我的Elasticsearch系列文章，逐渐更新中，欢迎关注
0A.关于Elasticsearch及实例应用
00.Solr与ElasticSearch对比
01.ElasticSearch能做什么？
02.Elastic Stack功能介绍
03.如何安装与设置Elasticsearch API
04.如果通过elasticsearch的head插件建立索引_CRUD操作
05.Elasticsearch多个实例和head plugin使用介绍
06.当Elasticsearch进行文档索引时，它是怎样工作的？
10.Kibana科普-作为Elasticsearhc开发工具
11.Elasticsearch查询方法
15.使用Django进行ElasticSearch的简单方法
16.关于Elasticsearch的6件不太明显的事情
17.使用Python的初学者Elasticsearch教程
18.用ElasticSearch索引MongoDB,一个简单的自动完成索引项目
19.Kibana对Elasticsearch的实用介绍
20.不和谐如何索引数十亿条消息
21.使用Django进行ElasticSearch的简单方法
另外Elasticsearch入门，我强烈推荐ElasticSearch新手搭建手册和这篇优秀的REST API设计指南 给你，这两个指南都是非常想尽的入门手册。
第10篇-Kibana 7.x，安装及基础知识科普
我用ELK堆栈在中等水平上写博客已经快两年了，在这段时间里发生了很多变化。从其名称ELK堆栈到弹性堆栈，几乎每个堆栈成员都得到了更新。
但是最重要的一项更改是我从使用Elasticsearhc-head插件进行Elasticsearch的日常操作转变。我已经完全从使用头插件转变为Kibana的世界。
在过去的两年中，从Kibana 5.x到Kibana 7.x，已经发生了很多变化，而且用户和开发人员也迫切希望看到这些变化。这些变化范围从开发工具中的简单JSON修饰到通过Kibana的批量数据索引工具（通过提供JSON或CSV文件）。
因此，让我从安装和设置入手，介绍本系列中功率强大的Kibana 7.x的基本和最有用的功能。
安装
这里提到的安装仅适用于Ubuntu风格的Linux。
步骤1 —下载安装文件，
您可以从此链接下载Debian安装文件。
在这里，我们使用的是Kibana的7.2.0版本。
另外，请确保您已在系统中安装了7.2.0或更高版本的Elasticsearch。
安装与我们在较早的博客中
通过命令行看到的安装几乎相同，您只需键入以下内容：
wget https://artifacts.elastic.co/downloads/kibana/kibana-7.2.0-amd64.deb第2步-安装debian软件包
须藤dpkg -i kibana-7.2.0-amd64.deb步骤3 — Kibana.yml文件
的配置默认情况下，Kibana的配置文件将位于
/etc/kibana/config/kibana.yml在上面的文件中，我们可以指定许多东西，例如Elasticsearch主机和运行Kibana的端口。
Elasticsearch的主机地址的默认设置为localhost，而Kibana运行的端口为5601。因此，理想情况下，如果您在与Kibana相同的计算机上运行Elasticsearch，则不应进行任何更改。
步骤4 —启动Kibana
您可以使用以下命令启动Kibana服务：
须藤服务kibana开始现在，在此之后，转到浏览器并访问localhost：5601，Kibana将被加载，并且登录页面如下所示：
到目前为止，在上面的页面中，我们仅关注两个部分。
1.数据加载部分
2.开发工具部分
我们仅将感兴趣的领域限制在上述部分，因为在此博客的第03阶段和第04阶段中，我们没有深入介绍如何创建可视化和仪表板的细节。相反，我们将致力于将示例数据索引/加载到Elasticsearch，并查询已索引的数据。
Kibana的其他部分将在04期之后进行更详细的探讨。
开发工具部分
Kibana中的“开发工具”部分的功能与我们之前所见的elasticsearhc-head插件几乎相同，但具有更大的灵活性和附录。让我们从开发人员控制台创建一个名为testindex的索引 。打开开发控制台（通过单击框2），然后键入以下内容
PUT测试指标这将在开发控制台中如下所示
现在，在输入PUT请求之后，按上图中的播放按钮（由方框1表示）。将创建索引，响应将出现在右侧部分，标记为红色框2。
就像在控制台中一样，我们可以尝试大多数用于Elasticsearch的REST API。我们将主要在接下来的两个阶段中处理查询API。
数据加载部分
在上面的图片中，单击框1，上面写着“ Import CSV，NDJSON或日志文件 ”，现在将出现如下屏幕：
现在，从此处下载示例数据，并使用以上屏幕将其上传。之后，下一个屏幕将如下所示：
在上面的屏幕中按“导入”后，下一个屏幕将询问要在其中加载数据的索引名称，如下所示：
在左侧显示的屏幕中，选择“高级”选项卡，以编辑映射。
由于样本数据包含一个日期，字段，因此如果我们更改其映射，这将很有帮助，可以在“高级”部分中完成。单击“高级”选项卡后，屏幕将显示以下屏幕：
在上面的屏幕的第一部分（红色框01）中，我提供了唯一的索引名称（testindex-01），然后在“映射”部分中，我将字段“ joiningDate”的映射类型编辑为输入“日期”。在此之后，单击第三个框，即“导入”。这将开始上传文件并为数据建立索引。如下所示的进度条将指示数据索引编制过程的完成。
现在，从左侧导航栏中，单击“开发工具”，然后键入以下内容，然后按播放按钮以运行查询，然后在响应中我们可以看到索引数据。
在运行查询的左侧面板中，是一个简单的搜索请求，它将从索引中返回10个文档。右侧面板中的响应显示已编制索引的文档。红色标记的红色框显示了一个这样的文档。已建立索引的文档从“ _source”字段下的对象开始。“ _index”，“ _ type”，“ _ id”，“ _ score”字段称为元数据。
结论
在此博客中，我们看到了如何使用Kibana安装，运行和运行简单请求。我们还看到了如何使用Kibana控制台以CSV格式加载数据。现在我进行迭代，这两个仅占Kibana使用量的10–20％，其他80％用于构建可视化/仪表板，稍后将介绍。
我们看到的2个部分将对与查询有关的博客以及下一阶段将要使用的许多其他API有所帮助。因此，让我们为查询和聚合的下一课做好准备。