使用python操作elasticsearch实现监控数据及kibana分析

原文地址：http://rfyiamcool.blog.51cto.com/1030776/1420811

前言：

    例行公事，有些人可能不太了解elasticsearch，下面搜了一段，大家瞅一眼。

Elasticsearch是一款分布式搜索引擎，支持在大数据环境中进行实时数据分析。它基于Apache Lucene文本搜索引擎，内部功能通过ReST API暴露给外部。除了通过HTTP直接访问Elasticsearch，还可以通过支持Java、JavaScript、Python及更多语言的客户端库来访问。它也支持集成Apache Hadoop环境。Elasticsearch在有些处理海量数据的公司中已经有所应用，如GitHub、Foursquare和SoundCloud等。

elasticsearch 他对外提供了rest的http的接口，貌似很强大的样子。 但是咱们的一些数据平台市场会对于elasticsearch的数据进行分析，尤其是实时分析。 当然不能用 http的方式。 比如官网的demo提供的例子：

下面是查询，/ceshi 是索引，rui是type，搜索的内容是，title是jones的。 

1	curl http: //vim.xiaorui.cc:9200/ceshi/rui/_search?q=title:jones&size=5&pretty=true

添加数据

1	curl  - X POST       - d  '{      "title": "jones",      "amount": 5.7    }'

1.x之后，貌似不能直接curl，

注意，唯一标识符是放置在URL中而不是请求体中。如果您忽略这个标识符，搜索会返回一个错误，类似如下：

 No handler found for uri [/ceshi/rui/] and method [PUT]

发现用0.90.x的人，还是很多的~

当然在python里面，咱们可以用urllib2来搞数据。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

#xiaorui.cc import  urllib2 import  urlib import  json     url  =  'http://vim.xiaorui.cc:9200/ceshi/rui' data  =  {      'title' :  'jones' ,      'amount' :  5.7      }   data  =  json.dumps(data)   req  =  urllib2.Request(url, data, headers) out  =  urllib2.urlopen(req) print  out.read()

但是这样的话，速度明显有点慢，官方提供了更加快速更方便的方法。

>>> from datetime import datetime

>>> from elasticsearch import Elasticsearch

# 连接elasticsearch 的端口，默认是9200

>>> es = Elasticsearch()

# 创建索引，索引的名字是my-index, 如果已经存在了，就给个400

>>> es.indices.create(index='my-index', ignore=400)

{u'acknowledged': True}

# 插入

>>> es.index(index="my-index", doc_type="test-type", id=42, body={"any": "data", "timestamp": datetime.now()})

{u'_id': u'42', u'_index': u'my-index', u'_type': u'test-type', u'_version': 1, u'ok': True}

# 查询

>>> es.get(index="my-index", doc_type="test-type", id=42)['_source']

{u'any': u'data', u'timestamp': u'2013-05-12T19:45:31.804229'}

其实熟悉mongodb的人，再看elasticsearch的语法，会发现非常的熟悉。

1 2 3 4 5 6 7 8 9 10 11 12 13

res  =  es.search(      index = 'belajar' ,      doc_type = 'pesan' ,      body = {        'query' : {          'range' : {            'postDate' : {                'from' : '20100101' ,  'to' : '20140101'            }          }        }      } )

上面的意思是，查询这个时间段里面的数据。

1 2 3 4 5 6 7 8 9 10 11

res  =  es.search(      index = 'belajar' ,      doc_type = 'pesan' ,      body = {        'query' : {          'match' : {            'user' :  'xiaorui'          }        }      } )

上面是精确的匹配，匹配user值为 xiaorui 的数据。

一些详细的语法就不在描述了，大家看下官方的文档，然后再python引用就行了。

原文：http://rfyiamcool.blog.51cto.com/1030776/1420811

下面的数据，是我用python的elasticsearch库，打的随机数据。  关键是kibana会把es里面的数据，相应的统计好的。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

curl -XGET  'http://10.10.10.66:9200/_all/_search?pretty'  -d '{    "facets" : {      "0" : {        "date_histogram" : {          "field" :  "@timestamp" ,          "interval" :  "1m"        },        "global" :  true ,        "facet_filter" : {          "fquery" : {            "query" : {              "filtered" : {                "query" : {                  "query_string" : {                    "query" :  "*"                  }                },                "filter" : {                  "bool" : {                    "must" : [                      {                        "match_all" : {}                      }                    ]                  }                }              }            }          }        }      }    },    "size" : 0 }'

支持很多的语法，可以随意的query查询，你想要的组合数据。

还可以多条件查询

其中遇到了一个问题，kibana3 时间貌似是UTC的，图表显示的时候，总是差距8个小时，需要调整源码，改成北京时间。

其实对我来说，我还是更喜欢用mongodb，他的bjson，让我爽到天，哈 ！ 要是量大的话，用mongodb的分片，elasticsearch的dsl语法，还是让我有些看不下去。 我这里正在做通知平台，以前都是把数据放在mongodb，然后用各种图表展示。  我发现kibana很绚丽，就在研究kibana的一些个特性， 他只是为elasticsearch存在的。 所以大家也不要在尝试改掉kibana，直接把数据插入到elasticsearch，然后通过kibana显示就行了。