方面双向验证自己 DSL 语法的正确性。

4.3 向上级 boss 汇报用

boss 关注结果，不关注过程。如果你口头汇报往往不够直观。有了可视化，“有图有真相”，基本不用说话即可完成汇报。

5、Kibana 可视化功能实战

上面的数据分析图非常炫酷，企业级开发人员、运维人员、数据分析人员等也都需要。

但，到底如何动手实现呢？

鉴于大家对于 kibana 数据可视化的分析的呼声非常高，我准备抽出2小时时间和大家一起分享一下。

5.1 分享主题

看着非常炫酷的 Kibana 可视化，你也可以搞定！

以 kibana 自带航班飞行数据为例，一步一步实现如下的可视化图。

 kibana_sample_data_flights 航班飞行数据可视化

5.2 分享大纲

• 1、ElasticStack企业级应用场景全方位解读
• 2、从 0 到 1 实战 Kibana 可视化
• 3、通过可视化加深对聚合的理解

5.3 分享目标

• 目标1：对ElasticStack企业级应用场景形成全局认知
• 目标2：能自己动手实现大数据可视化分析

扫码预约，等待直播>>

参考

https://www.elastic.co/cn/about/history-of-elasticsearch

https://towardsdatascience.com/exploring-kibana-ae8a770e0303

Elastic 产品生命周期：https://www.elastic.co/cn/support/eol

https://www.elastic.co/cn/about/history-of-elasticsearch

https://en.wikipedia.org/wiki/Kibana

https://jaxenter.com/elasticsearch-founder-interview-112677.html