Elasticsearch (Live Virtual Class)

Une bonne connaissance des systèmes d'information est nécessaire

Elasticsearch est un moteur RESTful distribué de recherche et d’analytique basé sur Apache Lucene. Il vous permet d’indexer des données en temps réel venant de diverses sources pour pouvoir trouver des informations à jour à tout moment. La haute disponibilité est au cœur de l’architecture d’Elasticsearch et vous permet donc de monter en puissance en s’exécutant sur plusieurs machines à la fois pour vous assurer que vos données seront toujours disponibles.

Cette formation vous donne des bases solides en recherche d’information, en partant des concepts fondamentaux, des fonctionnalités clés et de méthodes développement d’applications de recherche distribuée avec Elasticsearch.

• Démarrer un projet de recherche d’informations avec Elasticsearch
• Savoir paramétrer les index et les clusters
• Concevoir des requêtes avec DSL

Introduction

• Terminologie et concepts de base
• Qu’est-ce qu’Elasticsearch?
• Que contient la distribution?
• Comprendre les clusters, les shards et les replicas
• Configuration, APIs et local gateways

Multi-Tenancy

• Valeur des indices multiples, alias d’index et opération cross-index
• Introduction au flux de données

Index Elasticsearch

• Analyse avanceés des mappings, de l’indexation et des opérations
• Logs de transactions et indexation Lucene
• Options de configuration, de mappings et d’APIs

Logstash et Kibana

• sont abordés à travers des cas concrets, des exemples, mais aussi à travers un partage d'expériences passées avec le formateur

Recherche

• Le langage de requêtes DSL
• Composants de recherche: aggrégation, types de recherche, surlignage et autres options bitSets, filtres et Lucene

Recherche et mappings

• Agrégation et documents imbriqués
• Objets imbriqués et relations parent-enfant
• Importance de la géolocalisation, du mapping, de la percolation et la pertinence des résultats de recherche

Modèle distribué avancé

• Récupération de l’état du cluster, réplication bas niveau, récupération bas-niveau et allocation de shards
• Comment envisager l’architecture des données
• Modèles d’index et fonctionnalités

Design Patterns pour le Big Data

Préparation de la mise en production

• Planifier la capacité et le flux de données
• Ajustements de la performance, du flux de données et de l’allocation de mémoire

Mise en production

• Installation, configuration, descriptions de fichiers mémoire et matériel
• Surveillance, alertes, pools de threads, information et APIs de statistiques

Une attestation de participation sera transmise aux participants