Grafana VS Kibana VS Knowi：大逃杀2020

Posted 2021-04-21 知网乎

简介：Grafana vs Kibana vs Knowi

在当今的数字世界中，当人们使用"大数据"一词时，首先想到的是人类，社交网络和物联网设备正在生成的数据之海。但是，我们经常会错过全球服务器，云基础架构应用程序和基于Web的业务工具所产生的大数据洪流。每天，这些系统都会在其日志中生成大量数据。这些日志数据集对于正确监视这些系统至关重要。但是人们无法手动监视和分析原始格式的大量日志数据。这是数据可视化工具可以提供很大帮助的地方。日志数据可视化仪表板可用于监视服务器和应用程序日志，以提高IT团队的效率。

Grafana，Kibana和Knowi是市场上一些最佳的可视化工具。在本文中，我们将对Grafana，Kibana和Knowi进行比较，以便为您的日志管理需求做出正确的选择。让我们首先更详细地了解它们。

Grafana

Grafana是可用于可视化任何数据的开源工具。它可以用于创建多个仪表板，这些仪表板为不同的用户和利益相关者提供各种精美的图形和可视化效果。

它支持与一些不同的数据源集成，包括Graphite，InfluxDB和Elasticsearch。

> Grafana dashboard (source: wikipedia.com)

Kibana

Kibana是非常流行的ELK堆栈的可视化工具。ELK堆栈是3个开源工具的集合：Elasticsearch，Logstash和Kibana。ELK堆栈用于Elasticsearch数据的端到端日志管理和监视解决方案。

Kibana是ELK堆栈的" K"，用于在Elasticsearch中可视化和分析日志数据。Kibana不支持与任何其他数据源集成，仅与Elasticsearch一起使用。

> Kibana dashboard (source: elastic.co)

Knowi

Knowi是一个现代商业智能平台，为数据工程师和数据科学家提供了许多功能。它与许多基于SQL和NoSQL的数据源进行了本地集成。Knowi为高级分析，按需报告和用户仪表板提供了丰富的可视化效果。

紧跟当前对人工智能的破坏，Knowi还提供了机器学习和自然语言处理的集成。ML功能可帮助用户在工作流程中构建基于机器学习的触发器。自然语言商务智能功能使非技术用户能够查询数据，就像他们在Google搜索中提问一样。

> Knowi dashboard (source: knowi.com)

Grafana VS Kibana VS Knowi

现在，让我们对这三个工具在各种参数上进行深入的比较，并了解这三个工具中哪个适合您的要求。

可视化

Grafana和Kibana实质上都是可视化工具，它们提供了许多功能来创建图形和仪表板。但是，Grafana因生成美观且吸引人的图形和仪表板而更为流行。

此外，与Kibana相比，Grafana被认为具有更高的可定制性和灵活性。但与此同时，Kibana更易于设置。

另一方面，作为BI平台，Knowi还提供了丰富的可视化效果。实际上，Knowi提供了30多种可视化效果，而Kibana仅支持17种可视化效果。

尽管存在这些差异，但Grafana，Kibana和Knowi的可视化功能并驾齐驱。如果您不寻找特定的东西，那么在决定Grafana，Kibana和Kibana时，可视化应该至少是您的后顾之忧。需要考虑的更重要的一点可能是数据源集成。

与数据源集成

Grafana正式支持与14种数据源集成，例如mysql，Graphite，InfluxDB，PostgreSQL和Prometheus。另一方面，Knowi支持36种不同的数据源，包括Oracle，MySQL，MongoDB，PostgreSQL，Elasticsearch等。这些只是列出的本机集成。凭借其连接到任何REST API的能力，可能的数据源总数是无限的。

从多个数据源中挖掘数据的能力使Grafana和Knowi成为各种日志管理体系结构的真正灵活选择。

但是，Kibana仅支持与Elasticsearch集成。它看起来像是Kibana的一个很大的缺点，但是从积极的方面来说，如果您的项目仅使用Elasticsearch（并且您不认为它将来会扩展以包含更多的数据源），那么您应该考虑将Kibana紧密地结合在一起 在ELK堆栈中。

但是，Grafana和Knowi仍然完全支持Elasticsearch集成，并且如果针对特定用例提供了更多支持，则可以考虑将它们考虑在Kibana上。

日志搜索和分析

在进行一些分析或调试时，您可能需要搜索日志。Knowi和Kibana都支持查询文本数据。因此，可以使用这两个工具执行日志分析。但是，该支持目前在Grafana中不存在，被视为选择该平台的主要缺点。

一个查询案例可能是您选择在Grafana上选择Knowi或Kibana的一个很好的理由，如果您打算为技术支持团队构建一个监视解决方案，以分析日志中的问题。在这种用例中，文本数据查询将是必不可少的。

主动警报

监视敏感系统的一个关键方面是主动检测某些问题，以便可以在导致严重后果之前提前采取措施。例如，我们可以设置一个规则，以在服务器内存利用率超过90％时发送警报。这将有助于运营团队降低内存利用率，从而避免系统上的任何不必要的中断。

Grafana和Knowi都具有内置功能，可针对我们可以定义的一组规则引发警报。但是，Kibana不提供对警报的支持。相反，它需要第三方集成来启用警报。

用户授权

在拥有许多用户和涉众的大型企业中，您不希望所有用户都访问数据。即使对于监视仪表板也是如此。您希望某些用户仅访问某些仪表板。或者，您的要求是创建特定于某些用户的仪表板。

好消息是Grafana和Knowi都提供了开箱即用的用户管理功能。您可以创建用户和角色，并授权对它们的特定仪表板访问。

Kibana不提供任何用户管理功能。这意味着拥有指向Kibana仪表板链接的任何人都可以看到数据。这可能并不总是一种好的工作方式。但是可以节省的好处是，我们仍然可以借助第三方集成在Kibana中实现用户和角色限制。

在线社区

Grafana和Kibana都是开源的，并且正在GitHub上积极开发。这意味着如果需要，可以为两者提供良好的在线社区支持。如果必须衡量两个项目的受欢迎程度，那么值得注意的是，在Github上，Kibana的提交数量要超过Grafana。

但是，Knowi当前不是开源工具。他们仍然在自己的网站上拥有自己的论坛，您可以在其中寻求其他用户的帮助。但是他们在社区中缺乏的东西可以通过客户支持来弥补。作为一家相对年轻的初创企业，他们希望自己出名，他们拥有一支充满活力，反应迅速且积极进取的解决方案工程师团队，以证明他们的产品是市场上最好的。

机器学习

当前，机器学习正在全球范围内所有有数据的可能空间中入侵。如果您拥有大量的大数据，您将不会错过应用机器学习从数据中获取隐藏的见解和模式的机会。想象一下，如果您可以提前很好地从日志数据中预测任何潜在风险并采取预防措施。这可以使日志监视过程达到一个全新的水平。

不幸的是，Kibana和Grafana都不支持机器学习。但是Knowi已与许多机器学习算法（例如分类，回归和时间序列异常检测类型机器学习用例）进行了内置集成，即将推出集群和深度学习。

这使Knowi用户可以使用机器学习进行预测分析，并基于监视工作流中的预测来设置触发警报。

目的考虑

到目前为止，我们已经对Grafana，Kibana和Knowi的功能进行了比较。但是我们需要了解一件事，即使用这些工具的基本目的略有不同。

Kibana可用于将日志数据从ELK堆栈转换为可视化文件，并且还支持查询日志。

Grafana更像是一种通用的可视化工具，可以处理少数可能是也可能不是"日志"的数据集。但是它不支持文本查询。

Knowi是一个端到端的数据分析平台，可以位于结构化或非结构化多个数据库之上和之间。Knowi确实支持Kibana或Grafana提供的所有功能和集成以及更多功能。由于它具有开箱即用的机器学习解决方案，因此确实具有很大的优势。也就是说，Kibana和Grafana均可免费或以非常低的成本进行部署，而Knowi是一种企业解决方案，确实需要支付许可费用。但是随着这些额外费用的增加，将获得大量支持，这对于将复杂的数据分析解决方案付诸实践是很好的。

结论

运营支持团队的工作人员将告诉您，监视应用程序，服务器和基础结构的运行状况有多重要。他们不断需要监视这些系统，因为中断可能会给业务造成巨大损失。

Grafana或Kibana或Knowi可能是您的监视解决方案的不错选择。如我们所见，它们各有优缺点，功能各有不同。最适合您的方法取决于您的用例，您应该在三个平台之间做出选择之前评估项目需求。

来源：闻数起舞