这是继上一篇文章 “使用 Elastic Stack 来分析奥运数据（二）” 的续篇。这是一个连续三篇文章的系列文章：

• 使用 Elastic Stack 来分析奥运数据（一）

• 使用 Elastic Stack 来分析奥运数据（二）

在之前的文章中，我详tgcode细地介绍了如何摄入奥运数据，并且可视化数据。在今天的练习中，我将使用 Maps 来可视化数据。

在我们的数据中，虽然我们没有经纬度数据，但是我们发现有一个叫做 NOC 的字段。它代表运动员来自那个国家。在我之前的文章 “Kibana：通过 Elastic Maps 中的全局行政区层为 IP 分析带来新见解”，我展示了如何使用行政区来展示数据。针对我们的奥运情况，我们可以展示一下奥运运动员分别在哪些国家。

参赛运动员分布

我们接上次的练习。在 Dashboard 中点击 Create visualization：

从上面我们可以看出来美国的颜色比较深，显示参加比赛的人员比较多。相反，在地球的有些地方，我们看到没有运动员或者较少的运动员参加奥运会。

点击上面的 Save & return：

从上面，我们可以看出来共有18853个美国人参加奥运会。这确实是一个比较大的数据。

金牌分别在哪些国家

有时，我们更关心这些金牌分布在哪些国家。由于 Maps 只能作用于索引上，而且它没有 filter 可以使用。那么我们该怎么办呢？一种办法是把 olympic 这个索引 reindex 成为另外一个索引，把所有金牌的文档放到另外一个索引中。

POST _reindex
{
  "source": {
    "index": "olympic",
    "query": {
      "match": {
        "medal": "Gold"
      }
    }tgcode
  },
  "dest": {
    "index": "olympic_gold_medals"
  }
}

在上面，我们把数据 reindex 到一个叫做 olympic_gold_medals 里去。我们需要创建一个 view data。这样做的话，如果我们的数据发生改变，我们需要每次都要这么做。

我们另外一种方法是创建一个 alias：

POST _aliases
{
  "actions": [
    {
      "add": {
        "index": "olympic",
        "alias": "medals",
        "filter": {
          "bool": {
            "filter" : [
              {
                "term": {
                  "medal": "Gold"
                }
              }
            ]
          }
        }
      }
    }
  ]
}

那么这个 alias medals 将含有所有金牌的文档，比如我们查询：

GET medals/_count

它显示：

{
  "count" : 13372,
  "_shards" : {
    "total" : 1,
    "successful" :tgcode 1,
    "skipped" : 0,
    "failed" : 0
  }
}

这个和我们使用 Discover 查看到的金牌数是一模一样的：

我们接下来需要为这个 alias 创建一个 data view：

这样我们就创建了一个叫做 medals 的 data view。

和之前一样，我们选择 Maps 来可视化数据：

从上面，我们可以看出来美国已经得了315块金牌。在世界的很多其它地方有的还没有金牌呢。

其实从地图上的数字我们就可以看到每个国家得了多少块金牌。 点击上面的 Save & return 按钮：

好了，今天的展示就到这里。希望大家对 Elastic Maps 有更多的认识和了解。