About
Ratio théorie / pratique : 60% théorie / 40% pratique
Elastic Stack est principalement construit autour d'Elasticsearch, Kibana et Logstash même si désormais, les outils Beats viennent les compléter avantageusement.
Elasticsearch est la brique fondamentale de la stack en tant qu'indexeur des données, base de stockage et finalement comme moteur de recherche.
Tous les projets doivent transférer et transformer les données avant de les envoyer vers Elasticsearch de manière à les rendre utilisables et centralisées.
Alors que les outils Beats ou Logstash peuvent transférer les données, la transformation peut être effectuée par les noeuds d'ingestion du cluster Elasticsearch ou bien par les plugins de filtre de
Logstash.
Il est souhaitable également d'avoir un outil facilitateur nous permettant de requêter/analyser ou représenter nos données avec une interface graphique fluide et confortable.
C'est ici que Kibana donne de sa puissance pour créer les requêtes, construire des visualisations ou des tableaux de bords thématiques simplement depuis votre navigateur web préféré.
Your Learning Objectives
- Amener et transformer des données brutes via différentes briques technologiques (brokers, sockets...) avant de les envoyer au moteur de recherche Elasticsearch
- Produire des tableaux de bords efficaces et interactifs avec de nombreux diagrammes, cartes géographiques ou compositions de séries temporelles
Prerequisites
- Savoir ce que sont des appels d'APIs HTTP Rest + json,
- Avoir une idée de ce qu'apportent les brokers de messages à l'architecture
- Avoir connaissance de quelques commandes Linux pour la mise en place des TPS
- Avoir une idée de ce que permettent docker et dockercompose qui instancient l'infrastructure Elasticsearch pour les travaux pratiques du cours
- Connaissances minimale des expressions régulières
Target Audience
- Architectes
- Développeurs
- Ops
- Utilisateurs orientés métier
