Formation Elasticsearch

Leçon 1 • Interagir avec le cluster

Présente l'API REST et les Kibana Dev Tools comme principales interfaces pour l'interaction avec le cluster. Les apprenants exécutent leurs premières opérations d'index et de document.

Leçon 2 • Concepts et terminologie clés

Définit les index, les documents, les shards et les réplicas comme les éléments de base d'Elasticsearch. Fournit le vocabulaire utilisé tout au long de la formation.

Leçon 3 • Installation et configuration d'Elasticsearch

Guide les apprenants à travers l'installation sur les systèmes d'exploitation courants et la configuration de base. Produit une instance locale fonctionnelle prête pour les exercices pratiques.

Leçon 1 • Suppression de documents et d'index

Couvre la suppression d'un seul document, la suppression par requête et la suppression d'index. Complète le cycle de vie du document et introduit des considérations de gestion des données.

Leçon 2 • Mise à jour de documents

Explique les mises à jour partielles, les mises à jour par script et les opérations upsert. S'appuie sur les connaissances en indexation pour gérer l'évolution des besoins en données.

Leçon 3 • Création et indexation de documents

Couvre les méthodes PUT et POST pour l'indexation de documents uniques et en masse. Relie l'ingestion de documents aux structures d'index introduites au Chapitre 1.

Leçon 4 • Gestion des versions et contrôle de la concurrence

Introduit le contrôle de concurrence optimiste à l'aide de numéros de séquence et de termes principaux. Empêche la corruption des données dans les scénarios d'écriture simultanée.

Leçon 1 • Types de données de champ principaux

Couvre les types de champs texte, mot-clé, numérique, date, booléen et binaire. La sélection correcte du type a un impact direct sur la pertinence de la recherche et la précision des agrégations.

Leçon 2 • Compréhension des mappings dynamiques vs. explicites

Compare l'inférence de mapping dynamique avec les définitions de champ explicites. Met en évidence les compromis qui affectent le comportement des requêtes et les performances des index.

Leçon 3 • Analyseurs et analyse de texte

Explique le pipeline d'analyse : filtres de caractères, tokenizers et filtres de jetons. Façonne directement la manière dont les champs de texte sont indexés et recherchés.

Leçon 4 • Types de données complexes et imbriqués

Introduit les types objet, imbriqué et aplati pour les données hiérarchiques. Prépare les apprenants à modéliser des documents avec des tableaux et des objets intégrés.

Leçon 1 • Requêtes composées et logique booléenne

Combine des requêtes en utilisant les types de requêtes bool, dis_max et boosting. Permet une logique de recherche complexe en composant des requêtes plus simples à partir des sections précédentes.

Leçon 2 • Tri et pertinence des résultats

Explique le scoring TF-IDF et BM25, le tri par valeur de champ et l'explication du score. Les apprenants apprennent à interpréter et à influencer le classement des résultats.

Leçon 3 • Requêtes plein texte

Couvre les requêtes match, match_phrase, multi_match et query_string pour le texte analysé. Ce sont les principaux outils pour les fonctionnalités de recherche orientées utilisateur.

Leçon 4 • Principes de base de l'API Search

Introduit la structure de la requête de l'API Search, la recherche par URI et la recherche par corps de requête. Établit la base pour tout le travail DSL de requête qui suit.

Leçon 1 • Aperçu du framework d'agrégation

Introduit la structure de la requête d'agrégation et les trois familles d'agrégations. Fournit la carte conceptuelle nécessaire avant d'écrire des agrégations spécifiques.

Leçon 2 • Agrégations de pipeline

Introduit les agrégations de pipeline derivative, moving_avg, cumulative_sum et bucket_sort. Permet l'analyse de séries temporelles et les calculs inter-buckets.

Leçon 3 • Agrégations imbriquées et sous-agrégations

Démontre l'imbrication d'agrégations de métriques dans des agrégations de buckets pour une analyse en couches. S'appuie sur les connaissances en buckets pour produire des analyses multidimensionnelles.

Leçon 4 • Agrégations de métriques

Couvre les agrégations sum, avg, min, max, stats et cardinality pour l'analyse numérique. Produit des sorties statistiques à valeur unique et à valeurs multiples.

Leçon 1 • Allocation et dimensionnement des shards

Couvre les décisions sur le nombre de shards, la configuration des réplicas et la sensibilisation à l'allocation. A un impact direct sur l'équilibre du cluster, les performances des requêtes et la tolérance aux pannes.

Leçon 2 • Snapshot et restauration

Configure des dépôts de snapshots et planifie des sauvegardes automatisées. Fournit la capacité de reprise après sinistre requise dans les environnements de production.

Leçon 3 • Santé et surveillance du cluster

Utilise les API cluster health, cat et nodes pour surveiller l'état du cluster. Permet l'identification proactive des problèmes avant qu'ils n'affectent la disponibilité.

Leçon 4 • Gestion du cycle de vie des index

Automatise les transitions d'index à travers les phases hot, warm, cold et delete en utilisant les politiques ILM. Réduit la charge opérationnelle pour les données de séries temporelles et de journaux.

Leçon 1 • Optimisation des performances de recherche

Aborde la mise en cache des requêtes, la mise en cache des requêtes de shard et l'utilisation du contexte de filtre pour des recherches plus rapides. Applique les connaissances du DSL de requête du Chapitre 4 aux scénarios de performance.

Leçon 2 • Profilage et diagnostic des requêtes lentes

Utilise l'API Profile, les slow logs et les hot threads pour localiser les goulots d'étranglement des performances. Donne aux apprenants un flux de travail de diagnostic systématique pour les problèmes de production.

Leçon 3 • Optimisation des mappings et du stockage

Réduit la taille de l'index grâce aux choix de mapping de champ, aux doc_values et aux options d'index. Relie la conception du mapping du Chapitre 3 à l'efficacité du stockage et de la mémoire.

Leçon 4 • Réglage de la JVM et de la mémoire

Configure la taille du tas, le ramasse-miettes et la mémoire hors tas pour un fonctionnement stable. Aborde la couche JVM qui sous-tend toutes les performances d'Elasticsearch.

Leçon 1 • Liste de vérification pour le déploiement en production

Examine les paramètres du système d'exploitation, la configuration réseau et le durcissement du cluster pour la production. Consolide tous les chapitres précédents en une configuration déployable de niveau entreprise.

Leçon 2 • Activation de la sécurité Elasticsearch

Active les fonctionnalités de sécurité intégrées, y compris TLS et l'authentification de base. Établit la base de sécurité requise avant tout déploiement en production.

Leçon 3 • Utilisateurs, rôles et privilèges

Crée des utilisateurs et des rôles avec des privilèges au niveau de l'index, du cluster et du champ. Met en œuvre un contrôle d'accès basé sur le principe du moindre privilège pour les environnements multi-locataires.

Leçon 4 • Journalisation d'audit et conformité

Active la journalisation d'audit pour enregistrer les événements d'authentification et l'accès aux données. Prend en charge la conformité avec les exigences d'audit de la gouvernance des données et du contrôle d'accès.