利用事件分析探索您的資料建立視覺化效果利用 Trace Analytics 進行深入分析

Amazon OpenSearch 服務中的可觀察性

Amazon Ser OpenSearch vice 的預設 OpenSearch 儀表板安裝包括可觀察性外掛程式，您可以使用管道處理語言 (PPL) 將資料導向的事件視覺化，以便探索、探索和查詢儲存在中的資料。 OpenSearch該插件需要 OpenSearch 1.2 或更高版本。

可觀測性外掛程式為從常見資料來源收集和監控指標、日誌和跟蹤提供了統一的體驗。在單一位置收集和監控資料，可讓您的整個基礎架構完整堆疊、 end-to-end 可觀察。

注意

本文件提供 OpenSearch 服務中可觀察性的簡要概觀。如需觀察性外掛程式的完整文件 (包括權限)，請參閱可觀測性。

每個人的資料探索程序都不相同。如果您是探索資料和建立視覺效果的新手，建議您嘗試如下所示的工作流程。

利用事件分析探索您的資料

首先，假設您正在收集 OpenSearch 服務網域中的航班資料，並且想知道上個月抵達匹茲堡國際機場的航班最多的航班是哪家航空公司。您可以編寫以下 PPL 查詢：


source=opensearch_dashboards_sample_data_flights |
    stats count() by Dest, Carrier |
    where Dest = "Pittsburgh International Airport"

此查詢從名為 opensearch_dashboards_sample_data_flights 的索引中調取資料。然後使用 stats 命令取得航班總數，並根據目的地機場和航空公司進行分組。最後，其使用 where 子句來篩選結果，找出抵達匹茲堡國際機場的航班。

顯示的上個月資料如下所示：

您可以選擇查詢編輯器中的 PPL 按鈕，取得每個 PPL 命令的使用資訊和示例：

讓我們來看一個更複雜的示例，其查詢與航班誤點有關的資訊：


source=opensearch_dashboards_sample_data_flights |
    where FlightDelayMin > 0 |
    stats sum(FlightDelayMin) as minimum_delay, count() as total_delayed by Carrier, Dest |
    eval avg_delay=minimum_delay / total_delayed | 
    sort - avg_delay

查詢中的每個命令都會影響最終輸出：

source=opensearch_dashboards_sample_data_flights – 從與上一個示例相同的索引中調取資料
where FlightDelayMin > 0 – 篩選資料，以取得誤點的航班
stats sum(FlightDelayMin) as minimum_delay, count() as total_delayed by Carrier – 針對每家航空公司，取得最短總誤點時間和誤點航班總數
eval avg_delay=minimum_delay / total_delayed – 藉由將最短誤點時間除以誤點航班總數，計算每家航空公司的平均誤點時間
sort - avg_delay – 依平均誤點以降序對結果進行排序