Zapytaj o termin
Zapytaj o tryb szkolenia
Lokalizacja | Termin | Cena | Wybierz | |
---|---|---|---|---|
{{place.city}}
{{ event_pack_item.event_details.education_center.name }}
???
|
{{place.date}}
({{ event_pack_item.product_details.product_informations.code }} / {{ event_pack_item.product_details.product_informations.name }})
{{ altkomDateFormatMoment(event_pack_item.event_details.startdate, event_pack_item.event_details.enddate) }}
???
|
|
||
Skontaktuj się z nami | ||||
Dostępne terminy: | ||||
Lokalizacja i termin do uzgodnienia |
|
-
Liczba miejsc (dostępnych: {{ basketAddItem.free_seats}})
{{ basketAddItem.city }}
{{ basketAddItem.date }}
Liczba miejsc xxxxxxxxxx
Żeby dowiedzieć się, czy dane szkolenie będzie realizowane stacjonarnie skontaktuj się ze swoim Opiekunem lub zadaj pytanie przez Formularz kontaktowy
Szkolenie skierowane do administratorów, programistów, testerów oraz wszystkich osób związanych z Elasticsearch chcących nauczyć się lub podnieść kompetencje. Szkolenie wymaga od uczestników znajomości produktu Elasticsearch w stopniu przynajmniej podstawowym.
Jest to kolejne szkolenie z cyklu szkoleń o Elasticsearch, będące następnym etapem w budowaniu kompetencji z zakresu zarządzania, konfigurowania oraz używania produktu Elasticsearch. Szkolenie porusza już bardziej zaawansowane aspekty produktu pozwalające na swobodne wdrażanie Elasticsearch jako elementu infrastruktury BigData w środowiskach produkcyjnych. Po zakończeniu szkolenia uczestnicy są w stanie samodzielnie konfigurować i optymalizować produkcyjne klastry Elasticsearch przetwarzające setki albo i tysiące TB danych.
- Znajomość zagadnień wchodzących w skład szkolenia Elasticsearch Essentials
- Podstawowa wiedza o serwisach RESTful
- Podstawy bash, w tym użycia curl (ewentualnie innego oprogramowania do wysyłania requestów HTTP jak Postman, Fiddler itp.)
- Java w stopniu podstawowym
Kod szkolenia: PL AA 3d
Szkolenie: polski
- Wprowadzenie do Elasticsearch
- Uruchomienie lokalnego klastra Elasticsearch,
- Zasilanie klastra przykładowymi danymi,
- Przegląd najczęściej używanych elementów query DSL,
- Elasticsearch - agregacje (facets)
- Przegląd najczęściej używanych typów agregacji
- Ryzyko używania agregat,
- Optymalizacje agregat,
- Mapping zaawansowany
- Przegląd możliwości mappingu - optymalizacja mappingu oraz jakie są korzyści z dobrze zdefiniowanego mappingu,
- Jak przechowywać dane - analiza przypadku z wykorzystaniem nested objects, multi fields; wpływ na performance i wskazanie potencjalnych problemów.
- Wpływ mappingu na wielkość danych,
- Odpowiedniego wykorzystywania wewnętrznych struktur danych Elasticsearch celem budowania efektywnych zapytań (cache, inverted index, norms, source, store, doc_values, fielddata, stronicowanie, scan, scroll, scoring calculation itp.)
- Elasticsearch cluster
- Konfiguracja nodów w klastrze (ingest/data/master/ml) - dobór ilości masterów w klastrze, ilości nodów w klastrze, ilości indeksów oraz właściwy dobór ilości oraz wielkości shardów dla indeksu,
- Parametry konfiguracyjne,
- Mechanizm Zen Discovery
- Skalowanie klastra Elasticsearch,
- Cykle życia oraz stany indeksów,
- Fault tolerance – odporność na awarie
- Optymalizacja klastra – parametry konfiguracyjne, custom allocation, tags, rack_id, zone itp.
- Split-brain effect, load balancing, transport client,
- Study Case – ile klastrów i jak zasilać je danymi
- Zaawansowane konfiguracja klastra Elasticsearch – przegląd i wyjaśnienie parametrów konfiguracyjnych
- Cross-cluster search
- Backupy
- Jak wykonywać backup i restore klastra Elasticsearch,
- Elasticsearch w praktyce
- Integracja ElasticSearch z istniejącymi systemami
- Massive ingestion,
- Rozwiązywania typowych problemów dnia codziennego w pracy z Elasticsearch
- Zarządzania klastrem poprzez RESTful API (routing, allocation)
- Elasticsearch - analizatory danych,
- Wyjaśnienie znaczenia index_analyzer oraz search_analyzer,
- Tokenizer, Analyser, Filter, Char filter – jak budować i testować zaawansowane analizatory i tokenizery dokumentów
- Budowanie dedykowanych analizatorów tekstu,
- Przegląd dostępnych tokenizerów i filtrów
- Budowanie zaawansowanych analizatorów tekstu z użyciem skryptów
- Uruchomienie lokalnego klastra Elasticsearch,
- Zasilanie klastra przykładowymi danymi,
- Przegląd najczęściej używanych elementów query DSL,
- Przegląd najczęściej używanych typów agregacji
- Ryzyko używania agregat,
- Optymalizacje agregat,
- Przegląd możliwości mappingu - optymalizacja mappingu oraz jakie są korzyści z dobrze zdefiniowanego mappingu,
- Jak przechowywać dane - analiza przypadku z wykorzystaniem nested objects, multi fields; wpływ na performance i wskazanie potencjalnych problemów.
- Wpływ mappingu na wielkość danych,
- Odpowiedniego wykorzystywania wewnętrznych struktur danych Elasticsearch celem budowania efektywnych zapytań (cache, inverted index, norms, source, store, doc_values, fielddata, stronicowanie, scan, scroll, scoring calculation itp.)
- Konfiguracja nodów w klastrze (ingest/data/master/ml) - dobór ilości masterów w klastrze, ilości nodów w klastrze, ilości indeksów oraz właściwy dobór ilości oraz wielkości shardów dla indeksu,
- Parametry konfiguracyjne,
- Mechanizm Zen Discovery
- Skalowanie klastra Elasticsearch,
- Cykle życia oraz stany indeksów,
- Fault tolerance – odporność na awarie
- Optymalizacja klastra – parametry konfiguracyjne, custom allocation, tags, rack_id, zone itp.
- Split-brain effect, load balancing, transport client,
- Study Case – ile klastrów i jak zasilać je danymi
- Zaawansowane konfiguracja klastra Elasticsearch – przegląd i wyjaśnienie parametrów konfiguracyjnych
- Cross-cluster search
- Jak wykonywać backup i restore klastra Elasticsearch,
- Integracja ElasticSearch z istniejącymi systemami
- Massive ingestion,
- Rozwiązywania typowych problemów dnia codziennego w pracy z Elasticsearch
- Zarządzania klastrem poprzez RESTful API (routing, allocation)
- Wyjaśnienie znaczenia index_analyzer oraz search_analyzer,
- Tokenizer, Analyser, Filter, Char filter – jak budować i testować zaawansowane analizatory i tokenizery dokumentów
- Budowanie dedykowanych analizatorów tekstu,
- Przegląd dostępnych tokenizerów i filtrów
- Budowanie zaawansowanych analizatorów tekstu z użyciem skryptów
IntermediateAdvanced
Powtórzenia szkolenia