1、Elastic Stack 全局认知
ELK 是 Elasticsearch、Logstash、Kibana 技术栈的简称。Elastic 官方已统称为：Elastic Stack，翻译成：Elastic 技术栈体系。
单独使用 Elasticsearch 能应对很多业务场景，包含但不限于：
全文检索场景。 日志分析场景。 大数据可视化商业 BI 场景。
但，还不够。Elasticsearch 擅长数据存储和检索。以下两个问题问题还搞不定？
数据如何导入 Elasticsearch？ 如何对数据进行可视化分析？
Logstash、Beats 就是数据接入的引流器。
其中，Logstash 以其精简的“三段论”回答了数据流的三个经典问题：
input：从哪里来？ output：到哪里去？ filter：中间做什么处理？
可视化部分就交给了 Kibana，这个貌似运维工程师开发的工具在可视化方面大放异彩。
饼图
折线图
方框图
坐标打点图
......
这些技术体系听是都听过，不见得实践环节都用过。
2、ELK 可视化分析文章发布之后
《ELK 可视化分析热血电影长津湖15万+影评》文章发布之后，关注度比较高，读者反馈如下几个问题：
全程没有用python采集数据，都是ES完成的不？ Kibana 怎么展示词云的？ 脚本与配置能写个文档分享下不？ 想学习，有没有源码地址？
文字毕竟是干巴巴的，不能活灵活现；大家的时间宝贵，很多源码的长文反而受众少。
介于此，非常有必要通过直播实操分享一下具体实现步骤。
3、 本次直播分享目标及大纲
3.1 课程目标
3.2 适合群体
Elastic Stack 开发、运维工程师
准备参加 Elastic 认证考试的工程师
Elastic Stack 技术发烧友
对数据可视化感兴趣的Elastic 爱好者
在校大数据专业的本科生或研究生
3.3 习得干货
Elasticsearch 数据预处理的强大。 Elasticsearch 数据建模的重要性。 Kibana 可视化的便捷和威力。 全方位认识ELK（Elasticsearch、Logstash、kibana）。
3.4 细分内容
3.4.1、架构设计
数据从哪里来？数据到哪里去？ 以终为始，可视化倒逼数据。
3.4.2、数据预处理
杂乱无章数据如何清洗？ Elasticsearch 预处理能做啥？ 如何不写或者少写代码实现新增字段和数据？
3.4.3、数据建模
数据建模的作用。 建模注意事项。 建模遇到的坑？
3.4.4、数据同步
input。 filter。 output。
3.4.5、数据存储与检索
为可视化打下数据基础。
3.4.6、多维数据可视化
强大的 kibana 如何用起来？ 词云图、饼图、走势图、地理位置坐标分布图如何使用？
3.5 报名方式
扫码预约免费直播课
4、小结
实战中强化理论，理论中贯穿实战。
从实战中来，到实战中去！
来吧，我们一起实战一把！
原文作者：铭毅天下Elasticsearch；如有侵权，请联系管理员删除。
请登录后发表评论
登录
全部评论
最新文章
- Elasticsearch 使用误区之六——富文本内容写入前不清洗
- 《一本书讲透 Elasticsearch》被清华、北大等多所知名高校图书馆收录
- 经验贴：终于，通过了 Elastic 官方认证考试！！！
- 直播回放：如何系统化的备战 Elastic 认证专家考试？
- Elasticsearch 完整格式的 URL 进行分词，有什么好的解决方案吗？
- 一网打尽！处理 Elasticsearch 中未分配的分片问题（附完整 DSL 示例）
- Elasticsearch 使用误区之五——单次请求获取大量数据
- 深入解密 Elasticsearch 查询优化：巧用 Profile 工具/API 提升性能
- Elasticsearch 又更改开源协议了？为啥？对企业有什么影响？
- 探究：Elasticsearch 文档的 _id 是 Lucene 的 docid 吗？
