在我之前的文章 “Kibana：如何在 Maps 应用中显示图片提示” 里，我展示了如何在 Kibana 中使用图片来展示一个图片的提示。这个在很多情况下是非常有用的，比如在疫情发生期间，我可以通过点击地图上的点来查看发生疫情人员的详细情况。我们甚至可以显示当事人的照片信息等。

在像 Elastic 这样的分布式公司工作很棒，但有时很难掌握。回答一些看似简单的问题可能会出奇地复杂，例如：

在地图上显示我们的团队，这样我就可以解释我们的范围和结构。
让我找到某个地区的任何人，这样我们就知道谁是“本地人”。
在附近找一个有特定技能的人。
显示团队随时间的增长。
记录区域覆盖范围，以便任何人都可以查找。

幸运的是，Kibana 可以提供帮助，这篇文章的目标是创建一个这样的地图：

Elasticsearch 中的映射和数据

在你进入可视化之前，你需要创建正确的映射（或 schema — 这与地图还没有直接关系）。在 Kibana 的控制台中运行以下请求以创建映射：

PUT team
{"mappings": {"dynamic": "strict","properties": {"name": {"type": "keyword"},"team": {"type": "keyword"},"role": {"type": "keyword"},"start_date": {"type": "date"},"country_code": {"type": "keyword"},"city": {"type": "keyword"},"location": {"type": "geo_point"},"technology": {"type": "keyword"},"region": {"type": "keyword"},"picture": {"type": "keyword"}}}
}

映射中最重要的是：

geo_point是地图上使用的最重要的数据类型。
date 字段对于显示随时间的发展是必需的。

为简单起见，使用的示例数据集仅包括欧洲的社区团队：

PUT team/_doc/david
{"name": "David Pilato","team": "community","role": "Developer 🥑","start_date": "2013-01-10","country_code": "fr","city": "Cergy","location": {"lat": 49.05,"lon": 2.04},"technology": ["java", "elasticsearch", "search"],"picture": "https://avatars.githubusercontent.com/u/274222"
}PUT team/_doc/philipp
{"name": "Philipp Krenn","team": "community","role": "Developer 🥑 | EMEA Lead","start_date": "2016-04-01","country_code": "at","city": "Vienna","location": {"lat": 48.21,"lon": 16.37},"technology": ["java", "automation", "observability"],"picture": "https://avatars.githubusercontent.com/u/432211"
}PUT team/_doc/adrienne
{"name": "Adrienne de Vries","team": "community","role": "Community Programs","start_date": "2019-12-02","country_code": "nl","city": "Rotterdam","location": {"lat": 51.92,"lon": 4.48},"region": ["FR", "ES", "PT", "IT", "GR", "TR", "CY", "NL", "BE", "DK", "LU", "NO", "SE", "FI", "IS", "EE", "LV", "LT", "MA", "TN", "DZ"],"picture": "https://ca.slack-edge.com/T0CUZ52US-UQQ55JABU-56457843fc81-512"
}PUT team/_doc/naoise
{"name": "Naoise Rush","team": "community","role": "Community Programs","start_date": "2022-02-28","country_code": "gb","city": "Belfast","location": {"lat": 54.60,"lon": -5.93},"region": ["GB", "IE", "DE", "AT", "CH", "PL", "CZ", "SK", "SI", "HU", "RO", "BG", "MD", "UA", "HR", "RS", "BA", "AL", "XK", "ME", "MK", "IL", "SA", "EG", "AE", "JO", "LB", "KW", "QA", "OM", "BH"],"picture": "https://ca.slack-edge.com/T0CUZ52US-U033ZF1HPM3-3f8511dbc26f-512"
}PUT team/_doc/carly
{"name": "Carly Richmond","team": "community","role": "Developer 🥑","start_date": "2022-04-25","country_code": "uk","city": "London","location": {"lat": 51.55,"lon": 0.16},"technology": ["javascript", "frontend", "observability"],"picture": "https://avatars.githubusercontent.com/u/74931905"
}

如上所示，我们有列出来开始工作的日期（start_date），所在的城市（city），以及 region 信息。这个 region 是指负责的地区。

我们接下来在 Kibana 中为 team 创建 data view：

这样我们就创建了一个叫做 team 的 data view。我们点击 picture 来进行修该设置：

如果我们点击上面的 picture 链接，它将会显示：

这样我们就为 picture 字段修改为 Url 格式。

设置完成后，你可以在 Discover 中查看基础文档并将时间范围更改为 10 年（默认为 15 分钟）：

添加第一个地图

Kibana 中的地图有很多功能，但示例会使其保持简单。添加一个文档（Documents）类型的层：

这就是我们让团队出现在地图上所需要的。点击上面的 Save & close 按钮。如果你没有看到任何内容，请再次检查你是否选择了过去 10 年，而不仅仅是 15 分钟。将鼠标悬停在其中一个上会显示他们的个人资料，你可以根据颜色判断他们的角色：

我从图上面可以看到先前输入的五个文档。我们点击其中的一个文档：

我们可以看到该文档的所有信息。

Mapping time

基于每个团队成员的 start_date 字段，您可以显示它是如何随着时间的推移发展的，甚至可以逐年自动播放：

这个对于我们筛查一个时间段的文档非常有用。比如，在疫情防控期间，我们筛查出来在一个时间段的文档变化。

在地图上进行搜索：

搜索是我们工作的核心。因此，如果你想了解我们团队中的哪些人可以帮助你解决所有 “前端（frontend）” 问题，你也可以在地图上找到：

Mapping regions

我们团队也有拥有某些区域的概念。是时候向地图添加另一个图层了——这次是 Choropleth。 Elasticsearch 文档的 region 数组映射到国家/地区的 ISO 3166-1 alpha-2 代码。我们可以将其限制为 “Community Programs 的角色，因为只有他们拥有区域：

从上面的图中我们可以看出来，有两个员工做 Community Programs 的。他们各自分管的区域显示图。

帮助圣诞老人找到团队

要添加更多与圣诞节相关的内容，让我们帮助圣诞老人找到团队。此信息应放入一个新索引中，并在一个文档中对 source 和 destination 地理点进行简单映射：

PUT santa
{"mappings": {"dynamic": "strict","properties": {"@timestamp": {"type": "date"},"source": {"type": "geo_point"},"destination": {"type": "geo_point"}}}
}

这些是实际旅行路线的文件：

POST santa/_doc
{"@timestamp": "2022-12-24T19:30Z","source": {"lat": 48.21,"lon": 100},"destination": {"lat": 48.21,"lon": 16.37}
}POST santa/_doc
{"@timestamp": "2022-12-24T19:40Z","source": {"lat": 48.21,"lon": 16.37},"destination": {"lat": 49.05,"lon": 2.04}
}POST santa/_doc
{"@timestamp": "2022-12-24T19:50Z","source": {"lat": 49.05,"lon": 2.04},"destination": {"lat": 51.92,"lon": 4.48}
}POST santa/_doc
{"@timestamp": "2022-12-24T20:00Z","source": {"lat": 51.92,"lon": 4.48},"destination": {"lat": 51.55,"lon": 0.16}
}POST santa/_doc
{"@timestamp": "2022-12-24T20:10Z","source": {"lat": 51.55,"lon": 0.16},"destination": {"lat": 54.60,"lon": -5.93}
}POST santa/_doc
{"@timestamp": "2022-12-24T20:20Z","source": {"lat": 54.60,"lon": -5.93},"destination": {"lat": 54.60,"lon": -20.00}
}

在上面，我们写入了6个文档。它形成了圣诞老人的行走轨迹。我们按照介绍的方法为这个新的索引 santa 创建一个 data view。

我们接下来再添加一层，这次使用点对点。在其中映射 source 和 destination：