Formation Formation Elasticsearch: administration et infrastructure Big Data

Programme de la formation
Formation Elasticsearch: administration et infrastructure Big Data

• Introduction à Elasticsearch et concepts fondamentaux

  - Présentation d'Elastic Stack (ELK)
  - Rôle d'Elasticsearch dans le Big Data
  - Concepts clés : nœuds, clusters, index, documents, types (historique)
  - Modèle de données distribué et recherche plein texte

• Administration des clusters Elasticsearch

  - Architecture d'un cluster Elasticsearch
  - Gestion des nœuds (master, data, ingest)
  - Stratégies de mise à l'échelle (scaling horizontal)
  - Surveillance de l'état du cluster (API _cluster/health)

• Indexation de données dans Elasticsearch

  - Insertion de documents (API REST, bulk API)
  - Mappage manuel et dynamique des champs
  - Types de données et leurs usages
  - Mise à jour et suppression de documents

• Recherche avancée et agrégations

  - Requêtes de recherche de base (match, term, range)
  - Filtrage (bool query) et requêtes complexes
  - Agrégations : métriques (sum, avg), buckets (terms, histogram)
  - Utilisation des DSL (Domain Specific Language)

• Gestion des index et des shardings

  - Création, suppression et fermeture d'index
  - Concepts de shards et réplicas
  - Stratégies de répartition des shards
  - Surveillance de la réplication et de la distribution

• Optimisation des performances Elasticsearch

  - Tunings JVM et système d'exploitation
  - Gestion de la mémoire et des caches
  - Optimisation des requêtes et des indexations
  - Utilisation de l'API _cat

• Sécurité et contrôle d'accès avec X-Pack

  - Introduction à la sécurité X-Pack
  - Authentification (utilisateurs, rôles)
  - Autorisation (permissions, espaces d'index)
  - Chiffrement des communications (HTTPS/TLS)

• Surveillance et alertes avec Kibana

  - Installation et configuration de Kibana
  - Visualisation des données (dashboards, Discover)
  - Surveillance du cluster et des métriques
  - Configuration d'alertes et de notifications

• Intégration Big Data avec Logstash et Beats

  - Logstash : ingestion, transformation, pipeline
  - Beats : Filebeat, Metricbeat, Packetbeat
  - Architectures d'ingestion de données
  - Connectivité avec d'autres sources de données

• Sauvegarde et restauration des données
• Opérations avancées et maintenance

  - Mise à jour de version d'Elasticsearch
  - Gestion du cycle de vie des index (ILM)
  - Troubleshooting des problèmes courants
  - Cas pratiques et scénarios d'administration
  === COMPETENCE ===
  COMPETENCE_NUMBER: 1
  COMPETENCE_NAME: Administrer un cluster Elasticsearch
  COMPETENCE_CONTENT: Installer, configurer et maintenir un cluster Elasticsearch, gérer les nœuds et assurer son bon fonctionnement au sein d'une infrastructure Big Data.
  === COMPETENCE ===
  COMPETENCE_NUMBER: 2
  COMPETENCE_NAME: Gérer l'indexation et la recherche de données
  COMPETENCE_CONTENT: Maîtriser l'indexation de documents, optimiser les mappages et construire des requêtes de recherche complexes et des agrégations pour extraire des informations pertinentes.
  === COMPETENCE ===
  COMPETENCE_NUMBER: 3
  COMPETENCE_NAME: Optimiser la performance et la sécurité
  COMPETENCE_CONTENT: Identifier les goulots d'étranglement, paramétrer Elasticsearch pour des performances optimales et implémenter les mécanismes de sécurité pour protéger les données.
  === COMPETENCE ===
  COMPETENCE_NUMBER: 4
  COMPETENCE_NAME: Intégrer Elasticsearch dans un écosystème Big Data
  COMPETENCE_CONTENT: Mettre en place des pipelines d'ingestion avec Logstash et Beats, et surveiller l'infrastructure avec Kibana pour une gestion complète du cycle de vie des données.
  ---