ELK(-head)操作csv(txt)

elasticsearch-head 操作 elasticsearch  7.8  7.10
	1、Filebeat（采集数据）+Elasticsearch（建立索引）+Kibana（展示）
	2、Filebeat（采集数据）+Logstash（过滤）+Elasticsearch（建立索引）+Kibana（展示）   ##################我们采用这种
	3、Filebeat（采集数据）+Kafka/Redis/File/Console（数据传输）+应用程序（处理，存储，展示）
	4、Filebeat（采集数据）+Logstash（过滤）+Kafka/Redis/File/Console（数据传输）+应用程序（处理，存储，展示）
	整体ELK参看 解决es跨域配置、kibana配置文件中关于es访问时间参数elasticsearch.requestTimeout: 120000(默认是30000）太短会报错kibana [elasticsearch] [TimeoutError]: Request timed out
		https://www.cnblogs.com/taoweizhong/p/10462194.html
----------------------------------------
IK中文分词
	https://github.com/medcl/elasticsearch-analysis-ik
#首先使用”索引“进行索引"test"的创建 包括两步 mappings(type 结构和字段类型)和settings(分词器)的创建 
	#然后在"复合查询"进行如下操作 
		#name的"type": "keyword"  这个时候name不会分词
		#name的"type": "text"  这个时候name会分词
		1.进行mappings的配置(include_type_name=true使得 address 作为 type 进行自动创建； properties的内容作为type的mapping进行设置)
			三个位置上分别填写
			http://localhost:9200/test/address/
			_mapping?include_type_name=true        POST
            gns mapping模板
				{
					"properties": {
						"name": {
							"type": "text" ,                         #################text，string 类型进行分词 唯独keyword不进行分词
							#"analyzer": "ik_max_word"  或 ik_smart  #################字段上设置分词(还可以在索引整体上设置 无需字段上设置)
						},
						"location_point": {
							"type": "geo_shape"
						},
						"point": {
							"type": "geo_point"
						}
						}
				}
		
		geonames数据的mapping
		geonames mapping
			{
			"properties": {
				"name": {
				"type": "keyword"
				},
				"alternatenames": {
				"type": "text"
				},
				"lon": {
				"type": "float"
				},
				"lat": {
				"type": "float"
				},
				"location": {
				"type": "geo_point"
				}
			}
			}
		ik_max_word: 会将文本做最细粒度的拆分,比如会将 "中华人民共和国国歌"拆分为
		"中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌"，会穷尽各种可能的组合
		ik_smart: 会做最粗粒度的拆分, 比如会将 "中华人民共和国国歌"拆分为 "中华人民共和国,国歌" .

	2.进行settings的配置(如果不设置则采取默认的 standard分词器)  索引上ik分词器全局设置
	  
		关闭索引 test ：POST http://localhost:9200/test/_close/ 
		
		http://localhost:9200/test
		_settings     		PUT
		 {
		  "analysis": {
			"analyzer": {
			  "my_ik_analyzer": {
				"tokenizer": "ik_max_word"
			  }
			}
		  }
		}
		
		打开索引；POST http://localhost:9200/test/_open/ 
	

#数据添加
	http://localhost:9200/test/address/  post
	{
	  "name": "Chipotle Mexican Grill",
	  "location_point": {
		"type": "point",
		"coordinates": [
		  55.75,
		  37.616667
		]
	  },
	  "point": {
		"lat": 40.722,
		"lon": -73.989
	  }
	}
#数据修改 跟上数据对应id 直接提交新数据即可
	http://localhost:9200/test/address/id  post
	{
	  "name": "中华人民共和国国歌",
	  "location_point": {
		"type": "point",
		"coordinates": [
		  55.75,
		  37.616667
		]
	  },
	  "point": {
		"lat": 40.722,
		"lon": -73.989
	  }
	}
#数据查询 验证分词器
	http://localhost:9200/test/address/  
	_search 				POST
	{
	  "query": {
		"match": {
		  "name": "篮球"
		}
	  }
	}

http://localhost:9200/
_analyze        POST
{
  "analyzer": "ik_max_word",
  "text": "乔丹是篮球之神。"
}
# 数据删除操作
POST http://localhost:9200/gns/gnsaddress/_delete_by_query
	{
		"query": {
		"match_all": {
			}
		}
	}
#正则表达式在线工具https://tool.oschina.net/regex/#	
#正则基本语法https://www.jianshu.com/p/e25c4cfc8f4e
#地址.txt
#[\u4e00-\u9fa5]+\,[0-9]{1,3}\.[0-9]{1,20}\,[0-9]{1,3}\.[0-9]{1,20}\,
#(?<a>[\u4e00-\u9fa5]+\,[0-9]{1,3}\.[0-9]{1,20}\,[0-9]{1,3}\.[0-9]{1,20}\,)

#进行logstash启动脚本设置 
	-t 进行验证写的logstash-geoaddress.conf中是否有格式错误
	logstash.bat -f ../config/logstash-geoaddress.conf -t
	提示如下则格式无误
	[2020-09-08T09:56:12,864][INFO ][logstash.runner          ] Using config.test_an
	d_exit mode. Config Validation Result: OK. Exiting Logstash
	如果没有错误 则
	logstash.bat -f ../config/logstash-geoaddress.conf 进行启动

# filebeats+logstash+es 将csv导入到ES
	#开启es和es-head 且用es-head建好 csv数据格式 对应index type mapping到es中
		#*****#csv、txt格式 删除数据第一行表头字段名 直接开始就是数据内容#########################################重点
			17.05,-61.8,PRESIDENCYOFANTIGUA,Presidency of Antigua
			区别于				
			17.05,-61.8,PRESIDENCYOFANTIGUA,Presidency of Antigua，
			末尾有个逗号 在映射字段时 就会多出一个字段来 记得自己处理 删除或者其他操作
		#index(库) type(表) mapping(字段和类型)
			首先es-head创建索引gns
			
			http://localhost:9200/gns/gnsaddress
			_mapping?include_type_name=true  post
			 
			{
			  "properties": {
				"SORT_NAME_RO": {
				  "type": "keyword",           ####################################注意 keyword类型不分词 
				  #"analyzer": "ik_max_word"   ####################################注意 如果不指定分词方式 则默认 “standard”
				},
				"FULL_NAME_RO": {
				  "type": "text"				####################################注意 text类型分词 
				},
				"lon": {
				  "type": "float"
				},
				"lat": {
				  "type": "float"
				},
				"location": {
				  "type": "geo_point"
				}
			  }
			}
	#filebeats配置路径和编码  
			*切记原文件的编码必须也是UTF-8 自己检查 否则会出现乱码 
			*去除表头行记录
			*源文件路径最好都是用英文 避免中文(不做硬性要求)
		type: log
		# Change to true to enable this input configuration.
		enabled: true
		encoding: UTF-8
		# Paths that should be crawled and fetched. Glob based paths.
		paths:
		#- /var/log/*.log
			- E:\fgq\ELK\dataofgeo\gns.csv 或 E:\fgq\ELK\dataofgeo\gns.txt
		output类型配置
			logstash或es选其一 注释另一个 一般选择使用logstash
	#logstash配置 切记作为geo_point类型的字段结构必须是 lon，lat 不可以是longitude,latitude;################################重点
		经纬度坐标格式 参看 官网 规定https://www.elastic.co/guide/cn/elasticsearch/guide/current/lat-lon-formats.html
		logstash-gns.conf
			input {
			  beats {
				port => 5044
			  }
			}
			filter {
				csv {
					separator => ","
					columns => ["lat","lon","SORT_NAME_RO","FULL_NAME_RO"]   #############字段名字必须跟es 的 mapping中字段名字一致 字段数量不要求一致
					add_field => ["[location][lon]","%{lon}"]
					add_field => ["[location][lat]","%{lat}"]
					remove_field => ["message","headers","@version","version","ecs","@timestamp","tags","agent","input","host","log","offset"]
				}
				mutate {
					convert => {    ####################################重点必须写转换类型 且跟 es中mapping一致对应 否则报类型转换错误
						# 类型转换
						"SORT_NAME_RO" => "string"
						"FULL_NAME_RO" => "string"
						"lon" => "float"
						"lat" => "float"
						"[location][lon]" => "float"
						"[location][lat]" => "float"
					}
				}
			}
			output {
				#stdout {
				#   codec => rubydebug
				#	codec => json_lines
				#}
				elasticsearch {
					hosts => ["127.0.0.1:9200"]
					index => "gns"
					document_type => "gnsaddress"
				}
			}
		logstash-geonames.conf
			# Sample Logstash configuration for creating a simple
			# Beats -> Logstash -> Elasticsearch pipeline.
			input {
			  beats {
				port => 5044
			  }
			}

			filter {
				mutate {
					  gsub => ["message",'"',"'"]
					}
				csv {
					separator => "	"
					columns => ["geonameid","name","asciiname","alternatenames","lat","lon"]
					add_field => ["[location][lon]","%{lon}"]
					add_field => ["[location][lat]","%{lat}"]
					remove_field => ["message","headers","@version","version","ecs","@timestamp","tags","agent","input","host","log","offset","geonameid","asciiname","column7","column8","column9","column10","column11","column12","column13","column14","column15","column16","column17","column18","column19"]
				}
				ruby {
					code => '
								hash = event.to_hash
								hash.each do |k,v|
										if v == nil and k=="alternatenames"
												event.set(k,event.get("name"))
										end
								end
						'
				}
				mutate {
					convert => {
						# 类型转换
						"name" => "string"
						"alternatenames" => "string"
						"lon" => "float"
						"lat" => "float"
						"[location][lon]" => "float"
						"[location][lat]" => "float"
					}
				}
			}
			output {
				 stdout {
					   codec => rubydebug
					}
					#或
				 elasticsearch {
					hosts => ["127.0.0.1:9200"]
					index => "geonames"
					document_type => "address"
				}
			}
			
			分隔符分隔字段当中会出现值为null (nil的 )情况的处理
			可以在filter中添加如下 删除相关字段
				ruby {
					code => "
							hash = event.to_hash
							hash.each do |k,v|
									if v == nil
											event.remove(k)
									end
							end
					"
				}
			或者重新赋值
				ruby {
					code => "
							hash = event.to_hash
							hash.each do |k,v|
									if v == nil
											event.set("字段1",event.get("字段x"))
									end
							end
					"
				}
			
			收集的分隔字段的值中存在 双引号 问题的解决
				“ ”  ’‘中文单双引号不必管  "" 英文双引号要替换   ''英文单引号不必管 
					mutate {
						  gsub => [ "message",'"',"'" ]
					}
	#开启logstash
		logstash.bat -f ../config/logstash-gns.conf
	#开启filebeats
		filebeat启动命令 filebeat.exe -e -c filebeat.yml
	#查看导入进度和数据分布情况 可以到kibana中进行查看
	
# filebeats+logstash+es 将txt导入到ES
	
# 没反应的话 可以改变一下数据文件内容 触发一下
#elasticsearch控制台 中文乱码 -Dfile.encoding=GBK        ######################################重点
	ES java.io.IOException: 杩滅▼涓绘満寮鸿揩鍏抽棴浜嗕竴涓幇鏈夌殑杩炴帴銆?
	应该是在 Elasticsearch 的 config/jvm.options 文件里把“-Dfile.encoding=UTF-8”改为“-Dfile.encoding=GBK”
	然后重启 Elasticsearch 即可
	如果没有 则直接添加一行 -Dfile.encoding=GBK
#Filebeat+logstash直接往ES中传输数据中文乱码 要求原数据文件的编码也是UTF-8(如果不是则使用记事本打开另存为 选择utf-8编码或推荐使用nodepad++编码转成utf-8) 否则即便是Filebeat配置改了 还是会导入es的是乱码
	添加encoding: UTF-8
	type: log
	# Change to true to enable this input configuration.
	enabled: true
	encoding: UTF-8
	# Paths that should be crawled and fetched. Glob based paths.
	paths:
	#- /var/log/*.log
		- E:\fgq\ELK\dataofgeo\gns.csv

如果在cmd窗口中看到数据是乱码 别管。。，。，。。
# filebeat------》logstash------》elasticsearch------》kibana
  Filebeat（采集数据）+Logstash（过滤）+Elasticsearch（建立索引）+Kibana（展示）
  filebeat发送数据给logstash，但是之前解析的日志有点问题，我想重新解析，重新读取日志，但是发现已经发送了的日志不会重新发送，就是我在elasticsearch删除了索引，尝试重新写一次进去，可是还是一样，我们可以怎么清空已经发送的数据，重新从开头写呢
  关闭filebeat --> 删掉registry文件 --> 启动filebeat

# es安装分词器ik
官网下载https://github.com/medcl/elasticsearch-analysis-ik对应版本的ik（直接下载releases版本，避免maven打包！！！如果不是这个版本，则需要进入解压后的目录使用mvn package打包，然后在target->releases目录下会生成对应的zip文件）。
IK分词器必须和elasticsearch 版本一致
在es的安装目录下->plugins目录下新建ik目录将zip压缩包的内容解压到此
在header插件中测试
#es-head 查看分词器 是怎么分的
http://localhost:9200/
_analyze        POST
{
  "analyzer": "ik_max_word",
  "text": "乔丹是篮球之神。"
}
# es geo查询 空间查询 参看官网地址
https://www.elastic.co/guide/cn/elasticsearch/guide/current/filter-by-geopoint.html
# es分词策略
默认standard 一个个字的拆分
# es-head 对于字段类型为keyword的字段的查询
http://localhost:9200/gns_up/gnsaddress_up/   ############################记住是post不是get，get必须在后面?a=&b=&c=  这种模式
_search			POST

相等查询 完全匹配
{
  "query": {
	"match": {
	  "FULL_NAME_RO": "三里畈"
	}
  }
}

相等的模糊查询：(拼写出错 出错更改步骤fuzziness指定范围内
{
  "query": {
	"fuzzy": {
	  "text": {
		"value": "surprize",
		"fuzziness": 1
	  }
	}
  }
}
{
  "query": {
	"match": {
	  "text": {
		"query":     "SURPRIZE ME!",
		"fuzziness": "AUTO",
		"operator":  "and"
	  }
	}
  }
}

like查询：
{
  "query": {
	"wildcard": {
	  "FULL_NAME_RO": "*zhou*"
	}
  }
}

{
  "query": {
	"bool": {
	  "must": [
		{
		  "wildcard": {
			"FULL_NAME_RO": "*zhou*"
		  }
		}
	  ],
	  "must_not": [],
	  "should": []
	}
  },
  "from": 0,
  "size": 5,
  "sort": [],
  "aggs": {}
}

{
  "from": 0,
  "size": 10,
  "query": {
	"query_string": {
	  "query": "FULL_NAME_RO:(*三里畈* NOT *美国* OR *VIP* OR *经济* OR *金融*)",
	  "default_operator": "OR"
	}
  }
}

#首先咱们可以对Elasticsearch提供的内置分词器的作用进行如下总结：
	分词器	作用
	Standard	ES默认分词器，按单词分类并进行小写处理
	Simple	按照非字母切分，然后去除非字母并进行小写处理
	Stop	按照停用词过滤并进行小写处理，停用词包括the、a、is
	Whitespace	按照空格切分
	Language	据说提供了30多种常见语言的分词器
	Patter	按照正则表达式进行分词，默认是\W+ ,代表非字母
	Keyword	不进行分词，作为一个整体输出

--------------------------------------------临时写板
enname,cnname,country,lat,lon

{
  "properties": {
	"enname": {
	  "type": "text"  
	},
	"cnname": {
	  "type": "keyword"				####################################注意 text类型分词 
	},
	"cnname": {
	  "type": "keyword"				####################################注意 text类型分词 
	},
	"lon": {
	  "type": "float"
	},
	"lat": {
	  "type": "float"
	},
	"location": {
	  "type": "geo_point"
	}
  }
}
	# es 索引中分片概念

stdout {
   codec => rubydebug
  codec => json_lines
}
#stdout {
#   codec => rubydebug
#  codec => json_lines
#}	

elasticsearch {
	hosts => ["127.0.0.1:9200"]
	index => "gns"
	document_type => "gnsaddress"
}
#elasticsearch {
#	hosts => ["127.0.0.1:9200"]
#	index => "gns"
#	document_type => "gnsaddress"
#}	

geonames mapping
{
  "properties": {
    "name": {
      "type": "keyword"
    },
    "alternatenames": {
      "type": "text"
    },
    "lon": {
      "type": "float"
    },
    "lat": {
      "type": "float"
    },
    "location": {
      "type": "geo_point"
    }
  }
}


[2020-09-11T13:11:41,366][WARN ][logstash.filters.csv     ][main][194d98404188c3
5548291338272023bdde014fbd6116d23ab70557e6c8dc7963] Error parsing csv {:field=>"
message", :source=>"11979557\tBoya Norte \"Brasileira M\"\tBoya Norte \"Brasilei
ra M\"\t\t-35.17333\t-56.61167\tS\tBCN\tAR\t\t\t\t\t\t0\t\t-9999\t\t2018-11-29",
 :exception=>#<CSV::MalformedCSVError: Illegal quoting in line 1.>}