Elasticsearch - architektura i zagadnienia zaawansowane

Kod: BigDataML-elastic
Kategoria: BigData, streaming i Machine Learning
Forma: 30% wykłady / 70 % warsztaty
Czas trwania: 3 dni
Grupa docelowa: developerzy
architekci
Logistyka: W siedzibie klienta lub w innym dowolnym miejscu.
Data i dokładny zakres do ustalenia podczas analizy przed-szkoleniowej.

Szkolenie ma na celu poszerzenie wiedzy na temat technologii wyszukiwania pełnotekstowego z wykorzystaniem Elasticsearch oraz dobór właściwej architektury danych ze szczególnym uwzględnieniem modelowania danych dostosowanych do potrzeb.

Dodatkowym atutem szkolenia jest część administracyjna związana z konfiguracją, utrzymaniem, monitoringiem i skalowaniem Elasticsearch. Będzie ona niezwykle cenna dla osób zajmujących się administracją systemów oraz DevOps-ów.

W trakcie szkolenia omawiane są również typowe problemy, z którymi na co dzień spotykają się użytkownicy. Owe problemy to zbiór przepisów zbieranych od 2011 roku, czyli praktycznie od początku istnienia produktu Elasticsearch. Odniesienie do źródeł problemów, a nie tylko sposobów ich “łatania” pozwoli na zdobycie solidnych fundamentów do analizy tych które nie zostaną omówione w trakcie szkolenia.

Wyróżniki szkolenia

  • Sprawdzone receptury
  • Tuning wydajności
  • Integracja z innymi systemami

Program Szkolenia

Program jest ramą w jakiej możemy się poruszać merytorycznie - program dla konkretnego szkolenia dedykowanego ustalamy z grupą na podstawie analizy przed-szkoleniowej.

  1. Modelowanie danych w bazach dokumentowych
    1. Wprowadzenie do skalowalnych baz danych NoSQL
    2. Wyzwania wynikające ze stosowania baz rozproszonych
      1. Eventual consistency i teoria CAP
      2. Zarządzanie infrastrukturą wielowęzłową
      3. Problemy sieciowe
      4. Rozdwojenie jaźni (split-brain)
    3. Sposoby modelowania w dokumentowych bazach danych
      1. Płaskie agregaty
      2. Zagnieżdżone dokumenty
      3. Miękkie relacje pomiędzy encjami
  2. Wprowadzenie do wyszukiwania pełnotekstowego (full-text search)
    1. Algorytmy stosowane w wyszukiwaniu pełnotekstowym
    2. Możliwości rozwiązań umożliwiających FTS
      1. Wyszukiwanie za pomocą jednego pola
      2. Uwzględnianie literówek (fuziness)
      3. Pomijanie nieznaczących znaków
      4. Zakreślanie pasujących fragmentów tekstu (highlighting)
  3. Dlaczego Elasticsearch?
    1. Omówienie alternatywnych rozwiązań i porównanie możliwości
    2. Ekosystem Elastic Stack
  4. Korzystanie z Elasticsearch
    1. Instalacja i konfiguracja Elasticsearch
    2. Metody modyfikacja dokumentów
      1. Indeksowanie
      2. Aktualizacja
      3. Usuwanie
      4. Reindeksacja danych
    3. Wyszukiwanie danych
    4. Komunikacja z poziomu aplikacji
    5. Wady i zalety wykorzystania Spring Data w warstwie dostępu do danych Elasticsearch
    6. Testy jednostkowe i integracyjne mechanizmu wyszukiwania
  5. Modelowanie danych w Elasticsearch
    1. Dobór właściwej architektury składowania danych do problemu
      1. Przechowywanie danych w jednym indeksie
      2. Rozbicie danych pomiędzy indeksami
      3. Rozbicie danych pomiędzy shardami
      4. Przechowywanie danych określonych czasem (time-series)
    2. Dynamiczne tworzenie struktur vs. statyczna kontrola typów
    3. Zaawansowane podejście do analizy danych tekstowych (analizatory tekstu)
  6. Zaawansowane wyszukiwanie z użyciem Elasticsearch
    1. Omówienie różnych sposobów implementacji mechanizmów Quick search
    2. Agregacja danych
    3. Kategoryzacja dokumentów na przykładzie Percolator API
  7. Performance tuning
    1. Konfiguracja Elasticsearch pod kątem wymagań stawianych przed systemem
    2. Co robić, gdy indeksowanie jest zbyt wolne?
    3. Jak radzić sobie ze zbyt wolnymi zapytaniami?
    4. Modyfikacja architektury klastra celu zwiększenia wydajności
  8. Integracja Elasticsearch z obecną architekturą
    1. ELK, jak podstawa szybkiej integracji z działającym systemem
    2. Rozwój funkcjonalności istniejących systemów poprzez implementację wyszukiwania pełnotekstowego
    3. Elasticsearch jako jedyne źródło danych aplikacji
    4. Metody integracji z innymi rozwiązaniami składowania danych
  9. Utrzymanie i rozwój infrastruktury klastra Elasticsearch
    1. Diagnozowanie typowych problemów
      1. Długo trwające zapytania
      2. Rażący spadek wydajności usługi
      3. Rozszczepienie klastra (split-brain) oraz niepożądane złączenie środowiska testowego i produkcyjnego
      4. Konflikt typów w atrybutach dokumentów
      5. Niepoprawne wyszukiwanie danych z powodu błędnej instalacji/konfiguracji klastra
      6. Odrzucanie zapytań z powodu zbyt dużego obciążenia
    2. Metody zabezpieczania klastra
    3. Najlepsze metody aktualizacji oprogramowania
    4. Najważniejsze narzędzia przydatne w codziennej pracy
      1. Head
      2. Kopf
      3. Sense
      4. Marvel
      5. Curator
    5. Monitorowanie klastra


Pobierz program w formacie PDF

Trenerzy

Poznaj ekspertów, którzy mogą poprowadzić Twoje szkolenie.

Adam Dubiel

trener

Tomasz Lelek

trener

Marek Skorek

Trener, architekt systemów Big Data

Paweł Szulc

trener

Materiały związane ze szkoleniem

Idea renesansowej pracowni - Bottegi zakłada nieustanną pracę jej członków i dzielenie się jej wynikami.

Zapytaj o szkolenie

Imię i nazwisko:
Firma:
E-mail:
Nr tel:
Temat:
Wiadomość:

Jeżeli preferujesz osobisty kontakt to zawsze możesz zadzwonić.

Iwona Sobótka

Koordynatorka szkoleń


Wyrażam zgodę na przetwarzania danych osobowych zgodnie z ustawą o ochronie danych osobowych w związku z wysłaniem zapytania przez formularz kontaktowy.

Podanie danych jest dobrowolne ale niezbędne do przetworzenia zapytania. Zastałem/am poinformowany/na, że przysługuje mi prawo dostępu do swoich danych, możliwości ich poprawienia, żądania zaprzestania ich przetwarzania.

Administratorem danych osobowych jest Bottega IT Minds, ul. Jana Sawy 2, 20-632 Lublin.

Klauzula informacyjna