原文出处：https://blog.csdn.net/ming_311/article/details/现在你已经安装了Kibana，现在你一步步通过本教程快速获取Kibana核心功能的实践经验。学习完本教程，你将：
1.加载案例数据到你安装的Elasticsearch中
2. 定义至少一个索引匹配模式
3.使用Discover功能探索你的数据
4.建立一个visualization图形化地展示你的数据
5.把许多visualization汇编组装成一个Dashboard
本段内容假设你已经安装好了Kibana和Elasticsearch，并且Kibana连接到了Elasticsearch。
视频教程也可获取
在你开始之前：加载案例数据
本段教程依赖如下数据集：
1. 莎士比亚的所有著作，合适地解析成了各个字段：shakespeare.json。
2. 随机生成的虚构账号数据：accounts.json
3. 随机生成的日志文件：logs.jsonl
以上数据可在下载
莎士比亚数据集由如下数据格式组织[javascript]
"line_id": INT,
"play_name": "String",
"speech_number": INT,
"line_number": "String",
"speaker": "String",
"text_entry": "String",
"line_id": INT,
"play_name": "String",
"speech_number": INT,
"line_number": "String",
"speaker": "String",
"text_entry": "String",
}账户数据集由如下数据格式组织[javascript]
"account_number": INT,
"balance": INT,
"firstname": "String",
"lastname": "String",
"age": INT,
"gender": "M or F",
"address": "String",
"employer": "String",
"email": "String",
"city": "String",
"state": "String"
"account_number": INT,
"balance": INT,
"firstname": "String",
"lastname": "String",
"age": INT,
"gender": "M or F",
"address": "String",
"employer": "String",
"email": "String",
"city": "String",
"state": "String"
}日志数据有几十个不同的字段，但是在教程中关注的字段如下：[javascript]
"memory": INT,
"geo.coordinates": "geo_point"
"@timestamp": "date"
"memory": INT,
"geo.coordinates": "geo_point"
"@timestamp": "date"
}在导入莎士比亚数据集之前，我们需要为各个字段建立一个映射。映射把索引里的文档划分成逻辑组，指明字段的特征，如字段是否可被搜索、是否被标记、是否能被拆分成多个文字等。 使用以下命令为莎士比亚数据集建立一个映射。[javascript]
curl -XPUT http:
"mappings" : {
"_default_" : {
"properties" : {
"speaker" : {"type": "string", "index" : "not_analyzed" },
"play_name" : {"type": "string", "index" : "not_analyzed" },
"line_id" : { "type" : "integer" },
"speech_number" : { "type" : "integer" }
curl -XPUT http://localhost:9200/shakespeare -d '
"mappings" : {
"_default_" : {
"properties" : {
"speaker" : {"type": "string", "index" : "not_analyzed" },
"play_name" : {"type": "string", "index" : "not_analyzed" },
"line_id" : { "type" : "integer" },
"speech_number" : { "type" : "integer" }
';这个映射指明了数据集的如下特征： 1. speaker字段是一个字符串，并且不被分析。这个字段的字符串被视为一个单元，即时字段值有多个文字。2.play_name同样符合上述特征。3.line_id和speech_number是一个整数。日志数据需要一个映射表明地理位置的经纬度，通过在那些字段使用一个geo_point类型。使用以下命令为日志数据建立一个geo_point映射。[javascript]
curl -XPUT http:
"mappings": {
"properties": {
"properties": {
"coordinates": {
"type": "geo_point"
curl -XPUT http://localhost:9200/logstash- -d '
"mappings": {
"properties": {
"properties": {
"coordinates": {
"type": "geo_point"
';[javascript]
curl -XPUT http:
"mappings": {
"properties": {
"properties": {
"coordinates": {
"type": "geo_point"
curl -XPUT http://localhost:9200/logstash- -d '
"mappings": {
"properties": {
"properties": {
"coordinates": {
"type": "geo_point"
';[javascript]
curl -XPUT http:
"mappings": {
"properties": {
"properties": {
"coordinates": {
"type": "geo_point"
curl -XPUT http://localhost:9200/logstash- -d '
"mappings": {
"properties": {
"properties": {
"coordinates": {
"type": "geo_point"
';那些账号数据不需要任何映射，所以这个时候我们使用Elasticsearch的批量导入API输入数据，使用如下命令： [javascript]
curl -XPOST 'localhost:9200/bank/account/_bulk?pretty' --data-binary @accounts.json
curl -XPOST 'localhost:9200/shakespeare/_bulk?pretty' --data-binary @shakespeare.json
curl -XPOST 'localhost:9200/_bulk?pretty' --data-binary @logs.jsonl
curl -XPOST 'localhost:9200/bank/account/_bulk?pretty' --data-binary @accounts.json
curl -XPOST 'localhost:9200/shakespeare/_bulk?pretty' --data-binary @shakespeare.json
curl -XPOST 'localhost:9200/_bulk?pretty' --data-binary @logs.jsonl这些命令将会花费一段时间来执行，视可利用计算资源而定。 使用如下命令验证成功导入：[javascript]
curl 'localhost:9200/_cat/indices?v'
curl 'localhost:9200/_cat/indices?v' 你将会看到输出如下类似的信息 [javascript]
health status index
pri rep docs.count docs.deleted store.size pri.store.size
yellow open
yellow open
shakespeare
yellow open
yellow open
yellow open
health status index
pri rep docs.count docs.deleted store.size pri.store.size
yellow open
yellow open
shakespeare
yellow open
yellow open
yellow open
16.4mb1. 定义你的索引模式匹配
每一个数据集导入到Elasticsearch后会有一个索引匹配模式，在上段内容莎士比亚数据集有一个索引名称为shakespeare，账户数据集的索引名称为bank。一个索引匹配模式就是一个字符串包含可选的通配符，它能匹配多个索引。比如，在常用的日志案例中，一个典型的索引名称包含MM-DD-YYYY格式的日期，因此一个5月的索引匹配模式可能是这样：logstash-2015.05*。
在本教程中任何匹配模式匹配到我们导入的索引将会起作用。打开一个浏览器，访问localhostL:5601，点击Setting页面，然后点击indices标签，点击Add New按钮，定义一个新的模式匹配。两个数据集——莎士比亚剧和虚构的账号不包含时间系列的数据，确保Index contains time-based events复选框没有勾选，当你在为这些数据集创建模式匹配的时候。指定shaks*为莎士比亚数据集的一个模式匹配，然后点击Create按钮定义一个模式匹配，接着定义一个ba*的模式匹配。
Logstash数据集包含时间系列的数据，所以在点击Add New按钮创建完模式匹配后，确保Index contains time-based events复选框勾选，并在Time-field name下拉列表中选择@timestamp字段。
发现你的数据
点击Discover页面展示Kibana的数据发现功能。在标签页面的正下方，有一个查询框用于搜索你的数据。搜索需要一个特定的查询语法，它们能让你创建自己的搜索，点击查询框右边的按钮能保存这些搜索。在查询框的下方，当前的索引匹配模式显示在一个下拉选中，选择下拉选以改变匹配模式。你能用字段名和你感兴趣的值构建一个搜索，数字类型的数据可使用比较操作符比如&、&、=等,你可使用AND、OR、 NOT逻辑符连接元素，必须是大写。
试着选择ba*模式匹配，然后把下面的查询放到查询框[javascript]
account_number:&100 AND balance:&47500
account_number:&100 AND balance:&47500搜索返回所有账户号码0到99且薪水超过4,7500的账户。如果你使用相关的案例数据，将会返回5条数据：账户号码8，32,78,85和97。 为了窄化显示某些感兴趣的字段，高亮索引模式匹配下面的列表中的字段，然后点击Add按钮。在这个例子中，注意怎么实现的，添加一个account_number字段后改变界面显示从5条记录的完整文本到一个只有账户号码的简单列表。2. 数据可视化：不只是发现数据Visualize页面的可视化工具能使你用好几种不同的方式展示你数据集的很多方面。点击Visualize页面开始点击Pie chart，然后点击from a new search，选择ba*索引匹配模式。可视化依赖Elasticsearch聚合的两种类型：量聚合和刻度聚合。量聚合根据你指定的标准整理数据，比如，在我们的账户数据集中，我们可以建立一个账户薪水的范围，然后显示落在每个薪水范围的总比率。界面显示出一个完整的饼，因为我们现在还没有指定任何量值。在Select buckets type下拉列表中，选择Split Slices，然后在Aggregation下拉列表中选择Range选项，在字段下拉列表中选择balance字段，点击Add Range按钮4次把区间增加到6个，输入一下区间。[javascript]
50000点击应用按钮显示图表。 图表显示出这1000个账户落在不同薪水范围的比率。为了看数据的另一个维度，我们要添加另一个量聚合。我们可以更进一步地把每个区间依据薪水所有者的年龄拆分。在下面点击Add sub-buckets，然后点击Split Slice，在下拉选中选择Terms选项和age字段，点击绿色Apply changes按钮在新的结果中增加一个外环。通过点击搜索字段的右边的按钮保存图表，把这个图表命名为Pie Example。下一步，我们打算制作一个条形图。点击New Visualization按钮，然后点击Vertical bar chart。选择From a new search，然后选定shakes*模式匹配。你将会看到单个大条形图，因为到现在为止我们还没有定义任何量值。对于Y轴的刻度聚合，选择speaker作为Unique Count的字段。对于莎士比亚戏剧，知道那部戏剧需要最少数量的台前幕后人员可能是很有用的，如果你的戏剧公司短缺演员的话。对于X轴的量值，选择Terms聚合和play_name字段。对于排序，选择Ascending，Size保持默认值5。让其他参数保持默认值，然后点击Apply cganges按钮，你的图表应该看起来像下面那样。
注意一下每部剧名是怎么显示成一个完整的词组而不是被拆分成单独的单词。这是我们在教程的前段部分设置映射的结果，我们把play_name标记为 not analyzed。鼠标移到每一个条上以tooltip形式显示每个剧台前幕后的数量。你可以关掉这个显示方式或者改变你图表的其他选项通过点击左上方的Option标签。
既然你有了莎士比亚剧中最小的演员表，你可能感兴趣知道这些剧本中哪一个对单个演员的要求最高，通过显示给定剧情的最大对话量。用Add metrics按钮增加一个Y轴聚合，为speech_number选择Max聚合。在option页面选择Bar Mode的grouped选项，然后点击Apply changes按钮，你的图表现在看起来应该是这样：正如你所看到的，和其他剧比较起来，《Love’s Labours Lost》经常有最高数量的对话，因此和能会对一个演员的记忆要求更高。保存图表的名称为Bar Example。接下来，我们要制作一个瓦片地图来可视化一些地理数据。点击New Visualization按钮，然后点击Tile map按钮，选择from a new search和logstash-*模式匹配。在Kinaba界面的右上方的时间选择器为我们的要发掘的数据定义一个时间窗口，点击Absolute按钮，然后设置起始时间为结束时间到。一旦我们设置好了时间区间，点击Go按钮，然后点击底部小小的向上箭头关闭时间选择器。你可以看到整个世界的地图，因为我们现在还没有定义任何量值。选择Geo Coordinates作为量值，然后点击那个绿色的Apply changes按钮，你的图表现在看起来应该是这样的：你可以通过点击或者拖拽来导航地图，放大缩小地图用按钮，或者点击Fit Data Bounds按钮来缩小到包含所有点的最低级别。一个绿色的椭圆的过滤器显示在查询框的正下方。鼠标移到过滤器显示一些控制工具：切换、定位、翻转、删除过滤器。用Map Example名字保存这个图表。最后我们用一些标记小部件来展示我们的仪表盘。点击New Visualization按钮然后点击Markdown widget按钮来显示一个非常简单的标记字段输入框：在那个字段输入如下文本：[javascript]
# This is a tutorial dashboard!
The Markdown widget uses **markdown** syntax.
& Blockquotes in Markdown use the & character.
# This is a tutorial dashboard!
The Markdown widget uses **markdown** syntax.
& Blockquotes in Markdown use the & character.点击Apply changes按钮在预览面板显示出渲染出来的标记效果。
用Markdown Example名称保存这个图表。3.全部放入仪表盘
一个Kibana仪表盘是许多图表的集合允许你整理和分享。点击Dashboard页面以开始，点击搜索框最右边的Add Visualization按钮，显示出已保存图表的列表。选择Markdown Example、Pie Example、Bar Example和Map Example,然后点击底部小小的箭头关闭列表。你可以通过点集合拖拽标题条移动各个图表的容器，通过拖拽图表容器右下角调整容器大小。你的样例仪表盘最终看起来差不多是这样：
点击Save Dashboard 按钮，然后为仪表盘命名为Tutorial Dashboard。你可以通过点击Share 按钮来显示HTML嵌入代码或者是一个定向链接分享一个保存的仪表盘。
kibana学习和坑
Kibana安装及使用说明
如何使用Kibana的仪表板与可视化功能
Kibana6.2.2 Create index pattern 基本使用
ELK服务搭建(二)之Kibana使用说明
kibana5.3的基础使用Discover , visualize , Dashboard
Kibana安装与初探
ELKStack日志平台——Kibana的部署安装与使用教程
Kibana 6的部署安装与使用教程
kibana的使用
没有更多推荐了，Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。
Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。
设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
Elasticsearch无缝之集成
Kibana架构为Elasticsearch定制，可以将任何结构化和非结构化数据加入Elasticsearch索引。Kibana还充分利用了Elasticsearch强大的搜索和分析功能。
整合你的数据
Kibana能够更好地处理海量数据，并据此创建柱形图、折线图、散点图、直方图、饼图和地图。
复杂数据分析
Kibana提升了Elasticsearch分析能力，能够更加智能地分析数据，执行数学转换并且根据要求对数据切割分块。
让更多团队成员受益
强大的数据库可视化接口让各业务岗位都能够从数据集合受益。
接口灵活，分享更容易
使用Kibana可以更加方便地创建、保存、分享数据，并将可视化数据快速交流。
Kibana的配置和启用非常简单，用户体验非常友好。Kibana 4自带Web服务器，可以快速启动运行。
可视化多数据源
Kibana可以非常方便地把来自、、或第三方技术的数据整合到Elasticsearch，支持的第三方技术包括、等。
简单数据导出
Kibana可以方便地导出感兴趣的数据，与其它数据集合并融合后快速建模分析，发现新结果。
与Elasticsearch REST API实现可视化交互
Sense是一个可视化终端，通过Kibana插件支持自动补全、自动缩进和语法检查功能。提升了与Elasticsearch API交互的体验，安装。
Elasticsearch master
Kibana二进制文件
Kibana 4.5.0
Kibana 4.5.0兼容Elasticsearch 2.3.x。可以通过 apt 或 yum安装。详细步骤可参阅。
喜欢尝鲜的朋友可以使用下面的快照版本。每次提交master分支后会自动构建最新的快照版本，不推荐在产品中使用。
在UNIX上运行 bin/kibana 或者 在Windows上运行 bin\kibana.bat
将自定义配置从旧的 kibana.yml 文件中迁移到新版本
重新安装插件
启动或重启Kibana
安装完毕并启动服务，Kibana运行在5601端口，在浏览器中输入 。
第一个页面会要求配置索引模式（index pattern）。索引模式告诉Kibana如何访问你的数据。我们猜想你可能需要处理日志数据，希望你使用Logstash（功能强大）处理日志。我们会默认填入 logstash-* 作为索引模式，因此只需要指定哪个字段包含了时间戳（timestamp）就可以了。Kibana会读取Elasticsearch映射来找到时间字段，从列表中选取一个字段点击Create。
恭喜你！现在索引模式创建成功了！现在你应该会看到所有索引的分页列表和一些相关的信息数据。Kibana会自动将该索引模式设置为默认模式。想要了解更多索引模式，可以查看。
配置完索引模式后，点击页面上方导航栏的Discover按钮，可以转到页面开始搜索了。
kibana基于发布。
打赏支持我整理更多优质资源，谢谢！
打赏支持我整理更多优质资源，谢谢！
任选一种支付方式
资源整理者简介：
可能感兴趣的文章
按分类快速查找
关于资源导航
伯乐在线资源导航收录优秀的工具资源。内容覆盖开发、设计、产品和管理等IT互联网行业相关的领域。目前已经收录 1440 项工具资源。
关于资源导航
伯乐在线资源导航收录优秀的工具资源。内容覆盖开发、设计、产品和管理等IT互联网行业相关的领域。
新浪微博：
推荐微信号
（加好友请注明来意）
- 好的话题、有启发的回复、值得信赖的圈子
- 分享和发现有价值的内容与观点
- 为IT单身男女服务的征婚传播平台
- 优秀的工具资源导航
- 翻译传播优秀的外文文章
- 国内外的精选博客文章
- UI,网页，交互和用户体验
- 专注iOS技术分享
- 专注Android技术分享
- JavaScript, HTML5, CSS
- 专注Java技术分享
- 专注Python技术分享
& 2018 伯乐在线扫一扫体验手机阅读
kibana做图表无法选取需要选的字段
<span type="1" blog_id="1730540" userid='
5篇文章，2W+人气，0粉丝
企业级网安运维
￥51.0033人订阅
容器私有云平台实践之路
￥51.00100人订阅
掌握VMware超融合技术
￥51.0068人订阅
高并发架构之路
￥51.00157人订阅
新西兰资深网工运维之道
￥51.00463人订阅
前百度高级工程师的架构高可用实战
￥51.00240人订阅　　在中已经介绍安装好了ES，下面就Kibana对ES的查询监控作介绍，就是常提到的大数据日志处理组件ELK里的K。
　　什么是Kibana?现引用园友的一段对此的介绍，个人觉得比较全。
　　Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。
　　Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。
　　设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
Elasticsearch无缝之集成
　　Kibana架构为Elasticsearch定制，可以将任何结构化和非结构化数据加入Elasticsearch索引。Kibana还充分利用了Elasticsearch强大的搜索和分析功能。
整合你的数据
　　Kibana能够更好地处理海量数据，并据此创建柱形图、折线图、散点图、直方图、饼图和地图。
复杂数据分析
　　Kibana提升了Elasticsearch分析能力，能够更加智能地分析数据，执行数学转换并且根据要求对数据切割分块。
让更多团队成员受益
　　强大的数据库可视化接口让各业务岗位都能够从数据集合受益。
接口灵活，分享更容易
　　使用Kibana可以更加方便地创建、保存、分享数据，并将可视化数据快速交流。
　　Kibana的配置和启用非常简单，用户体验非常友好。Kibana 4自带Web服务器，可以快速启动运行。
可视化多数据源
　　Kibana可以非常方便地把来自、、或第三方技术的数据整合到Elasticsearch，支持的第三方技术包括、等。
简单数据导出
　　Kibana可以方便地导出感兴趣的数据，与其它数据集合并融合后快速建模分析，发现新结果。
与Elasticsearch REST API实现可视化交互
　　Sense是一个可视化终端，通过Kibana插件支持自动补全、自动缩进和语法检查功能。
安装Kibana
　　下载解压安装包，一定要装与ES相同的版本
　　下载地址：
　　编辑文件config/kibana.yml ，配置属性：
[root@H32 ~]# cd kibana/config/
[root@H32 config]# vim kibana.yml
server.host: "192.168.80.32"
elasticsearch.url: "http://192.168.80.32:9200"
先启动ES，然后再启动
cd /usr/local/kibana530bin/kibana
　　kibana必须是在root下运行，否则会报错，启动失败
　　打开http://192.168.80.32:5601/status
　　想要在Kibana中监控ES则需要安装&X-pack插件，现介绍&X-pack插件。
　　X-pack监控组件使您可以通过Kibana轻松地监控ElasticSearch。您可以实时查看集群的健康和性能，以及分析过去的集群、索引和节点度量。此外，您可以监视Kibana本身性能。当你安装X-pack在群集上，监控代理运行在每个节点上收集和指数指标从Elasticsearch。安装在X-pack在Kibana上，您可以查看通过一套专门的仪表板监控数据
X-pack的安装
安装X-pack的时候分别在ElasticSearch根目录和Kibana根目录下操作。以下参考网友的安装方法。
　　在Es的根目录（每个节点），运行&bin/elasticsearch-plugin进行安装。
先进入elasticsearch安装的目录，然后键入下命令：
bin/elasticsearch-plugin install x-pack
　　安装过程中跳出选项现在y即可。
　　如果你在Elasticsearch已禁用自动索引的创建，在elasticsearch.yml配置action.auto_create_index允许X-pack创造以下指标：
运行Elasticsearch。
bin/elasticsearch
Kibana下载X-Pack
　　在Kibana根目录运行&bin/kibana-plugin&进行安装。
　　先进入kibana的安装目录，然后键入以下命令：
bin/kibana-plugin install x-pack
　　安装过程会比较久，耐心等待。
运行Kibana。
bin/kibana
验证X-Pack
　　在浏览器上输入：&http://192.168.80.32:5601/&，可以打开Kibana，此时需要输入用户名和密码登录，默认分别是&elastic&和&changeme。
若在线安装不了，则可选择下载后离线安装。
手动安装的方法
　　先下载对应的版本，本机装的是x-pack-5.2.2.zip 有128M 有点大，慢慢下，下载好后放在usr/local文件夹下，先进入elasticsearch安装文件夹再　　
bin/elasticsearch-plugin install file:////usr/local/x-pack-5.2.2.zip
　　kibana中安装是一样
bin/kibana-plugin install file:////usr/local/x-pack-5.2.2.zip
Kibana+X-Pack介绍使用
　　下面参考园友对X-Pack的介绍&
　　下面是目前Kibana 5最新版本的界面。相比较Kibana 4除了界面的风格变化，最主要是功能栏上添加了Timeline、Management和Dev Tools选项。
　　从发现页可以交互地探索ES的数据。可以访问与所选索引模式相匹配的每一个索引中的每一个文档。您可以提交搜索查询、筛选搜索结果和查看文档数据。还可以看到匹配搜索查询和获取字段值统计的文档的数量。如果一个时间字段被配置为所选择的索引模式，则文档的分布随着时间的推移显示在页面顶部的直方图中。
　　可视化能使你创造你的Elasticsearch指标数据的可视化。然后你可以建立仪表板显示相关的可视化。Kibana的可视化是基于Elasticsearch查询。通过一系列的Elasticsearch聚合提取和处理您的数据，您可以创建图表显示你需要知道的关于趋势，峰值和骤降。您可以从搜索保存的搜索中创建可视化或从一个新的搜索查询开始。
　　一个仪表板显示Kibana保存的一系列可视化。你可以根据需要安排和调整可视化，并保存仪表盘，可以被加载和共享。
Monitoring
　　从图中可以发现，默认Kibana是没有该选项的。其实，Monitoring是由X-Pack集成提供的。
　　该X-pack监控组件使您可以通过Kibana轻松地监控ElasticSearch。您可以实时查看集群的健康和性能，以及分析过去的集群、索引和节点度量。此外，您可以监视Kibana本身性能。当你安装X-pack在群集上，监控代理运行在每个节点上收集和指数指标从Elasticsearch。安装在X-pack在Kibana上，您可以查看通过一套专门的仪表板监控数据。
　　X-Pack图的能力使你发现一个Elasticsearch索引项是如何相关联的。你可以探索索引条款之间的连接，看看哪些连接是最有意义的。从欺诈检测到推荐引擎，对各种应用中这都是有用的，例如，图的探索可以帮助你发现网站上黑客的目标的漏洞，所以你可以硬化你的网站。或者，您可以为您的电子商务客户提供基于图表的个性化推荐。X-pack提供简单，但功能强大的图形开发API，和Kibana交互式图形可视化工具。使用X-pack图有工作与开销与现有Elasticsearch指标你不需要任何额外的数据存储的特征。
　　Timelion是一个时间序列数据的可视化，可以结合在一个单一的可视化完全独立的数据源。它是由一个简单的表达式语言驱动的，你用来检索时间序列数据，进行计算，找出复杂的问题的答案，并可视化的结果。
　　这个功能由一系列的功能函数组成，同样的查询的结果，也可以通过Dashboard显示查看。
Management
　　管理中的应用是在你执行你的运行时配置kibana，包括初始设置和指标进行配置模式，高级设置，调整自己的行为和Kibana，各种&对象&，你可以查看保存在整个Kibana的内容如发现页，可视化和仪表板。　　这部分是pluginable，除此之外，X-pack可以给Kibana增加额外的管理能力。
　　你可以使用X-pack安全控制哪些用户可以访问Elasticsearch数据通过Kibana。当你安装X-pack，Kibana用户登录。他们需要有kibana_user作用以及获得的指标，他们将在Kibana的工作。如果用户加载Kibana仪表板，访问数据的一个索引，他们未被授权查看，他们得到一个错误，表明指数不存在。X-pack安全目前并不提供一种方法来控制哪些用户可以负荷的仪表板。
　　原先的交互式控制台Sense，使用户方便的通过浏览器直接与Elasticsearch进行交互。从Kibana 5开始改名并直接内建在Kibana，就是Dev Tools选项。
阅读(...) 评论()}