ConnectiLogs Panel | Abfragegenerator

ConnectiLogs Panel | Abfragegenerator

Der Query Builder ist ein Tool, das es Ihnen ermöglicht, Ihre ConnectiLogs-Daten auf individuelle Weise zu durchsuchen, ohne Code oder technische Sprache verwenden zu müssen. Mit ihm können Sie Filter erstellen, Bedingungen kombinieren, Ergebnisse mit verschiedenen Arten von Diagrammen oder Tabellen visualisieren und Ihre Abfragen speichern, um sie bei Bedarf in einem Dashboard zu analysieren.

Sein Ziel ist es, dass Sie genau die Informationen finden, die Sie in Ihren Protokollen suchen, sei es zur Überprüfung von Zugriffen, zur Analyse von Bedrohungen oder zur Untersuchung eines bestimmten Verhaltens in Ihrem Dienst.

Schritt-für-Schritt-Anleitung

1. Datenquelle auswählen
Der erste Schritt zur Erstellung einer Abfrage in ConnectiLogs besteht darin, zu definieren, woher Sie die Informationen beziehen möchten. Um diese Auswahl zu organisieren, verwendet ConnectiLogs drei Ebenen: Kategorie, Quelle und Sammlung.

Kategorie
Die Kategorie definiert den Bereich oder den Diensttyp, zu dem Sie Daten abfragen möchten. Jede Kategorie gruppiert eine Reihe von zusammengehörigen Sammlungen.

Einige Beispiele für verfügbare Kategorien sind:
  1. Web: umfasst alles, was mit Websites zu tun hat, wie Zugriffe, Fehler, Malware-Aktivitäten oder Dateiänderungen (ftp, ssh).
  2. E-Mail: gruppiert E-Mail-Aktivitätsaufzeichnungen wie Senden, Empfangen, Zugriffe usw.
  3. Control Panel: sammelt Informationen über Aktionen, die im Benutzerpanel durchgeführt wurden, wie Anmeldungen, Konfigurationsänderungen oder Dienstverwaltung.


Quelle
Innerhalb jeder Kategorie müssen Sie die Quelle der Daten auswählen, d.h. welches spezifische Objekt Sie betreffen soll. Die Quelle ermöglicht es Ihnen, eine Domain, einen Server oder einen bestimmten Benutzer auszuwählen, abhängig von der Art der Daten, die Sie analysieren.

Beispiele für Quellen:
  1. Domain: filtert Informationen für eine bestimmte Website.
  2. Server: analysiert Aufzeichnungen, die mit einem vollständigen Server verbunden sind.
Hinweis: Jede Kategorie hat eine andere Liste verfügbarer Quellen, die sich an den gewählten Typ anpasst.



Sammlung
Schließlich müssen Sie die Sammlung auswählen, die die endgültige Datenquelle innerhalb von ConnectiLogs darstellt. Die Sammlung ist der Ort, an dem sich die spezifischen Aufzeichnungen befinden, die Sie analysieren möchten, und jede enthält die Informationen entsprechend der ausgewählten Kategorie und Quelle.

Einige Beispiele für Sammlungen:
  1. Domain-Malware: Liste der Dateien, die auf einer bestimmten Domain als bösartig erkannt wurden.
  2. Sitzungszugriffe: Aufzeichnung aller Verbindungen, die ein Benutzer im Control Panel hergestellt hat.
  3. Benutzeraktionen: Ereignisse wie Konfigurationsänderungen, Erstellung oder Löschung von Ressourcen oder Änderungen von Berechtigungen.



Sobald diese Auswahl abgeschlossen ist, müssen Sie den Zeitraum für die Datenvisualisierung wählen. In der kostenlosen Version von ConnectiLogs sind die Daten in der Beta-Phase auf 30 Tage begrenzt und bei allgemeiner Verfügbarkeit der Anwendung auf 7 Tage.

2. Daten erkunden (optional)
Nachdem Sie die Sammlung ausgewählt und einen gültigen Datumsbereich eingegeben haben, ermöglicht ConnectiLogs Ihnen, die Daten zu erkunden, bevor Sie mit der Erstellung Ihrer Abfrage beginnen. Dieser Schritt ist optional, aber sehr empfehlenswert, insbesondere wenn Sie mit der gewählten Sammlung nicht vertraut sind oder sicherstellen möchten, dass Sie nach dem Richtigen suchen.

Das Erkunden der Daten gibt Ihnen eine Vorschau der Aufzeichnungen und hilft Ihnen zu verstehen, welche Informationen verfügbar sind, wie sie organisiert sind und welche Werte Sie verwenden könnten, um Ihre Ergebnisse zu filtern.

Was können Sie beim Erkunden der Daten tun?
  1. Sehen, welche Felder die Sammlung enthält: Jede Sammlung hat verschiedene Felder mit spezifischen Informationen.
  2. Filter anwenden: Bei Bedarf können Sie Filter anwenden, um die Informationen weiter zu segmentieren und gezielter zu den benötigten Daten zu gelangen.


  1. Exportieren: Gefällt Ihnen, was Sie sehen, und Sie denken, es könnte nützlich sein? Sie können die Daten sehr schnell im CSV-Format exportieren, um offline auf Ihrem eigenen Gerät zu arbeiten. Beachten Sie, dass das Herunterladen der Sammlungsdaten aus Leistungsgründen auf 100.000 Zeilen begrenzt ist, wenn die Sammlung viele Daten enthält.


Praktische Tipps:
  1. Verwenden Sie es, wenn Sie zum ersten Mal mit einer Sammlung arbeiten: es hilft Ihnen, die Datenstruktur zu verstehen.
  2. Machen Sie sich keine Sorgen über die Anzahl der Datensätze: es wird nur eine repräsentative Stichprobe angezeigt, die ausreicht, um Sie zu leiten.
  3. Kombinieren Sie es mit Filtern: die Erkundung zeigt nur Daten an, die sich auf diese angewendeten Filter beziehen.
PRO-TIPP:
Bewegen Sie Ihre Maus über eine der Spalten der Sammlung, um eine kurze Beschreibung dessen zu sehen, was sie ist, und die Daten noch besser zu verstehen:


3. Query Builder
Nachdem Sie die Datenquelle ausgewählt und, falls gewünscht, die Aufzeichnungen erkundet haben, um die Sammlung besser zu verstehen, ist es Zeit, die Abfrage zu erstellen und die Ergebnisse zu visualisieren. ConnectiLogs ermöglicht Ihnen dies flexibel, indem Sie wählen, wie Sie die Informationen sehen möchten, und Aggregationen und Filter intuitiv anwenden können.

3.1. Visualisierungstyp wählen
Zunächst müssen Sie entscheiden, wie Sie die Ergebnisse Ihrer Abfrage sehen möchten. ConnectiLogs bietet mehrere Formate:
  1. Tabelle: zeigt alle Datensätze detailliert an, ohne Aggregationen.
  2. Aggregierte Tabelle: gruppiert Daten nach einem Feld und ermöglicht die Anwendung von Operatoren auf eine andere Dimension.
  3. Pivot-Tabelle: ermöglicht es, Daten über mehrere Dimensionen hinweg in Tabellenform neu zu organisieren und zu vergleichen.
  4. Säulendiagramm: Eine visuelle Darstellung von Daten mit rechteckigen Balken, deren Länge proportional zu den Werten ist, die sie repräsentieren.
  5. Liniendiagramm: Ein Diagramm, das Datenpunkte mit geraden Liniensegmenten verbindet, um Trends und Veränderungen einer Variable über Werte hinweg zu zeigen.
  6. Flächendiagramm: Eine Art von Diagramm ähnlich dem Liniendiagramm, dessen Werte sich jedoch in Bezug auf eine Zeitdimension ändern.
  7. Kreisdiagramm: eine Alternative zum Säulendiagramm, das die Visualisierung von Mengen oder Größen verschiedener Kategorien oder numerischer Variablen ermöglicht.

3.1.1 Dimensionen und Visualisierungstypen.
Je nach dem von Ihnen gewählten Visualisierungstyp zeigt ConnectiLogs eine Reihe von Drag-and-Drop-Feldern an. Diese Felder sind die Dimensionen, die standardmäßig basierend auf dem Diagrammtyp vorgegeben werden, sodass Sie sich keine Gedanken darüber machen müssen, welche Felder Sie hinzufügen müssen. Je nach gewähltem Diagramm- oder Tabellentyp können Sie Felder über bis zu drei verschiedene Dimensionen hinzufügen, um die Daten zu organisieren.


Tabellen
Tabellen sind die einfachste und direkteste Art, Daten in ConnectiLogs zu visualisieren. Sie sind so konzipiert, dass sie Informationen im Listenformat anzeigen, wobei jede Zeile einen Datensatz und jede Spalte ein Feld dieses Datensatzes darstellt.

Sie sind besonders nützlich, wenn Sie das vollständige Detail der Daten sehen müssen, ohne Aggregationen oder Transformationen.

Wie funktionieren sie?
Wenn Sie eine einfache Tabelle auswählen, zeigt ConnectiLogs die Datensätze so an, wie sie in der Sammlung existieren. Das heißt:
  1. Daten werden nicht gruppiert
  2. Es werden keine automatischen Berechnungen angewendet
  3. Jede Zeile entspricht einer tatsächlichen Zeile des Protokolls selbst (z.B. ein Zugriff, eine Aktion oder eine Malware-Erkennung)
Sie entscheiden, welche Spalten Sie anzeigen möchten, indem Sie die Felder auswählen, die Sie interessieren.

Was können Sie mit einer Tabelle tun?
  1. Rohdaten anzeigen: ideal für die Inspektion spezifischer Ereignisse
  2. Spalten sortieren: Sie können die Ergebnisse nach einem Feld organisieren (z.B. Datum, IP, Benutzer)
  3. Filter anwenden: um die Datenmenge zu reduzieren und sich auf das Wesentliche zu konzentrieren
  4. Manuell nach Mustern suchen: verdächtige oder wiederholte Verhaltensweisen erkennen
Grenzen von Tabellen
Um eine gute Performance und angemessene Ladezeiten zu gewährleisten, haben Tabellen gewisse Einschränkungen:
  1. Anzahl sichtbarer Datensätze: die Tabelle zeigt aus Performance-Gründen maximal 100.000 Zeilen an (nicht alle Daten bei großen Volumina).
  2. Keine Aggregationen: erlaubt nicht die direkte Anwendung von Operatoren wie Count, Sum oder Average
Diese Einschränkungen beeinträchtigen nicht die Analyse, sondern vielmehr die Darstellung der Daten auf dem Bildschirm.

Wann sollte man eine Tabelle verwenden?
Die Tabelle ist die beste Option, wenn:
  1. Sie das genaue Detail der Datensätze sehen möchten
  2. Sie einen spezifischen Fall untersuchen (z.B. eine verdächtige IP oder einen bestimmten Fehler)
  3. Sie Informationen validieren müssen, bevor Sie Aggregationen anwenden
  4. Sie eine Sammlung zum ersten Mal erkunden
Empfehlung
Beginnen Sie immer mit einer Tabelle, wenn Sie nicht sicher sind, wonach Sie suchen, und es sich um eine Sammlung mit so vielen Spalten handelt, dass der Daten-Explorer Sie überwältigen könnte. Sobald Sie die Daten verstanden haben, können Sie zu fortgeschritteneren Visualisierungen (wie aggregierten Tabellen oder Diagrammen) übergehen, um schneller zu Schlussfolgerungen zu gelangen.

Aggregierte Tabelle
Die aggregierte Tabelle ist ein fortgeschrittenerer Schritt im Vergleich zur einfachen Tabelle. Anstatt Rohdaten anzuzeigen, ermöglicht sie es, Informationen zusammenzufassen und zu gruppieren, um eine klarere und nützlichere Ansicht zu erhalten.

Sie ist eine der am häufigsten verwendeten Visualisierungen, wenn Sie Fragen beantworten möchten wie: wie oft passiert etwas?, welches Element hat die meiste Aktivität?, oder wie sind die Daten verteilt?

Wie funktioniert sie?
In einer aggregierten Tabelle werden Daten basierend auf zwei Hauptelementen organisiert:
  1. Gruppieren nach: das Feld, nach dem Daten gruppiert werden (z.B. IP, Domain, Pfad, Benutzer...)
  2. Zu aggregierender Wert: die auf die Datensätze angewendete Berechnung (z.B. Anzahl, Summe, Durchschnitt usw.)
Anstatt jeden einzelnen Datensatz zu sehen, sehen Sie eine Zeile für jeden eindeutigen Wert von "Gruppieren nach".

Einfaches Beispiel
Wenn Sie Tausende von Zugriffen auf Ihre Website haben:
  1. Mit einer einfachen Tabelle würden Sie jeden Zugriff einzeln sehen
  2. Mit einer aggregierten Tabelle → könnten Sie so etwas sehen:

IP
Anzahl der Zugriffe
192.168.1.1
150
80.23.45.10
98
10.0.0.5
76

Hier gruppieren Sie nach IP und wenden eine Anzahl an.

In einigen Fällen können Sie mehr als eine Dimension hinzufügen, um spezifischere Gruppierungen vorzunehmen (z.B. IP + Pfad), obwohl dies die Komplexität des Ergebnisses und die Ladezeit erhöht.

Aggregierte Tabellen arbeiten immer mit Aggregationsoperatoren. Wenn Sie weitere Informationen über Aggregationswerte benötigen, können Sie zum nächsten Abschnitt in diesem Leitfaden gehen.

Grenzen aggregierter Tabellen
  1. Anzahl sichtbarer Datensätze: die Tabelle zeigt aus Performance-Gründen maximal 10.000 Zeilen an (nicht alle Daten bei großen Volumina).
  2. Beliebig viele Werte zum Gruppieren nach Bedarf
  3. 1 einzelner zu aggregierender Wert
Wann sollte man eine aggregierte Tabelle verwenden?
  1. Sie möchten Informationen zusammenfassen anstatt Rohdaten anzuzeigen
  2. Sie müssen Daten zählen, vergleichen oder messen
  3. Sie suchen nach schneller Identifikation von Auffälligkeiten innerhalb eines Datensatzes
  4. Sie bereiten Informationen für Analysen oder Dashboards vor
Empfehlung
Verwenden Sie die aggregierte Tabelle, wenn Sie die Daten bereits verstanden haben (zum Beispiel nach der Verwendung einer einfachen Tabelle) und schnelle Schlussfolgerungen ziehen möchten. Sie ist ein Werkzeug, um komplexe Daten in Informationen umzuwandeln.

Pivot-Tabelle
Sie ist eine fortgeschrittenere Visualisierung als die aggregierte Tabelle. Sie ermöglicht es, Daten gleichzeitig über mehrere Dimensionen zu analysieren, Informationen zu verknüpfen und so ein viel vollständigeres Bild zu erhalten.

Sie ist besonders nützlich, wenn Sie Fragen beantworten möchten wie: wie hängen zwei oder mehr Variablen zusammen?, was passiert bei verschiedenen Datenkombinationen?, oder wie ist etwas auf verschiedenen Ebenen verteilt?

Wie funktioniert sie?
In einer Pivot-Tabelle werden Daten in drei Hauptelementen organisiert:
  1. Zeilen: erste Dimension, nach der Daten gruppiert werden (z.B. IP, Domain, Benutzer...)
  2. Spalten: zweite Dimension, die mit der vorherigen verknüpft wird (z.B. Statuscode, Ereignistyp, Land...)
  3. Zu aggregierender Wert: die auf die Datensätze angewendete Berechnung (Anzahl, Summe, Durchschnitt usw.)
Das Ergebnis ist eine Tabelle, in der jede Zelle eine Kombination aus Zeilen und Spalten darstellt.

Einfaches Beispiel
Wenn Sie Zugriffsaufzeichnungen auf Ihre Website haben:
  1. Zeilen: IP
  2. Spalten: Statuscode (200, 404, 500...)
  3. Zu aggregierender Wert: Anzahl
Das Ergebnis wäre etwa:

IP
200
404
500
192.168.1.1
120
20
10
80.23.45.10
90
5
3
10.0.0.5
70
4
2

Dies ermöglicht Ihnen nicht nur zu sehen, wie viele Zugriffe jede IP hat, sondern auch, welche Art von Antworten jede generiert.

Was können Sie mit einer Pivot-Tabelle tun?
  1. Daten aus verschiedenen Dimensionen verknüpfen
  2. Verhaltensweisen über Kategorien hinweg vergleichen
  3. Komplexe Muster erkennen (z.B. Fehler nach Land oder Angriffe nach Typ)
  4. Vollständigere Verteilungen analysieren

Grenzen von Pivot-Tabellen
  1. Anzahl sichtbarer Datensätze: die Tabelle zeigt aus Performance-Gründen maximal 10.000 Kombinationen an
  2. Begrenzte Dimensionen:
    1. 2 Dimensionen in Zeilen
    2. 2 Dimensionen in Spalten
  3. 1 einzelner zu aggregierender Wert
  4. Höherer Ressourcenverbrauch: kann länger zum Laden benötigen, wenn es viele mögliche Kombinationen gibt (hohe Kardinalität), und kann sogar die Ausführung der Abfrage verhindern
Wann sollte man eine Pivot-Tabelle verwenden?

Sie ist die beste Option, wenn:
  1. Sie Beziehungen zwischen zwei Variablen analysieren müssen
  2. Sie Daten über mehrere Achsen vergleichen möchten (z.B. Zeit vs. Ereignistyp)
  3. Sie über einfaches Zählen oder Gruppieren hinausgehen möchten
  4. Sie vollständigere Analysen für Dashboards erstellen

Empfehlung
Verwenden Sie die Pivot-Tabelle, wenn die aggregierte Tabelle nicht ausreicht. Sie ist ein sehr leistungsfähiges Werkzeug für fortgeschrittenere Analysen, aber es ist am besten, sie zu verwenden, wenn Sie bereits wissen, was Sie vergleichen möchten, da eine unsachgemäße Verwendung (zu viele Kombinationen) die Interpretation der Ergebnisse erschweren kann.

WICHTIG: HOHE KARDINALITÄT IN PIVOT-TABELLEN
In aggregierten Tabellen gibt es eine wichtige Grenze, die Sie beachten müssen: die maximale Kardinalität beträgt 2.500 Werte. Kardinalität bezieht sich auf die Anzahl der eindeutigen Werte, die durch Zeilen und Spalten generiert werden.

Wenn diese Grenze überschritten wird, wird die Abfrage nicht ausgeführt, da dies die Anwendungsleistung beeinträchtigen könnte.

Was bedeutet das in der Praxis?
Wenn Sie Daten gruppieren, muss ConnectiLogs eine Zeile für jeden eindeutigen Wert generieren. Zum Beispiel:
  1. Wenn Sie nach IP gruppieren: jede unterschiedliche IP generiert eine Zeile
  2. Wenn Sie nach Pfad gruppieren: jeder unterschiedliche Pfad generiert eine Zeile
  3. Wenn Sie nach IP + Pfad gruppieren: jede eindeutige Kombination von IP und Pfad generiert eine Zeile, d.h. Anzahl verschiedener IPs × Anzahl verschiedener Pfade.
Beispiel:
  1. IP-Feld → 100 eindeutige Werte
  2. Pfad-Feld → 50 eindeutige Werte
Wenn Sie nach IP + Pfad gruppieren, wäre das theoretische Maximum:
100 × 50 = 5.000 Kombinationen

In diesem Fall würden Sie das Limit von 2.500 überschreiten, sodass die Abfrage nicht ausgeführt würde.

Hinweis: das theoretische Maximum wird nicht immer erreicht (weil nicht alle Kombinationen existieren), aber es ist eine gute Referenz, um abzuschätzen, ob Sie Probleme haben könnten.

Was passiert, wenn Sie 2.500 überschreiten?
  1. Die Abfrage wird nicht ausgeführt
  2. ConnectiLogs zeigt eine Warnung an, dass es zu viele Kombinationen gibt
  3. Sie müssen die Abfrage anpassen, bevor Sie Ergebnisse erhalten können
Wie vermeide ich das Überschreiten dieses Limits?
Einige praktische Empfehlungen:
  1. Datumsbereich reduzieren → weniger Daten, weniger Kombinationen
  2. Filter anwenden: Werte eingrenzen (z.B. eine einzelne IP oder Domain)
  3. Kombination von Feldern mit hoher Kardinalität vermeiden: wie IDs, IPs oder stark variierende Pfade
  4. Mit einer einzelnen Dimension beginnen und nur bei Bedarf weitere hinzufügen
Säulendiagramm
Das Säulendiagramm ist eine Visualisierung, die entwickelt wurde, um Werte über verschiedene Kategorien hinweg schnell und visuell zu vergleichen. Es ist eines der intuitivsten Formate in ConnectiLogs, da es numerische Daten in Balken umwandelt, deren Länge die Größe des Werts repräsentiert.

Es ist besonders nützlich, wenn Sie Fragen beantworten möchten wie: welche Kategorie hat die meiste Aktivität?, welches Element sticht am meisten hervor?, oder wie schneiden verschiedene Gruppen im Vergleich ab?

Wie funktioniert es?
Ein Säulendiagramm wird aus zwei Hauptelementen erstellt:
  1. Gruppieren nach (X-Achse): die Kategorie, die Sie analysieren möchten (z.B. IP, Domain, Pfad, Benutzer...)
  2. Zu aggregierender Wert (Y-Achse): das Ergebnis der auf die Daten angewendeten Berechnung (z.B. Anzahl, Summe, Durchschnitt...)
Das Ergebnis könnte wie folgt dargestellt werden:
  1. /home → 1200 Zugriffe
  2. /login → 800 Zugriffe
  3. /contact → 300 Zugriffe
Im Diagramm hätte jeder Balken eine Höhe proportional zu diesen Werten, sodass Sie auf einen Blick erkennen können, welche Pfade mehr Verkehr erhalten.

Was können Sie mit einem Säulendiagramm tun?
  1. Kategorien visuell vergleichen
  2. Schnell die höchsten oder niedrigsten Werte identifizieren
  3. Anomalien oder ungewöhnliche Verhaltensweisen erkennen
  4. Große Datenmengen klar zusammenfassen

Grenzen von Säulendiagrammen
Um Performance und Lesbarkeit zu gewährleisten:
  1. Gruppieren nach: Erlaubt bis zu zwei verschiedene Felder. Wir empfehlen, nur eines zu verwenden und zwei nur in sehr spezifischen Fällen aus Performance-Gründen.
  2. Zu aggregierender Wert: Erlaubt nur ein Feld.
  3. Empfohlene Kardinalität: funktioniert am besten mit mittelgroßen oder gefilterten Datensätzen

Empfehlung
Verwenden Sie das Säulendiagramm, wenn Sie einen direkten visuellen Vergleich zwischen Kategorien benötigen. Es ist eine der effektivsten Möglichkeiten, aggregierte Daten in Sekundenschnelle in leicht verständliche Informationen umzuwandeln.

Pro-Tipp:
Zur Verbesserung der Benutzerfreundlichkeit gibt es einen horizontalen und vertikalen Wähler, mit dem Sie in das Diagramm hineinzoomen und die Daten besser erkunden können.

Sie können von diesem:


zu diesem gelangen:


Zeit- und Flächendiagramm
Das Zeitdiagramm und das Flächendiagramm sind im Wesentlichen derselbe Visualisierungstyp. Beide werden verwendet, um die Entwicklung von Daten über die Zeit darzustellen, sodass Sie Trends, Spitzen und Veränderungen in einer Metrik kontinuierlich analysieren können.

Der einzige wirkliche Unterschied zwischen ihnen ist die visuelle Darstellung.

Wie funktionieren sie?
Beide Diagramme basieren auf zwei Hauptelementen:
  1. Gruppieren nach: beinhaltet implizit das Datum und bei Bedarf ein weiteres Feld,
  2. Zu aggregierender Wert: eine berechnete Metrik (Anzahl, Summe, Durchschnitt usw.)
Aus diesen Daten werden Zeitpunkte konstruiert, die zeigen, wie sich eine Metrik entwickelt.

Unterschied zwischen Zeit- und Flächendiagramm

Obwohl sie konzeptionell gleich sind, liegt der Unterschied in der Visualisierung:
  1. Zeitdiagramm: Stellt die Daten mit einer Linie dar, die die Punkte verbindet. Es ist visuell leichter und konzentriert sich auf den Trend.
  2. Flächendiagramm: Gleiches wie das Zeitdiagramm, aber der Bereich unter der Linie wird gefüllt. Dies hilft, das Volumen oder die Gesamtgröße der Werte besser zu visualisieren.
In der Praxis:
  1. Zeitdiagramm → besser geeignet, um Trends präzise zu erkennen
  2. Flächendiagramm → besser geeignet, um Volumen und Gewicht der Daten wahrzunehmen
Einfaches Beispiel
Stellen Sie sich vor, Sie analysieren tägliche Zugriffe auf Ihre Website:
  1. Tag 1 → 100 Zugriffe
  2. Tag 2 → 150 Zugriffe
  3. Tag 3 → 90 Zugriffe
In beiden Fällen würden Sie dieselbe zeitliche Entwicklung sehen, aber:
  1. Im Zeitdiagramm würden Sie eine Linie sehen, die auf- und absteigt
  2. Im Flächendiagramm würden Sie dieselbe Linie mit dem darunter gefüllten Bereich sehen
Was können Sie mit diesen Diagrammen tun?
  1. Trends über die Zeit analysieren
  2. Spitzen oder Einbrüche in der Aktivität erkennen
  3. Die Entwicklung von Metriken vergleichen
  4. Zeitliche Muster identifizieren (täglich, wöchentlich usw.)

Grenzen dieser Diagramme
  1. Standardmäßig zeigen wir 10 verschiedene Linien, mit der Option, 10, 20, 50 oder bis zu 100 verschiedene Linien auszuwählen.
  2. Erlaubt nur das Hinzufügen eines einzigen Werts.
  3. Sie sind für Analysen konzipiert, nicht für die Detailansicht einzelner Datensätze.
  4. Ein einziger aggregierter Wert pro Serie.


Wann sollte man Zeit- oder Flächendiagramm verwenden?

Sie sind ideal, wenn:
  1. Sie sehen möchten, wie sich eine Metrik über die Zeit entwickelt
  2. Sie historisches Verhalten analysieren
  3. Sie Trends oder zeitliche Anomalien erkennen müssen
  4. Sie Dashboards mit periodischen Metriken erstellen

Empfehlung
Verwenden Sie das Zeitdiagramm, wenn Sie an der Präzision des Trends und einem klaren Vergleich zwischen Punkten interessiert sind. Verwenden Sie das Flächendiagramm, wenn Sie dem Volumen oder den Auswirkungen der Daten im Zeitverlauf mehr Bedeutung beimessen möchten.

Kreisdiagramm
Das Kreisdiagramm ist eine Visualisierung, die entwickelt wurde, um die proportionale Verteilung eines Datensatzes zu zeigen. Sein Ziel ist es, darzustellen, wie sich ein Gesamtwert auf verschiedene Kategorien verteilt, und zwar visuell und sehr schnell zu interpretieren.

Es ist besonders nützlich, wenn Sie Fragen beantworten möchten wie: welchen Anteil hat jede Kategorie am Gesamtwert?, wie ist ein Datensatz verteilt?, oder welches Element hat das größte relative Gewicht?

Wie funktioniert es?
Das Kreisdiagramm basiert auf zwei Hauptelementen:
  1. Gruppieren nach: die Kategorie, die Sie analysieren möchten (z.B. IP, Domain, Ereignistyp, Benutzer...)
  2. Zu aggregierender Wert: die Metrik, die die Größe jedes Tortenstücks definiert (z.B. Anzahl, Summe, Durchschnitt...)
Jede Kategorie wird als "Tortenstück" des Kreises dargestellt, und die Größe dieses Stücks ist proportional zu seinem Wert im Verhältnis zum Gesamtwert.

Einfaches Beispiel
Wenn Sie Zugriffe auf Ihre Website nach Pfad analysieren:
  1. /home → 500 Zugriffe
  2. /login → 300 Zugriffe
  3. /contact → 200 Zugriffe
Das Diagramm zeigt einen Kreis, der in Tortenstücke unterteilt ist, wobei:
  1. /home 50 % einnimmt
  2. /login 30 %
  3. /contact 20 %
Dies ermöglicht es Ihnen, die Verkehrsverteilung auf einen Blick zu verstehen.

Was können Sie mit einem Kreisdiagramm tun?
  1. Anteile innerhalb eines Gesamtwerts sehen
  2. Die dominierende Kategorie schnell identifizieren
  3. Die Datenverteilung ohne Tabellen verstehen
  4. Die Zusammensetzung einer Metrik einfach visualisieren

Grenzen von Kreisdiagrammen
  1. Gruppieren nach: erlaubt bis zu 1 Feld.
  2. Zu aggregierender Wert: erlaubt nur ein Feld.
  3. Standardmäßig gibt es KEINE Begrenzung der Tortenstücke, weshalb es extrem wichtig ist, ein Feld mit niedriger Kardinalität (wenige verschiedene Werte) für die Gruppierung zu wählen. Sie können Grenzen von 10, 20, 50 und 100 verschiedenen Tortenstücken wählen.
  4. Begrenzte Anzahl von Kategorien: es wird nicht empfohlen, Felder mit vielen verschiedenen Kategorien zu verwenden, da das Diagramm an Lesbarkeit verliert.
  5. Besser mit wenigen Elementen: idealerweise zwischen 2 und 8 Kategorien
  6. Hohe Kardinalität nicht empfohlen: Felder mit vielen eindeutigen Werten sind nicht geeignet
  7. Ein einziger aggregierter Wert: erlaubt nur eine primäre Metrik

Wann sollte man ein Kreisdiagramm verwenden?
Es ist die beste Option, wenn:
  1. Sie klare Anteile innerhalb eines Gesamtwerts zeigen möchten
  2. Sie wenige verschiedene Kategorien haben
  3. Sie eine einfache, direkte Visualisierung benötigen
  4. Sie grundlegende Verteilungen in Dashboards zeigen
Das Kreisdiagramm ermöglicht es Ihnen sofort zu sehen, welcher Ereignistyp vorherrscht.

Empfehlung
Verwenden Sie das Kreisdiagramm nur, wenn Sie wenige Kategorien haben und Anteile hervorheben möchten. Wenn die Anzahl der Werte zu groß wird, ist es vorzuziehen, ein Säulendiagramm zu verwenden, um die Klarheit der Analyse zu wahren.

Pro-TIPP:
Die Option "In Andere gruppieren" ist eine Funktion, die entwickelt wurde, um die Lesbarkeit von Diagrammen zu verbessern, wenn es viele Kategorien mit geringem individuellem Gewicht gibt.

Anstatt alle Kategorien separat anzuzeigen, gruppiert ConnectiLogs die am wenigsten relevanten in eine einzige Kategorie namens "Andere".

Wie funktioniert es?
Wenn Sie diese Option anwenden, sortiert das System:
  1. Kategorien nach ihrem Wert (z.B. Anzahl der Ereignisse oder Gesamtsumme)
  2. Behält die Hauptkategorien sichtbar (diejenigen mit dem größten Gewicht)
  3. Gruppiert den Rest der kleineren Kategorien in einem einzigen Block namens "Andere"
Der Wert von "Andere" ist die Gesamtsumme aller gruppierten Kategorien.

Einfaches Beispiel
Stellen Sie sich diese Verkehrsverteilung vor:
  1. /home → 5000
  2. /login → 3000
  3. /contact → 1500
  4. /blog/post1 → 200
  5. /blog/post2 → 150
  6. /blog/post3 → 100
Wenn Sie "In Andere gruppieren" aktivieren (wobei Sie beispielsweise nur die ersten 3 Kategorien sichtbar lassen), wäre das Ergebnis:
  1. /home → 5000
  2. /login → 3000
  3. /contact → 1500
  4. Andere → 450
3.2. Daten aggregieren und analysieren
Sobald Sie die Art des Diagramms oder der Tabelle ausgewählt haben, die Sie verwenden möchten, lädt die Anwendung automatisch die verfügbaren Dimensionen. Von dort aus können Sie die gewünschten Felder in jeder Dimension hinzufügen. Das Tool zeigt Ihnen jederzeit die zulässigen Grenzen an, sodass Sie wissen, wie viele Felder Sie hinzufügen können und wo.

Alle Visualisierungen außer der einfachen Tabelle ermöglichen die Arbeit mit Aggregationen. Eine Aggregation dient dazu, Informationen aus einer Dimension zusammenzufassen und leichter analysierbare Daten zu erhalten. Mit anderen Worten: Es ist eine Möglichkeit, Datensätze zu gruppieren und eine Berechnung auf sie anzuwenden.

Eine Aggregation kann beispielsweise verwendet werden, um zu zählen, wie oft ein bestimmter Datensatz vorkommt, unter Berücksichtigung der Kombinationen der anderen ausgewählten Dimensionen.

Zur Durchführung dieser Aggregationen werden Operatoren verwendet, die die Daten zusammenfassen. Die verfügbaren Operatoren sind:
  1. Anzahl: zählt die Gesamtzahl der Datensätze.
  2. Summe: addiert die numerischen Werte der ausgewählten Dimension.
  3. Durchschnitt: berechnet den Durchschnittswert der Dimension.
  4. Min: zeigt den minimal aufgezeichneten Wert an.
  5. Max: zeigt den maximal aufgezeichneten Wert an.
  6. Anzahl unterschiedlich: zählt die Anzahl der eindeutigen Werte innerhalb der ausgewählten Dimension.
Wenn Sie beispielsweise Zugriffe pro Route auf Ihrer Website analysieren möchten, können Sie Anzahl verwenden, um zu erfahren, wie viele Zugriffe jede Domain hatte. Wenn Sie stattdessen ein numerisches Feld wie die Dateigröße analysieren, um das ausgehende Datenvolumen zu bestimmen, können Sie Summe verwenden, um das Gesamtvolumen pro Ressource zu ermitteln.

Im folgenden praktischen Beispiel wird die Anzahl der Besuche für jede gefundene unterschiedliche IP angezeigt:


3.3. Ergebnisse filtern (optional)
Darüber hinaus können Sie Filter anwenden, um die Daten einzugrenzen und nur die Informationen zu visualisieren, die Sie wirklich interessieren. Filter ermöglichen es Ihnen, Datensätze basierend auf bestimmten Bedingungen ein- oder auszuschließen, was die Analyse erleichtert und die Ergebnisse präziser macht.

Sie können beispielsweise filtern, um nur Ereignisse von einer bestimmten Domain zu sehen, Ergebnisse auf einen bestimmten Datumsbereich zu beschränken oder bestimmte Arten von Datensätzen auszuschließen, die Sie nicht analysieren möchten.

Um diese Filter zu definieren, bietet ConnectiLogs verschiedene Operatoren an, mit denen Sie festlegen können, wie jede Bedingung erfüllt werden soll:
  1. = (Gleich): zeigt nur Datensätze an, deren Wert genau mit dem angegebenen übereinstimmt.
  2. != (Ungleich): schließt Datensätze aus, die mit dem angegebenen Wert übereinstimmen.
  3. like (Enthält): zeigt Datensätze an, die den angegebenen Wert enthalten, auch wenn er Teil eines längeren Textes ist.
  4. not like (Enthält nicht): schließt Datensätze aus, die den angegebenen Wert enthalten.
  5. in (In einer Menge enthalten): zeigt Datensätze an, deren Wert innerhalb einer definierten Liste von Werten liegt.
  6. not in (Nicht in einer Menge enthalten): schließt Datensätze aus, deren Wert innerhalb einer definierten Liste von Werten liegt.
  7. > (Größer als): zeigt Datensätze an, deren Wert größer als der angegebene ist.
  8. >= (Größer oder gleich): zeigt Datensätze an, deren Wert größer oder gleich dem angegebenen ist.
  9. < (Kleiner als): zeigt Datensätze an, deren Wert kleiner als der angegebene ist.
  10. <= (Kleiner oder gleich): zeigt Datensätze an, deren Wert kleiner oder gleich dem angegebenen ist.
Es ist nicht erforderlich, in diesem Abschnitt detailliert auf die Funktionsweise der einzelnen Operatoren einzugehen. ConnectiLogs verfügt über eine spezielle Anleitung zu Filtern (ConnectiLogs Panel | Filterkonfiguration), die ausführlich erklärt, wie sie verwendet werden, mit praktischen Beispielen und Anwendungsempfehlungen.


3.4. Abfrage ausführen
Sobald Sie den Visualisierungstyp definiert, die entsprechenden Felder zu den Dimensionen hinzugefügt und optional die benötigten Filter angewendet haben, können Sie nun die Abfrage ausführen.

Klicken Sie dazu auf die Schaltfläche "Abfrage ausführen".

ConnectiLogs verarbeitet die Informationen unter Berücksichtigung aller ausgewählten Optionen und zeigt die Ergebnisse auf dem Bildschirm im gewählten Visualisierungsformat an. Von diesem Zeitpunkt an können Sie die erhaltenen Daten analysieren und bei Bedarf Dimensionen, Filter oder den Diagrammtyp anpassen, um die Ergebnisse zu verfeinern.

Von hier aus hat der Kunde mehrere zusätzliche Optionen:
  1. Daten exportieren in eine Datei, um außerhalb von ConnectiLogs damit zu arbeiten. Beachten Sie, dass die Daten in einigen Fällen während der Beta-Phase und bis zur Implementierung der vollständigen Datensatz-Exportfunktion begrenzt sein können.
  2. Abfrage zu einem Dashboard hinzufügen, um sie immer sichtbar zu haben und automatisch zu aktualisieren (ConnectiLogs Panel | Dashboards).


Tipps:
  1. Wählen Sie zuerst die Visualisierung: dies definiert, wie Sie Dimensionen organisieren können und welche Art von Operatoren Sie verwenden können.
  2. Verwenden Sie die Aggregation korrekt: Anzahl und Anzahl unterschiedlich sind nützlich zum Zählen von Datensätzen, während Summe, Durchschnitt, Min und Max zur Analyse numerischer Daten verwendet werden.
  3. Optionale Filter: auch wenn Sie keine Filter anwenden, können Sie die Ergebnisse jederzeit erkunden und später anpassen.
  4. Häufige Abfragen speichern: wenn Sie ähnliche Analysen wiederholen, sparen Sie Zeit, indem Sie die Abfrage speichern, um sie später erneut auf einem Dashboard auszuführen oder zu exportieren, um sie auf Ihrem Gerät zu haben.


Für weitere Informationen können Sie uns kontaktieren.

    • Related Articles

    • ConnectiLogs Panel | Protokollverwaltung

      Was ist ConnectiLogs? ConnectiLogs ist die Plattform für Visualisierung, Analyse und Exploration von Aktivitäts- und Sicherheitsdaten von cdmon-Produkten. Ihr Ziel ist es, alle von den verschiedenen Diensten generierten Informationen zu ...

    • ConnectiLogs Panel | Filterkonfiguration

      Filter ermöglichen es Ihnen, die von einer Abfrage zurückgegebenen Daten zu reduzieren und zu kontrollieren, indem nur die Datensätze angezeigt werden, die bestimmte Bedingungen erfüllen. Sie sind eines der wichtigsten Werkzeuge im Query Builder, da ...

    • ConnectiLogs | Protokollverwaltung (Logs) für cdmon-Hostings

      Das Tool ConnectiLogs wurde entwickelt, um einen klaren und einfachen Zugang zu den Protokollen der Hostings zu bieten, die Sie in Ihrem Control Panel erstellt haben. Über diesen Bereich können Sie Serverprotokolle über ein intuitives Panel einsehen ...

    • ConnectiLogs Panel | Schadsoftware

      Was ist diese Sammlung? Die Sammlung Malware erfasst alle Erkennungen von bösartigem Code, die vom Sicherheitssystem während der Analyse Ihres Webhostings identifiziert wurden. Jede Zeile stellt eine spezifische Erkennung dar, die an einer Datei ...

    • ConnectiLogs Panel | Webaktivität

      Was ist diese Sammlung? Die Sammlung Web Activity enthält den Verlauf der Zugriffe, die Ihre Website erhalten hat. Jede Zeile repräsentiert eine spezifische Anfrage an den Server: zum Beispiel, wenn jemand eine Seite öffnet, ein Browser ein Bild ...