你可以學到？

接下來兩天，我們將會深入了解 Kibana，一個重要的視覺化工具。

本篇的主題包含有：

1. 在 Kibana 之前，Elastic 與 data 簡介

那我們就開始吧！

Elastic 簡介

在開始介紹 Kibana 之前，我們先來講講 Elastic 這間公司，他們在資料問題上，提供了 3 種解決方案：

1. Search
2. Observability
3. Security

這三種解決方案讓你可以搜索、觀察與保護你的系統。

而這些解決方案是由一個堆疊（stack）、一套軟體讓我們可以傳送、讀取、儲存、搜索與視覺化資料，我們稱它做 Elastic Stack，這個堆疊是由 Kibana、Elasticsearch、Beats 和 Logstash 所構成。

資料的旅程

所有收集資料到最後視覺化的過程，好比是一個旅程一般，如下圖所示，一開始資料產生後，透過 Beats 或 Logstash，傳送輸入進 Elasticsearch 做儲存、建立索引，最後再透過 Kibana 與 Elasticsearch 互動後做視覺化的呈現。

文件（Documents）

資料可以用各種不同的形態做儲存，例如說 table、XML、JSON...等等，而在 Elasticsearch 中，資料是以一種稱做 **文件（documents）**的方式做儲存，並以JSON做表示。

舉例來說，如果今天有一個 table 的資料如下圖：

以第一筆資料來說，儲存在 Elasticsearch 內就會變成：

{
    "user": "Bill",
    "age": 30,
    "country": "FR",
    "category": "A"
}

而六筆資料就會變成六個文件，像下圖這樣：

資料的種類

一般來說，我們可以將資料粗略的分為兩大種類：

• 靜態資料
• 時間序列資料

這兩種類型的資料，最大的差異點就在於：會不會隨著時間增加而改變或增加。

在 Elaticsearch 中，因為是用索引在管理、組織與儲存資料，為了讓其可以理想地工作，一個索引必須是固定大小的，所以若是處理靜態資料，那麼就相當適合且黑皮，因為資料不會隨著時間增加。

然而，若當今天資料是會隨時間改變的型態，那就會複雜許多，其中一種解法就是把索引的名稱加上時間的資訊，舉例而言，今天所收集的資料就把索引名稱取做 data-2020-09-16，明天的就取做 data-2020-09-17。

如此一來，在 Kibana 中，先指明索引樣式（index pattern），再選定想要查詢資料的日期區間，就可以快速地做呈現了！

資料集

讓我們來假設一個情境：有一個社群軟體，讓你可以在網路上傳送訊息，而每一則訊息都會記錄一個日誌。

舉例來說：今天有一個人叫小英，住在台灣，有著 817 個追蹤者，今天小英出門旅遊時，在高雄傳給小魚一則訊息，裡面主題包含了：#美豬、#爐渣，那麼這則日誌儲存的資訊可能會長得像下面這樣：

{
  "message_id": 1,
  "user.name": "小英",
  "user.geo.country": "台灣",
  "user.geo.city": "台北",
  "user.nb_of_followers": 817,
  "subjects": "#美豬 #爐渣",
  "number_of_subjects": 2,
  "likes": 94,
  "geo.country": "台灣",
  "geo.city": "高雄"
}

上面這種以事件（Event）為中心所儲存的資料，有著它的優點，卻也有一些限制。例如說我今天想要計算每個使用者平均被點讚的次數，這樣 事件中心（event-centric） 的資料就變得比較困難。

若要解決這種問題，我們可以定期地執行一些 script ，將這樣事件中心的資料轉變成 實體中心（entity-centric），以剛才的例子來說，我們就可以把所有小英這個使用者的訊息拿出來，轉變成另外一種文件資料做儲存：

{
  "user_id": 3,
  "name": "小英",
  "geo.country": "台灣",
  "geo.city": "台北",
  "nb_of_followers": 817,
  "average_likes": 66,
  "salary": 49000,
  "occupation": "教授"
}

Kibana vs Elasticsearch

Kibana 是一個功能強大的工具，但它不儲存資料。

如果需要儲存資料，需要存進 Elasticsearch，當資料儲存在 Elasticsearch 中，Kibana 便可以利用它們來創建視覺化圖表。

今日心得與短結

總算進入到 Kibana 的篇章啦！對於整個 Elastic Stack 也逐漸越來越了解什麼是什麼，要拿來幹嘛，有種便便越來越順暢的感覺ㄎㄎ

今天我們先了解在 Kibana 視覺化資料之前，到底資料是以什麼樣子做儲存的，先知道源頭是怎樣後，明天我們就要開始來實作操作 Kibana on Elastic Cloud 囉！