AirJD 焦点
AirJD

没有录音文件
00:00/00:00
加收藏

大数据平台架构-基于Elastic Stack的数据探索与分析 by 曾勇

发布者 big_data
发布于 1468802845042  浏览 8207 关键词 大数据, 架构 
分享到

第1页

基于 Elastic大S数据t平a台c架k构 的数据探索与分析

@medcl



第2页

2 2016-4-22



第3页

About me

• 曾勇(Medcl) • Developer @ Elastic

‒Follow Elasticsearch since v0.5, 2010 ‒Joined Elastic since September, 2015 ‒Now in Beats team

• @medcl • medcl@elastic.co • http://github.com/medcl • Based in Changsha, Hunan, China



第4页

What’s Elastic?

• A distributed startup company,since 2012

‒HQ: Mountain View, CA AND Amsterdam, Netherlands ‒With employees in 27 countries (and counting), spread across 18 time zones, speaking over 30 languages

• We are working on Open Source projects!

‒(Luckily some of them are popular, eg:elasticsearch)

• Offering support Subscription,X-pack,Cloud and Trainings • Find us on: https://github.com/elastic and https://www.elastic.co



第5页

听说过 “ELK” 么?



第6页

But ELK is out!

我来也!

Beats & Packetbeat

ELKB? BELK? LKBE? BKEL?



第7页

Logo



第8页

Release Bonanza



第9页

It’s time to unite!



第10页

Extensions



The “Elastic Stack” ,stay together from v 5.0

User Interface Store, Index, & Analyze Ingest



第11页

Elastic Stack 能做什么?



第12页

Github:Enable Powerful Search For Both End-Users And Developers

12 https://www.elastic.co/use-cases/github



第13页

NASA: Unlocking Interplanetary Datasets with Real-Time Search

Pic:http://mars.jpl.nasa.gov/msl/multimedia/images/?ImageID=7693

https://www.elastic.co/elasticon/2015/sf/unlocking-interplanetary-datasets-with-real-time-search



第14页

Datadog:analysis metrics and time-series data

h14ttps://www.elastic.co/use-cases/data-dog



第15页

更多: https://www.elastic.co/use-cases



第16页

Extensions



The “Elastic Stack”

User Interface Store, Index, & Analyze Ingest



第17页

Logstash: Collect from diverse inputs



Logs Machine Data Databases Message Queues Social Web APIs



•Collects diverse sources

–Logs + many others –Over 200 plugins

•Connects with live streams

–Real-Time data –Wire / Transaction data –Full-Packet Network Capture



Sensors



http://github.com/elastic/logstash



17 1



第18页

Extensions



The “Elastic Stack”

User Interface Store, Index, & Analyze Ingest



第19页

•Beats are lightweight shippers that collect and ship all kinds of operational data to Elasticsearch

‒Small application ‒Install as agent on your servers ‒Written in Golang ‒No runtime dependencies ‒Single purpose

http://github.com/elastic/beats



第20页

Examples of operational data



第21页

Packetbeat:Real-time application monitoring

Sniffs the traffic between your servers, parses the application-level protocols on the fly.



Built-in protocols:



• HTTP



• MySQL



Let’s go realtime!



• PostgreSQL



• Redis



• Thrift-RPC



• MongoDB



• DNS



• Memcache



• ICMP



• AMQP



21 • …



第22页

winlogbeat!



Forwards Windows Event logs to Elasticsearch





第23页

Filebeat

A more lightweight log shipper • Generic filtering

Flexibly reduce the amount of data sent of the wire and stored



第24页

Topbeat

Like the Unix top command but sends the output periodically to Elasticsearch. Also works on Windows.

System wide system load total CPU usage …

Per process state name command line …

Disk usage available disks used, free space …



第25页

That’s More!

Metricbeat: Connecting Numb3rs • Listens to the internal “beat” of systems via APIs.

http://github.com/elastic/beat-generator/



第26页

Extensions



The “Elastic Stack”

User Interface Store, Index, & Analyze Ingest



第27页

What’s Kibana?

Kibana is an open source analytics and visualization platform designed to work with Elasticsearch.

http://github.com/elastic/kibana

https://github.com/elastic/generator-kibana-plugin



第28页

Search & Exploration



第29页

Visualization & Dashboard



第30页

Extensions



The “Elastic Stack”

User Interface Store, Index, & Analyze Ingest



第31页

Elasticsearch is an open source, distributed, scalable, highly available, document-oriented, RESTful, full text search engine with real-time search and analytics capabilities

Thomson Reuters: “107 clusters ~1747 nodes” @Elastic{ON}16

https://speakerdeck.com/elastic/thomson-reuters-research-journalism-finance-and-elastic

Netflix:”~150 clusters totaling ~3,500 nodes hosting ~1.3 PB of data”

http://techblog.netflix.com/2016/02/evolution-of-netflix-data-pipeline.html?m=1

• Real-time analytics • Time series data analytics • Logging analytics • Security analytics • Fraud detection • Prediction modeling • Recommendations •…

http://github.com/elastic/elasticsearch



第32页

慢着,Elasticsearch 不是搜索引擎么?



第33页

You know for search,and analytics!

v0.09.0:Facets v1.0.0:Aggregation v2.0.0: Pipeline Aggregation



第34页

Aggregation

•Analytics

柱状图、分布、统计、地理…

任何数据

能被查询到的数据就能被分析

接近实时

按需实时计算,~1s 刷新间隔

可嵌套组合

不像facets只有一级



第35页

Aggregation



Buckets: Terms Histogram Geohash grids …



Metrics: min-avg-max Stats Cardinality …



SELECT COUNT( * ) , AVG( score) <--- Metrics FROM `table` GROUP BY province,city <--- Buckets



第36页

Aggregation == 3万英尺高空俯视 == Patterns

Find some beauty (insights)!



第37页

以 PM 2.5 数据分析为例

Or like this!



第38页

{ “city”:“北京” , “date”: “2016-02-08”, “aq_level”: “严重污染”, “aq_rank”:68,

“aqi”: 391, “co”:115.5, “no2”: 1.888, “o3”:62.2, “pm2_5”: 415.7,

“range”: “74~500”, “so2”: 523.5, “location”: {“lat”:39.92, “lon”:116.46} }

38 数据来源:http://www.aqistudy.cn



第39页

Structure of an Aggregation



第40页

空气质量统计(北京全年)

POST demo/_search?size=0 {

"query":{…} "aggs": {

"aq_stats": { "terms": { "field": "aq_level", "size": 10 }

} } }



第41页

平均空气质量统计(按城市)(nested)

{ "aggs": { "city_stats": { "terms": { "field": "city", "size": 10 } ,"aggs": { "avg_pm25": { "avg": { "field": "pm2_5" }

41 }}}}



第42页

30天空气质量趋势分析(Pipeline)

{"aggs": { "qa_date_histo":{ “date_histogram”: { "field":"date“, "interval":"day“}, "aggs":{ "the_avg":{ "avg":{ "field": "pm2_5“ } }, "the_movavg":{ "moving_avg":{ "buckets_path": "the_avg", "window" : 30 }}}

}}}



第43页

Aggregation 工作原理

•Lucene Collector

•Optimized data structure

–Compressed columnar datastore(previous FieldData,now DocValues) –Strings converted to enums(per segment)

•Single pass on your data,alone with the query

–No matter how complex of your aggregation



第44页

Aggregation 工作原理



Shard



Coord inator



Shard Shard





第45页

Aggregation 工作原理



Shard



Coord inator



Shard Shard





第46页

Aggregation 工作原理



Shard



Coord inator



Shard Shard





第47页

Aggregation 工作原理



Shard



Coord inator



Shard Shard





第48页

Aggregation 工作原理



Aggregation: DocValues

DocID Field 1 北京 2 上海 3 Beijing 4 上海



Aggregation Collector



Top Hits Collector



SeSSgeemggemmneetnntt

Lucene Index/ An ES Shard



Search: Invert Index

Term DocID

北京 1,5,7

上海 2,4,6

广州 ,11,19,23

Beijing 3,12,13,15



第49页

Aggregation 工作原理

POST demo/_search?size=0 {

"aggs": { "city_stats": { "terms": { "field": "city", "size": 10 } ,"aggs": { "avg_pm25": { "avg": { "field": "pm2_5" } }, "max_pm25": { "max": { "field": "pm2_5" } } } } }}



avg (pm2_5) terms root (city)

max (pm2_5)



第50页

Aggregation 工作原理

POST demo/_search?size=0 {

"aggs": { "city_stats": { "terms": { "field": "city", "size": 10 } ,"aggs": { "avg_pm25": { "avg": { "field": "pm2_5" } }, "max_pm25": { "max": { "field": "pm2_5" } } } } }}



avg (pm2_5) terms root (city)

max (pm2_5)



第51页

Aggregation 工作原理

POST demo/_search?size=0 {

"aggs": { "city_stats": { "terms": { "field": "city", "size": 10 } ,"aggs": { "avg_pm25": { "avg": { "field": "pm2_5" } }, "max_pm25": { "max": { "field": "pm2_5" } } } } }}



avg (pm2_5) terms root (city)

max (pm2_5)



第52页

Aggregation 工作原理

POST demo/_search?size=0 {

"aggs": { "city_stats": { "terms": { "field": "city", "size": 10 } ,"aggs": { "avg_pm25": { "avg": { "field": "pm2_5" } }, "max_pm25": { "max": { "field": "pm2_5" } } } } }}



avg (pm2_5) terms root (city)

max (pm2_5)



第53页

What’s more?



•近似算法(Approximate algorithms)



‒唯一值:Cardinality



‒Hyperloglog++

‒百分位:Percentile



Fixed memory!



‒TDigest



Real Time



Extract



• 控制效率和内存占用

‒Terms

‒Breath_first collect mode

‒Sampler

‒ Max docs per shard



Big Data



• 更多有趣的Aggregation!

‒Significant Terms Aggregation

‒The uncommonly common

‒Geohash grid



第54页

54



第55页

DEMO

Kibana、Timelion、Graph



第56页

56



第57页

57



第58页

DEMO



第59页

59



第60页

60



第61页

Demo



第62页

Demo



第63页

Extensions



The “Elastic Stack”

User Interface Store, Index, & Analyze Ingest



第64页

Community

• 源码 & Issue: http://github.com/elastic/ • 英文社区: http://discuss.elastic.co • 中文社区: http://elasticsearch.cn • 官方 QQ 群: 190605846 • 下载: https://www.elastic.co/downloads • 博客: https://www.elastic.co/blog • 线下活动: http://elasticsearch.meetup.com/ • IRC: #elasticsearch, #logstash, #kibana, #beats • 官方 Twitter @elastic



第65页

More questions?

欢迎来 Elastic 展台找 我!



第66页

Thanks!



第67页

附录



第68页

ES 基本操作

索引(插入数据)



{



POST demo/pm2_5/1



"_index": "demo", "_type": "pm2_5",



{ "_id": "1",



“city”:“北京” , “date”: “2016-""0__2vs-he0ras8rid”os,n""::{1,



“aq_level”: “严重污染”, “aq_rank"t”o:ta6l8",: 2“, aqi”: 391, “co”:115.5,



“no2”: 1.888, “o3”:62.2, “pm2_"5s”u:cc4e1s5s.fu7l,": 1“,range”: “74~500”, “so2”: 523.5, “location”: {“la"tf”a:ile3d9".:902, “lon”:116.46}



}



}, "created": true



}





第69页

基本操作

获取数据

GET demo/pm2_5/1



{ "_index": "demo", "_type": "pm2_5", "_id": "1", "_version": 1, "found": true, "_source": { "aq_level": "严重污染“, "aq_rank": 68,

"aqi": 391, "city": "北京“, "co": 115.5, "date": "2016-02-08“, "province": "北京",

"range": "74~500“, "so2": 523.5 } }





第70页

基本操作

删除数据

DELETE demo/pm2_5/1



第71页

搜索

通过GET参数进行搜索

GET demo/pm2_5/_search?q=北京



第72页

搜索

查询北京的 PM2.5 数据

POST demo/pm2_5/_search {

"query": { "match": { “city”: “北京" }

} }



第73页

搜索

查询北京的 PM2.5 数据

POST demo/pm2_5/_search {"query": {"bool": {

"must": [ {"term": {"city": {"value":

"北京“}}}, {"term": {"date": {"value":

"2016-02-08“}}}]}} }



第74页

分析

Aggregation

POST twitter/tweet/_search

{

"aggs" : { "uers_stats" : { "terms" : { "field" : "user" }

} } }



支持文件格式:*.pdf
上传最后阶段需要进行在线转换,可能需要1~2分钟,请耐心等待。