作者:刘晓国
你是否考虑分析和可视化地理数据? 为什么不尝试 Elastic Stack? 也就是所谓的 ELK(Elasticsearch + Logstash + Kibana)或 Elatic Stack 不仅是 NoSQL数据库。 它是一个整体系统,可以实时存储,搜索,分析和可视化来自任何来源的数据。 在这种情况下,我们将使用有关华沙公共交通位置的开放数据。
本文中,我将介绍如何使用 Elastic Stack 和 Kafka 来监控公共交通的车辆。我们将使用 Docker 来部署所有需要的组件。下面是整个系统的框架图:
整个应用的框架如上:
汽车或公交的数据上传到一个数据平台。它提供 REST API 接口来被调用。Python 应用定时从 data portal 进行抓取数据,并同时发送到 KafkaKafaka 的数据发送到 Logstash 进行加工,并导入到 Elasticsearch 中在 Kibana 中对数据进行呈现安装Python我们有一个应用是用 python 语言写的。你需要安装 python3 来运行该应用。
API key为了测试这个应用,我们必须得到相应的华沙公共交通信息的 API key。
我们可以在地址 https://api.um.warszawa.pl/# 进行申请。
点击上面的 “登录” 链接,并进行脑力测试:
最终得到如上所示的 API key:86882ed9-4533-4630-b03b-47b3d68ae5e5。这个 key 将在一下的 python 应用中使用。
Elastic Stack 及 Kafka你需要安装 Docker 来实现 Elastic Stack 及 Kafka 的安装。
本展示的所有的源码可以在地址 https://github.com/liu-xiao-guo/wiadro-danych-kafka-to-es-ztm 进行下载。
docker-compose 包含 Elasticsearch,Kibana,Zookeeper,Kafka,Logstash 和应用程序 Kafka Streams (由于一些原因,在本展示中将不被采用)。
docker-compose.yml
version: '3.3' services: elasticsearch: image: docker.elastic.co/elasticsearch/elasticsearch:7.7.0 restart: unless-stopped environment: - discovery.type=single-node - bootstrap.memory_lock=true - "ES_JAVA_OPTS=-Xms512m -Xmx512m" ulimits: memlock: soft: -1 hard: -1 volumes: - esdata:/usr/share/elasticsearch/data ports: - 9200:9200 kibana: image: docker.elastic.co/kibana/kibana:7.7.0 restart: unless-stopped depends_on: - elasticsearch ports: - 5601:5601 volumes: - kibanadata:/usr/share/kibana/data zookeeper: image: 'bitnami/zookeeper:3' ports: - '2181:2181' volumes: - 'zookeeper_data:/bitnami' environment: - ALLOW_ANONYMOUS_LOGIN=yes kafka: image: 'bitnami/kafka:2' ports: - '9092:9092' - '29092:29092' volumes: - 'kafka_data:/bitnami' environment: - KAFKA_CFG_ZOOKEEPER_CONNECT=zookeeper:2181 - ALLOW_PLAINTEXT_LISTENER=yes - KAFKA_CFG_LISTENERS=PLAINTEXT://:9092,PLAINTEXT_HOST://:29092 - KAFKA_CFG_LISTENER_SECURITY_PROTOCOL_MAP=PLAINTEXT:PLAINTEXT,PLAINTEXT_HOST:PLAINTEXT - KAFKA_CFG_ADVERTISED_LISTENERS=PLAINTEXT://kafka:9092,PLAINTEXT_HOST://localhost:29092 depends_on: - zookeeper ztm_kafka_streams: image: "maciejszymczyk/ztm_stream:1.0" environment: - APPLICATION_ID_CONFIG=awesome_overrided_ztm_stream_app_id - BOOTSTRAP_SERVERS_CONFIG=kafka:9092 depends_on: - kafka logstash: image: docker.elastic.co/logstash/logstash:7.7.0 volumes: - "./pipeline:/usr/share/logstash/pipeline" environment: LS_JAVA_OPTS: "-Xmx256m -Xms256m" depends_on: - elasticsearch - kafka volumes: esdata: driver: local kibanadata: driver: local zookeeper_data: driver: local kafka_data: driver: local
我们在自己电脑的 console 中打入如下的命令:
docker-compose up
我们可以看到如下的画面:
从上面我们可以看出来 Logstash 已经被成功地启动。
我们在浏览器的地址栏中输入地址 http://localhost:5601
我们可以看到 Kibana 已经成功启动,这也意味着 Elasticsearch 被成功地运行起来了。
配置及运行Logstash我们使用如下的 pipeline 来实现对数据的处理:
pipeline/kafka_to_es.conf
input { kafka { topics = "ztm-input" bootstrap_servers = "kafka:9092" codec = "json" filter { mutate { convert = {"Lat" = "float"} convert = {"Lon" = "float"} add_field = ["location", "%{Lat},%{Lon}"] remove_field = ["Lat", "Lon"] output { stdout { codec = rubydebug elasticsearch { hosts = ["elasticsearch:9200"] index = "ztm" }
它从 Kafaka 的 "ztm-input" topic 获取数据,并把相应的 Lat 及 Lon 字段合并成为一个 location 字段。在 output 的部分,我们把数据导入到 Elasticsearch 之中。
Elasticsearch我们使用了索引生命周期管理机制, 而不是将记录放入诸如 ztm-2020.05.24 之类的索引中。 它使你可以自动执行索引的寿命。 它会自动进行汇总,并根据你配置策略的方式更改索引属性(热-热-冷架构)。 假设我希望在索引达到1GB或30天过去后进行 rollover,我们在 Kibana 中执行如下的命令:
PUT _ilm/policy/ztm_policy "policy": { "phases": { "hot":{ "actions": { "rollover": { "max_size": "1gb", "max_age": "30d" }
你还需要一个模板,该模板具有 ztm_policy 将连接到的适当 mapping。 如果没有 mapping,Elasticsearch 将不会猜测到 location 字段为 geo_point 的数据类型,并且时间字段将是纯文本。
PUT _template/ztm_template "index_patterns": ["ztm-*"], "settings": { "number_of_shards": 1, "number_of_replicas": 0, "index.lifecycle.name":"ztm_policy", "index.lifecycle.rollover_alias": "ztm" "mappings": { "properties": { "@timestamp": { "type": "date" "@version": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 "bearing": { "type": "float" "brigade": { "type": "keyword" "distance": { "type": "float" "lines": { "type": "keyword" "location": { "type": "geo_point" "speed": { "type": "float" "time": { "type": "date", "format":"MMM dd, yyyy K:mm:ss a" "vehicleNumber": { "type": "keyword" }
现在该使用适当的别名创建第一个索引了。
PUT ztm-000001 "aliases": { "ztm": { "is_write_index":true }
我们在 Kibana 中运行上面的三个命令。
Python 脚本首先,我们必须获得所需要的 API key。这个在上面我们已经讲述了。
ztm.py
import requests import json import time from kafka import KafkaProducer token = '86882ed9-4533-4630-b03b-47b3d68ae5e5' url = 'https://api.um.warszawa.pl/api/action/busestrams_get/' resource_id = 'f2e5503e927d-4ad3-9500-4ab9e55deb59' sleep_time = 15 bus_params = { 'apikey':token, 'type':1, 'resource_id': resource_id tram_params = { 'apikey':token, 'type':2, 'resource_id': resource_id while True: try: r = requests.get(url = url, params = bus_params) data = r.json() producer = KafkaProducer(bootstrap_servers=['localhost:29092'], value_serializer=lambda x: json.dumps(x).encode('utf-8'), key_serializer=lambda x: x print('Sending records...') for record in data['result']: print(record) future = producer.send('ztm-input', value=record, key=record["VehicleNumber"].encode('utf-8')) result = future.get(timeout=60) except: print("ˉ\_(ツ)_/ˉ") time.sleep(sleep_time)
上面的代码其实是蛮简单的。它定时从 API portal 获取公交系统的位置信息,并转发到 Kafka。
我们使用如下的命令来运行上面的应用:
python3 ztm.py
这个时候,我们可以在屏幕上看到所获得很多的关于公交系统车辆的信息。
我们可以转到运行 docker-compopse up 命令的那个 console,我们可以看到如下的信息:
它表明我们的 Logstash 是在正常工作。
在 Kibana 中展示打开 Kibana,并使用如下的命令:
GET _cat/indices
从上面,我们可以看到一个叫做 ztm-000001 的索引,并且它里面含有已经收集上来的车辆信息。
为了分析这个索引,我们必须创建一个 index pattern:
点击 Create index pattern:
点击 Next step:
点击上面的 Create index pattern 按钮。这样就完成了创建 index pattern。
为了对数据可视化,我们点击 Visualization:
点击上面的 Create new visualization:
点击 Maps:
点击 Add layer:
点击 Documents:
点击 Add layer:
向下滚动:
点击上面的 Save close 按钮:
在上面,我们配置每隔2秒自动获取数据。点击 Apply 按钮。
我们聚焦华沙地区:
这样在地图上,我们可以清楚地看到每个车辆的运行情况。
我们甚至可以针对一个 Brigade 进行搜索:
参考:
https://medium.com/@zorteran/how-to-visualize-public-transport-using-kibana-elasticserach-logstash-elastic-stack-and-kafka-eabc6975255a【51CTO.com快译】 数据分析是对数据进行判断、细化、更改和建模的过程,目的是...
公司介绍 长沙营智信息技术有限公司旗下易撰网,2017年10月份上线以来,基于数据...
大数据市场如今正在呈爆炸式增长。根据调研机构Markets and Markets公司的调查,...
人脸识别 是目前商业应用最成熟、最广泛的人工智能技术之一,成为开发者、企业接...
【51CTO.com快译】不知道您是否听说过软件架构师最讨厌意大利面这个梗?它是指软...
大家在开发Python的过程中,一定会遇到很多反斜杠的问题,很多人被反斜杠的数量...
本月DataWorks产品月刊为您带来 产品活动 1.参与阿里云DataWorks问卷调研 (Aliyu...
操作场景 您可以删除不需要的私有镜像。 删除私有镜像后,将无法找回,请谨慎操...
阿里巴巴、腾讯、支付宝、网易、IBM、谷歌、京东、 百度、滴滴等一线互联网公司...
案例背景 永安稻香小镇的体验式数字农业基地是余杭街道依托“阿里以西10分钟”的...