Qué significa la compatibilidad con versiones anteriores para la API de Dashboards de Kibana

Durante la vista previa técnica, la forma de la API podría cambiar entre versiones.[1] Eso ya no es así. Disponibilidad general (GA) significa:

• Compatibilidad total con versiones anteriores. Con el tiempo, se agregarán nuevos campos y tipos de panel, pero los campos y el comportamiento actuales se mantendrán sin cambios. Cualquier cambio futuro que rompa la compatibilidad será considerado con mucho cuidado y solo se introducirá en una nueva versión principal del stack.

• Listo para producción con soporte completo. La API ofrece las garantías completas de soporte de Elastic. Puedes usarla de manera segura en entornos de producción para despliegues automatizados, promoción del entorno y administración programática del dashboard.

Nuevos endpoints de la API Kibana para los paneles de etiquetas, markdown y enlaces

Elastic 9.5 también introduce un nuevo endpoint independiente para etiquetas, que permite categorizar y filtrar paneles. Ahora puedes administrarlos mediante programación a través de endpoints CRUD dedicados, lo que facilita organizar paneles a gran escala en todos los entornos.

Los nuevos endpoints de paneles Markdown y Enlaces ya están disponibles en Serverless y llegarán en la próxima versión de la pila (9.6).

¿Qué tipos de paneles soporta la API de Kibana Dashboards?

La API de dashboards admite todos los paneles por valor en la versión 9.5 (los definidos directamente en un dashboard, a diferencia de los paneles de biblioteca guardados para su reutilización). Cada tipo de panel admitido tiene un esquema tipificado y validado.

Tipo de panel

Estado

Gráficos XY

Con soporte

Métricas

Con soporte

Circular

Con soporte

Calibre

Con soporte

Mapa de calor

Con soporte

Tablas de datos

Con soporte

Mapa de árbol

Con soporte

Sesiones de Discover

Con soporte

Controles

Con soporte

Markdown

Con soporte

Enlaces

Con soporte

Paneles de ML

Con soporte

Paneles de Observability

Con soporte

Mapas

Próximamente

Vega

Próximamente

Cómo gestionar los dashboards de Kibana como código

La API de dashboards permite un flujo de trabajo completo de dashboards como código: exportar un dashboard como JSON limpio y diferenciable, hacer commit en Git como fuente de verdad, revisar los cambios en pull requests, y desplegar la misma definición en desarrollo, staging y producción. Una vez que un dashboard se administra como código, trata a Git como la única fuente de verdad: los cambios efectuados directamente en la UI se sobrescriben la próxima vez que despliegues.

El principal desafío al mover un dashboard entre espacios, clústeres o etapas es que los dashboards hacen referencia a objetos como Data view y visualizaciones de biblioteca mediante un ID. Debido a que estos ID se generan automáticamente y difieren de un entorno a otro, un dashboard exportado desde un entorno puede apuntar a objetos que no existen en otro. Hay tres formas de manejarlo, enumeradas aquí de la más a la menos automatizada:

• Usa Terraform. El proveedor Elastic Stack Terraform rastrea cada recurso y mapea automáticamente los ID por entorno, por lo que las referencias se mantienen estables mientras promocionas un dashboard desde el desarrollo hasta la producción.

• Definir por valor Paneles de lenguaje de búsqueda de Elasticsearch (ES|QL). La forma más portátil de construir un panel es definir su visualización con ES|QL directamente en el dashboard. Una consulta ES|QL lee los índices que se especifican en ella, por lo que el panel no contiene referencias externas a vistas de datos ni a objetos de biblioteca. El resultado es un dashboard totalmente autónomo y portátil.

• Asigna ID coincidentes. Si haces referencia a objetos guardados, como Data view o visualizaciones de biblioteca, créalos con un ID elegido usando PUT (upsert) en lugar de POST (que genera automáticamente un ID). Emplea ID legibles por humanos, como logs-prod, para que sean fáciles de reutilizar y reconocer en diferentes entornos.

Para un recorrido detallado de estos patrones de portabilidad y del flujo de trabajo completo de dashboards como código, consulta la documentación de Gestionar dashboards como código.

Crea un dashboard de Kibana con la API de dashboards usando PUT

Aquí hay un ejemplo rápido de crear un dashboard con un panel métrico usando PUT en lugar de POST para asignar un ID personalizado usando el nombre del dashboard (service-health-overview). La misma lógica funciona para crear visualizaciones independientes guardadas en la biblioteca.

Roadmap de la API de paneles de Kibana: Maps, Vega y endpoints independientes

Estamos ampliando activamente el alcance de la API. El siguiente paso es agregar compatibilidad con mapas y paneles Vega, incluyendo esquemas tipados para ellos. También estamos creando endpoints CRUD independientes para las sesiones de Discover (más allá de su compatibilidad actual como paneles del dashboard), Vega, Maps y Anotaciones, desacoplados del ciclo de vida del dashboard.

Para las definiciones completas de esquemas, visita la documentación de la API de Dashboards. Para los usuarios de Terraform, el proveedor Terraform de Elastic Stack es compatible con la API GA Dashboards.

Nota

1. Los endpoints de núcleo no han cambiado desde la vista previa técnica. Si construiste integraciones contra 9.4, funcionan en 9.5. Los únicos cambios incompatibles son dos menores que afectan al listado del dashboard y a los formatos de unidades de duración, documentados aquí.

Novedades en la creación del dashboard de IA de Kibana

Capacidad

Vista previa técnica (9.4)

GA (9.5)

Manejo de errores

No se permiten reintentos en consultas ES|QL fallidas

Reintento automático hasta tres veces con inspección y ajuste de consultas

Costo de generación de ES|QL

Todas las consultas enrutadas a través del modelo principal

Enrutamiento por niveles, hasta 5 veces más económico

Intervalo de tiempo

Ventana predeterminada fija

Selección automática basada en la distribución temporal de los datos

Controles de filtro

Sin soporte

Se agrega automáticamente para los campos más relevantes

Gráficos de Vega-Lite

Sin soporte

Creación en lenguaje natural, incluyendo gráficos de dispersión, gráficos de caja, formato condicional, sugerencias de herramientas personalizadas

Edición de gráficos

Sin soporte

Edita paneles Vega-Lite existentes a través del lenguaje natural

Recuperación automática de errores para la generación del dashboard de IA

En la versión preliminar técnica, el agente no volvió a intentar las consultas ES|QL fallidas. En la versión 9.5, detecta errores de consulta y vuelve a intentarlo hasta tres veces, inspeccionando cada error y ajustando la consulta antes de darte por vencido. En la práctica, esto elimina la mayoría de los problemas de paneles vacíos y produce dashboards que se renderizan correctamente en el primer intento.

¿Por qué es más barato crear dashboards con IA en Elastic 9.5?

No todos los pasos en la generación del dashboard requieren el mismo nivel de razonamiento. En la versión 9.5, la generación de ES|QL emplea un modelo más ligero de manera predeterminada y solo recurre al modelo principal cuando es necesario. Si tu conector emplea Claude Opus 4.8 de Anthropic, eso significa que la generación de ES|QL será 5 veces más económica en todos los paneles.

Selección automática de intervalos de tiempo basada en tus datos

Los dashboards solo son útiles cuando muestran la ventana de datos correcta. El agente ahora aplica una lógica mejorada para elegir un intervalo de tiempo que tenga sentido para los datos que está consultando, a menos que el usuario solicite un intervalo de tiempo específico. Considera la distribución temporal de los datos y ajusta en consecuencia, ya sea la última hora para un incidente en tiempo real o los últimos 90 días para un análisis de tendencias, en lugar de recurrir de manera predeterminada a una ventana fija.

Control automático de filtros en dashboards generados por IA

La creación de dashboards ahora admite controles; es decir, filtros interactivos que permiten a los usuarios refinar un dashboard por valores de campo sin editar las consultas subyacentes. Al generar un dashboard, el agente agrega automáticamente controles en la parte superior para los campos más relevantes para filtrar.

Gráficos Vega-Lite de lenguaje natural: tipos de gráficos y formato más allá de los valores predeterminados

Vega y Vega-Lite admiten una amplia variedad de tipos de gráficos y personalizaciones en Kibana. Con 9.5, puedes construirlos a partir de un lenguaje sencillo en lugar de escribir el código tú mismo. 

Gráficos de dispersión, gráficos de caja y más tipos de gráficos Vega-Lite

Los diagramas de dispersión, diagramas de caja, múltiplos pequeños facetados, gráficos de burbujas y diagramas de composición (como combinar histogramas con mapas de calor), entre muchos otros, se admiten en Vega-Lite. Una indicación como Muéstrame un gráfico de dispersión del tiempo de respuesta frente al tamaño de la solicitud, coloreado por nombre de servicio, produce un panel Vega-Lite con los mapeos de datos correctos. Usan las paletas de colores predeterminadas de Kibana para combinarse con el resto del dashboard.

Formato condicional, información sobre herramientas personalizadas y etiquetas en gráficos estándar

Incluso para tipos de gráficos que ya son nativos de los dashboards, como barra, línea o área, a veces necesitas más control del que ofrecen las capacidades predeterminadas. Vega-Lite, a través del chat, cubre esa necesidad. Algunos ejemplos incluyen:

• Formato de color condicional: colorea los puntos de datos por encima de un umbral de manera diferente; por ejemplo, marca en rojo los puntos de datos en una línea o barras cuando alguna métrica supera tu objetivo de nivel de servicio (SLO). Pregúntale al agente algo como Marca en rojo cualquier punto por encima de 500 ms para mi gráfico de líneas.

  

• Marcas y etiquetas personalizadas: agrega emojis, símbolos o etiquetas de texto en línea a los puntos de datos para obtener indicadores de estado de un vistazo.

  

• Información sobre herramientas personalizada: enriquece los estados del cursor con métricas adicionales, contexto o valores calculados que no forman parte de los ejes del gráfico. Pregunta algo como Agrega una descripción emergente que muestre el total de registros y el porcentaje por barra.

  

Esto también funciona para editar gráficos de Vega existentes. Si tienes un panel Vega-Lite que necesita un ajuste como cambiar una escala de color, ajustar un eje o cambiar el tipo de marca, describe el cambio en el chat en lugar de indagar en el código JSON.

Cómo construimos la generación en lenguaje natural de Vega-Lite en Kibana

Generar un gráfico Vega-Lite a partir de una oración no es una simple indicación de solicitud JSON al modelo. Construimos un pequeño pipeline agéntico que convierte la intención del lenguaje natural en un gráfico validado y respaldado por datos.

Cuando llega una solicitud, el agente primero determina si Vega-Lite es la opción adecuada. Para las solicitudes de Vega-Lite, establece la visualización en una consulta ES|QL real contra Elasticsearch y luego usa un modelo para generar el código Vega-Lite. Antes de renderizar, el resultado pasa por una capa de normalización que corrige el esquema y vincula la consulta canónica. También aplica transformaciones de seguridad de renderizado.

Algunas decisiones de diseño hacen que este flujo de trabajo sea confiable:

• Llamadas a herramientas tipificadas: la creación de gráficos es una invocación de herramienta estructurada en lugar de Vega-Lite de forma libre pegada en la conversación.

• Generación con restricciones: el modelo genera código Vega-Lite dentro de un esquema definido, haciendo que la salida sea más previsible y fácil de validar.

• Ejemplos seleccionados: los patrones estructurales, como el facetado, las marcas superpuestas y los mapas de calor, proporcionan orientación sin copiar los datos subyacentes.

• Ejecutar y verificar bucles: las consultas se ejecutan antes de la creación de gráficos y los errores de validación desencadenan reintentos correctivos para la generación de ES|QL.

Prueba la creación de dashboard con IA y gráficos Vega-Lite en Kibana

Para probar la creación de dashboards en lenguaje natural y gráficos Vega-Lite, actualiza a Elastic 9.5 (o inicia una prueba gratis), y abre el chat en Kibana. Luego pídele que cree un dashboard a partir de tus datos. Para Vega-Lite, intenta pedir un tipo de gráfico que hayas querido pero que nunca hayas construido, como un diagrama de dispersión o un gráfico de burbujas. Si el resultado no es del todo correcto, dile al agente qué cambiar. El agente itera contigo.

Esto requiere una licencia Empresarial. Comencemos.

El lanzamiento y el momento de cualquier característica o funcionalidad descrita en esta publicación quedan a exclusivo criterio de Elastic. Es posible que alguna característica o funcionalidad que no esté disponible en este momento no se lance a tiempo o no se lance en absoluto.

El agente crea dashboards desde cero, pero también funciona con lo que ya tienes. Abre la barra lateral de AI Chat mientras se ve un dashboard y se conecta automáticamente. Pregunta por qué una métrica se disparó, desglosa por región o agrega un panel de comparación. Tu dashboard existente se convierte en el punto de partida, no solo en el producto final.

Detrás de escena: cómo creamos dashboards en AI Chat

Enseñamos al agente tareas específicas a través de habilidades, descripciones estructuradas de cómo operar en un problema dado. Sin embargo, crear una habilidad de dashboard significaba enseñar a un LLM a generar dashboards de Kibana válidos, y la API heredada de objetos guardados lo hacía muy difícil: JSON profundamente anidado, cambios sutiles de versión a versión, referencias frágiles. Necesitábamos un enfoque diferente.

Una API especialmente diseñada para dashboards programáticos

La nueva API de dashboards se diseñó precisamente para este escenario. En lugar de exponer el estado interno sin procesar, ofrece esquemas tipados y validados para cada tipo de panel. La API se encarga de la conversión entre estructuras externas limpias y las representaciones internas de Kibana, así que el agente puede centrarse en lo que debe incluir el dashboard en lugar de en cómo darle formato.

Una habilidad, una herramienta, muchas operaciones

La dashboard-management habilidad expone una sola manage_dashboard herramienta que acepta una matriz ordenada de operaciones. Cada operación es una acción discreta: establecer metadatos, agregar un panel de Markdown, crear visualizaciones respaldadas por ES|QL a partir del lenguaje natural, editar paneles existentes, agrupar paneles en secciones plegables o reposicionar elementos en la cuadrícula.

Puedes describir un dashboard completo: título, descripción, secciones y cada panel interior en una sola llamada:

Las operaciones se ejecutan en orden, por lo que los pasos posteriores pueden hacer referencia a los anteriores y basarse en ellos. Este diseño mantiene la conversación centrada en la intención en lugar de en los detalles de implementación.

El pipeline de visualización: del lenguaje natural a ES|QL y, finalmente, a las visualizaciones

Cuando solicitas un dashboard, el agente explora tus datos (índices, mapping de campos, tipos), luego planifica las visualizaciones y llama a manage_dashboard.

Cada panel pasa por su propia pipeline: selección de tipo de gráfico, generación de ES|QL, configuración de visualización y validación. Separamos esto del hilo principal del agente: la construcción de la visualización requiere varias llamadas al modelo por cada panel, y mezclarlo con el contexto principal sobrecargaría la ventana y entorpecería el razonamiento.

Dentro de manage_dashboard, todos los paneles se construyen de manera concurrente y luego se reensamblan en orden. El resultado es un dashboard completo con paneles insertados: sin visualizaciones huérfanas, sin problemas de sincronización.

Por qué movimos la creación de visualizaciones dentro de la herramienta del dashboard

Nuestro primer enfoque usó una herramienta separada para crear visualizaciones: una llamada por panel, y luego pasábamos cada archivo adjunto a la herramienta del dashboard. Funcionó, pero cada visualización necesitaba su propia llamada a la herramienta, su propio ciclo de vida y una entrega explícita. Lo peor es que, al editar una visualización en la conversación, el panel del dashboard no se actualizaba, lo que confundía a los usuarios.

Integramos la creación de visualizaciones directamente en manage_dashboard. Los mismos flujos de trabajo paralelos se ejecutan, pero los paneles se ensamblan en la estructura del dashboard sin archivos adjuntos intermedios. Menos llamadas, sin problemas de sincronización, un ciclo de vida único.

Las visualizaciones independientes siguen funcionando: puedes colocar gráficos existentes en un dashboard a través de referencias de archivos adjuntos, pero para construir desde cero, la creación en línea es la ruta más limpia

Para equipos de seguridad

Los analistas de SOC y los ingenieros de detección no pueden permitirse el lujo de tener que ir y volver al editor del dashboard en medio de una investigación. Con AI Chat, pide volumen de alertas por tipo de regla, host o táctica MITRE y velo en tu hilo en aproximadamente un minuto. A medida que la búsqueda se desarrolla, incorpora paneles, anomalías en la ejecución de procesos, conexiones de red, comparaciones de línea de tiempo, sin perder el contexto.

Guarda cuando hayas terminado. El dashboard se convierte en una referencia para la revisión posterior al incidente, un punto de partida para el próximo analista, o una sesión informativa semanal sobre amenazas (sin necesidad de una nueva explicación).

Lee más sobre cómo los equipos de seguridad pueden usar la creación de dashboards y otras capacidades de AI Chat recientemente lanzadas en esta publicación de blog.

Para ingenieros de observabilidad y confiabilidad del sitio (SRE)

Cuando un servicio se deteriora a las 2 a. m., no hay tiempo para crear dashboards desde cero. Con AI Chat, un SRE puede describir las métricas que necesita (latencia p99 por servicio, tasa de error frente a eventos de despliegue, reinicios del pod en la última hora) y obtener un dashboard completo en el hilo de investigación en aproximadamente un minuto. El agente puede refinarlo paso a paso a medida que el panorama se aclara: agregar un panel, cambiar la ventana de tiempo, desglosar por región.

Guarda el dashboard y estará inmediatamente disponible en la sala de crisis (los mismos paneles, el mismo encuadre) para todos los que se unan a la reunión sobre el incidente. Después del incidente, se convierte en la base para el análisis de lo ocurrido.

Lo que se viene

Estamos trabajando en la optimización de tokens, interacciones de pantalla completa más ricas, soporte de panel más amplio y mejoras continuas de calidad. La vista previa técnica es el momento adecuado para definir prioridades: si falta algo, avísanos a través del ícono “Enviar comentarios” en el menú superior.

Pruébalo

Actualiza a Elastic 9.4 (o inicia una prueba), abre AI Chat en modo de pantalla completa y pruébalo en una investigación real. Pídele al agente que te muestre un gráfico con las métricas que te interesan y, después, pídele el siguiente desglose. Si la historia se mantiene, guárdala y compártela: mismos paneles, mismo encuadre, sin necesidad de volver a explicarla. Requiere una licencia empresarial (comenzar). El lanzamiento y la disponibilidad de cualquier característica o funcionalidad descrita en esta publicación quedan a exclusivo criterio de Elastic. Es posible que cualquier característica o funcionalidad que no esté disponible actualmente no se entregue a tiempo o no se entregue en absoluto.

Esa es exactamente la razón por la que construimos dashboards de solo lectura. Es el control que estabas pidiendo. Comparte dashboards con confianza, sin preocuparte de que la próxima persona con acceso de edición los cambie o rompa.

Nota: los permisos de solo lectura están disponibles en Elastic Cloud Serverless y, a partir de la versión 9.3, en Elastic Cloud Hosted y Elastic Cloud Self-Managed.

Cuando "todos pueden editar" se interpone en el camino

En Kibana, compartir generalmente ha significado permisos a nivel de espacio. Si alguien puede crear dashboards en un espacio, también puede editar o eliminar los de cualquier otro. Eso es excelente para la colaboración hasta que deja de serlo. Un solo error accidental puede propagarse en decisiones equivocadas, pérdida de confianza y mucho trabajo de limpieza.

Hemos escuchado las soluciones alternativas: "Ponemos 'solo lectura' en el nombre del dashboard y esperamos que la gente lo note". O: "Los etiquetamos y cruzamos los dedos". Hope no es un modelo de permiso. Necesitabas una manera real de bloquear un dashboard sin bloquear a todos y dejarlos fuera del espacio.

¿Qué sale mal realmente?

Tanto Deb como Kevin tienen acceso de edición al dashboard de monitoreo de logs dentro del espacio de Operaciones. Kevin realiza algunos cambios en los gráficos. Cuando Deb vuelve, los números no coinciden con lo que ella presentó. Tiene que rastrear qué cambió (a menudo de memoria), corregirlo y preguntarse cuántos reportes se enviaron con datos incorrectos.

Dashboards de solo lectura: propiedad y control que tienen sentido

Los dashboards de solo lectura resuelven esto dándote el control para decidir si otros usuarios pueden editar el dashboard. Al compartir un dashboard, eliges: edit (editar, predeterminado, igual que hoy) o view (ver). En el modo view (ver), solo tú (y los administradores de Kibana) pueden cambiarlo o eliminarlo. Todos los demás pueden abrirlo, usarlo y confiar en él, pero no pueden modificarlo.

Lo que obtienes

• Dashboard integrity: En el modo de visualización, los demás usuarios con acceso de edición en el espacio no pueden modificar ni eliminar el dashboard. Si lo intentan, se les indica que está bloqueado. Tus gráficos y lógica se mantienen tal como los dejaste.

• Mantienes el control: Tú eres el propietario. Siempre puedes editar, refinar y actualizar. Compartir en modo de solo lectura no te impide el acceso; restringe la versión que ven los demás.

• Ciclo de vida flexible: puedes volver a cambiar un dashboard a "puedes editar" en cualquier momento. Y los administradores de Kibana aún pueden gestionar todos los dashboards (por ejemplo, si el propietario se va). No hay callejón sin salida.

Puedes compartir ampliamente los dashboards finales críticos para la misión y saber que se mantendrán coherentes. Esto está disponible en todos los niveles y ofertas de Elastic, incluido Serverless.

¿Quién puede hacer qué?

Guía rápida por rol:

• Dashboard owner: Propietario del Dashboard. Tú lo creaste; tienes acceso completo de edición.

• Kibana admin: Administrador de Kibana. Puede administrar todos los dashboards.

• User with space edit: Usuario con edición de espacio. Puede crear y editar sus dashboards; no puede editar o eliminar dashboards de solo visualización.

• User with space view: Usuario con vista de espacio. Solo puede ver (y enumerar) dashboards.

Acción

Propietario del dashboard

Admin de Kibana

Usuario con edición de espacio

Usuario con vista de espacio

Ver y enumerar dashboards

✔

✔

✔

✔

Crear nuevos dashboards

✔

✔

✔

✘

Modificar/eliminar dashboards editables

✔

✔

✔

✘

Modificar/eliminar dashboards de solo lectura

✔

✔

✘

✘

Cómo activar el modo de solo lectura

Puedes configurar solo lectura cuando guardas un dashboard nuevo o más tarde desde el menú para compartir.

Al guardar un nuevo dashboard

• Construye tu dashboard y haz clic en Guardar.

• En el modal “Guardar como nuevo dashboard”, busca Permisos.

• Cambia de Can edit (Puede editar) a Can view (Puede ver).

• Haz clic en Save (Guardar). Listo. Es de solo lectura para todos los demás.

Para un dashboard que ya posees

• Abre el dashboard.

• Abre el menú Compartir dashboard.

• En el modal de compartir, ve a Permissions (Permisos) y cambia a Can view (Puede ver). El cambio entra en vigor de inmediato; los demás usuarios del espacio ya no podrán editarlo ni borrarlo.

• Puedes pasar el ratón sobre la acción Compartir para ver qué tipo de permisos tiene un dashboard determinado.

Ver qué dashboards están bloqueados

En la lista principal de dashboards, los dashboards que no puedes editar ni eliminar tienen una casilla de verificación de selección deshabilitada. Esto proporciona una forma sencilla de detectar lo que es solo de visualización.

En el dashboard, también encontrarás que la acción Editar está deshabilitada y aparecerá un mensaje emergente que explica que el dashboard se configuró como solo lectura.

Pruébalo

Los dashboards de solo lectura están disponibles ahora. Crea un dashboard, cambia a Can view (Puede ver) y compártelo. Tu equipo obtiene una única fuente de verdad, y tú obtienes tranquilidad. No más "por favor, no editar" en el título.

Nos encantaría saber cómo usas los dashboards de solo lectura. Comparte tus comentarios en nuestro foro de la comunidad.

¿Qué son los controles variables?

Si has trabajado antes con los dashboards de Kibana, probablemente conozcas nuestros controles clásicos de dashboard: esos prácticos menús desplegables que muestran valores de tus datos para que puedas aplicar filtros con un par de clics.

A simple vista, los controles variables son parecidos , pero tienen un giro ingenioso: en lugar de filtrar automáticamente cada panel en tu dashboard, pueden conectarse directamente a búsquedas ES|QL dentro de visualizaciones individuales.

Eso significa que tú decides dónde se aplica cada control. Y aún más, puedes usarlos para todo tipo de trucos creativos, como ajustar intervalos de tiempo, cambiar campos de desglose o modificar parámetros de visualización en el momento. Básicamente, ofrecen a tus dashboards una experiencia realmente interactiva, lo que permite obtener tu información de manera más rápida y fácil.

Casos de uso para controles variables

Muy bien, los controles variables parecen útiles, pero ¿para qué sirven realmente? A continuación se muestran algunos ejemplos de cómo mejorar tus dashboards:

Filtrar visualizaciones seleccionadas.

¿Quieres filtrar algunas visualizaciones sin cambiar otras? Los controles de variables te permiten hacer exactamente eso. Selecciona los paneles a los que deseas responder y conéctalos en las búsquedas de ES|QL detrás de tus visualizaciones.

Selecciona diferentes intervalos de tiempo

Otorga a tus usuarios el poder de cambiar entre “5 minutos”, “1 hora”, “1 día” o cualquier cubeta de tiempo que tenga sentido. Crea un control variable con intervalos predefinidos y conéctalo a tu búsqueda de series temporales.

Cambiar funciones

En lugar de crear múltiples gráficos para cada operación, permite que los usuarios del dashboard elijan si quieren ver el máximo, el promedio, diferentes percentiles o cualquier otro agregador.

Agrupar por diferentes campos

A veces necesitas desglosar los datos por diferentes dimensiones durante una investigación. Con controles variables, puedes definir múltiples campos “agrupar por” y permitir que los usuarios del dashboard elijan cuál les permite descubrir su información.

¿Cómo puedes crearlos?

La manera más sencilla (y probablemente más amena) de crear un control de variable es directamente desde el editor de búsquedas ES|QL en tu visualización. Simplemente comienza a escribir tu búsqueda, usa el menú de autocompletado y Kibana configurará el control de una manera que te resulte útil.

Pero si prefieres empezar desde la variable en sí, también puedes ir a: Agregar panel → Controles → Control de variables y agregar la variable a tus visualizaciones después de crear el control.

Ejemplo 1: Control de filtrado con selección de múltiples valores.

1. Elija una visualización que se realice a partir de una búsqueda ES|QL y haga clic en “Crear control” dentro de la cláusula WHERE.

2. Serás redirigido automáticamente al elemento flotante de creación de variables, donde se seleccionará el tipo “Valores de una búsqueda” para ti, y el nombre de la variable ya estará previamente completado. Recuerda que el nombre de un control siempre debe comenzar con “?...” para que funcione en la búsqueda de visualización.

Normalmente necesitarás una búsqueda como esta para obtener los valores de un campo y actualizarlos según el rango de tiempo seleccionado en el dashboard:

3. Al guardar el control, lo verás aparecer en la parte superior del dashboard y tu búsqueda de visualización se actualizará con el nombre del control variable.

4. Si deseas agregar una selección de valores múltiples al control, debes usar la función MV_CONTAINS en la búsqueda y seleccionar “Permitir selecciones múltiples” durante la creación del control en el paso 2 (disponible desde la versión 9.3).

Ejemplo 2: Control de intervalos de tiempo.

Si estás creando una serie temporal, puedes agregar fácilmente un control variable en el intervalo de histograma de fecha:

1. Cuando escribas una búsqueda ES|QL para tu serie temporal, haz clic en “Crear control”. Al construir una variable para intervalos, es mejor usar TBUCKET en lugar de BUCKET para que acepte intervalos más legibles como “1 hora”, “1 día”, etc. Pronto habrá una opción automática para TBUCKET que se adaptará automáticamente a los intervalos de tiempo.

2. Define los intervalos para completar las opciones en el menú desplegable.

3. Selecciona diferentes intervalos en el menú desplegable y observa cómo cambia tu visualización.

Ejemplo 3: variables para funciones

1. Crea una variable usando el tipo de control “Valores estáticos” y agrega nombres de funciones a los valores de tu menú desplegable. Es importante usar un nombre para la variable que comience con “??...” para reemplazar funciones.

2. Incluye el nombre de la variable en la búsqueda ES|QL.

Ejemplo 4: variables para campos

1. Puedes usar el tipo de control “Valores estáticos” y escribir los nombres de los campos que desees. Es importante usar un nombre de variable que comience con “??...” para que funcione en los campos.

2. Crea una referencia a la variable donde la necesites en la búsqueda de la visualización.

Controles de variables en Discover

Los controles variables no son solo una característica del dashboard: también están disponibles directamente en el editor de ES|QL en Discover. Puede crear controles para obtener una experiencia de exploración de datos más rápida en Discover, llevarlos al dashboard y viceversa.

Detalles técnicos

A estas alturas, probablemente hayas notado que los controles de variables incluyen algunas reglas, como a qué partes de una búsqueda pueden hacer referencia y los prefijos de nombres que necesitas usar (“?...” para valores y “??...” para campos o funciones). Eso se debe a que las variables no son simplemente reemplazos de texto que ocurren en el cliente. En realidad, son ciudadanos de primera clase en el propio lenguaje de búsquedas (conocidos como parámetros en ES|QL).

Este diseño ofrece grandes ventajas. Por un lado, Kibana puede entender el contexto de cada variable, lo que nos permite generar y completar previamente, de manera automática, su configuración. Además, es mucho más seguro: debido a que el lenguaje valida estrictamente las entradas de variables, previene las inyecciones maliciosas y genera errores fácilmente, si algo parece incorrecto. Asimismo, mejora el rendimiento y la estabilidad al trasladar la compleja validación y el manejo de errores al servidor en lugar de al cliente. Recordatorio sobre el rendimiento: una de las mejores prácticas es crear variables que incluyan búsquedas rápidas, ya que se cargan antes que el dashboard, por lo que las búsquedas lentas pueden afectar al rendimiento de todo el dashboard.

Por supuesto, esta arquitectura también tiene algunas limitaciones—por ahora. Las variables aún no admiten una opción “Cualquiera” para filtrar, y actualmente no se pueden usar con ciertos operadores como LIKEo FROM (para cambiar fuentes de datos). ¿La buena noticia? Estamos trabajando activamente para agregar estas funciones.

Qué depara el futuro para los controles

¡Este no es el final! Algunas de las mejoras importantes incluyen:

✨ La capacidad de colocar controles en cualquier lugar del dashboard

✨ Encadenar tus controles, lo que significa que la salida de un control se convierte en la entrada para el siguiente

✨ Mejores opciones de selección como la opción “Cualquiera” para variables.

✨ Nuevos tipos de control (control de tipo búsqueda y variables para tus fuentes de datos)

✨ Y otras mejoras en la experiencia del usuario que han estado solicitando, como el filtro previo de controles normales.

Si tienes ideas o comentarios, nos encantaría saber de ti.