Elasticsearch with Python

Elasticsearch with Python

ElasticSearch คือเครื่องมือค้นหาและวิเคราะห์ข้อมูลแบบกระจาย ที่มีพื้นฐานมาจาก Apache Lucene การรองรับภาษาต่างๆ ประสิทธิภาพที่สูง และเอกสาร JSON ที่ปราศจากสคีมาทำให้ Elasticsearch เป็นตัวเลือกที่เหมาะอย่างยิ่งสำหรับการวิเคราะห์บันทึกและกรณีใช้งานการค้นหาต่างๆ


Kibana คือเครื่องมือแสดงข้อมูลด้วยภาพและสำรวจข้อมูลที่ใช้สำหรับการวิเคราะห์บันทึกและอนุกรมเวลา การตรวจสอบแอปพลิเคชัน และการใช้งานความอัจฉริยะในการดำเนินการ ซึ่งมีคุณสมบัติประสิทธิภาพสูงแต่ใช้งานง่ายมากมาย เช่น ฮิสโตแกรม กราฟเส้น แผนภูมิวงกลม แผนภูมิความร้อน และการสนับสนุนภูมิสารสนเทศในตัว นอกจากนั้นยังมีการผสานรวมที่เหนียวแน่นกับเครื่องมือวิเคราะห์และค้นหายอดนิยมอย่าง Elasticsearch อีกด้วย ซึ่งทำให้ Kibana กลายเป็นตัวเลือกแรกๆ ในการแสดงข้อมูลที่อยู่ใน Elasticsearch ด้วยภาพ

 

สาขากรุงเทพฯ (ลาดพร้าว)
  • ยังไม่มีรอบเปิดอบรม (ลงชื่อจองไว้ได้)
  • สามารถเขียน log ด้วย Python ไปยัง Elasticsearch ได้
  • ผู้ดูและระบบ
  • Database Administrator (DBA)
  • พื้นฐานการออกแบบเว็บไซต์ด้วยภาษา HTML และ CSS
  • เข้าใจแนวคิด โครงสร้างของเทคโนโลยี Python
  • พื้นฐานการใช้งาน JSON
  • 18 ชั่วโมง
  • ราคาปกติ 12,500 บาท / คน
  • โปรโมชั่นลด 10% เหลือ 11,250 บาท / คน
  • ราคาเหมาจ่าย (ผู้อบรมตั้งแต่ 10 คน) ตามแต่ตกลงกัน
  • ขอใบเสนอราคา

Module 1: Introduction to Elasticsearch with Python

  • Introduction to Elasticsearch
  • Overview of the Elastic Stack
  • Elasticsearch architectures

Module 2: Getting started

  • Overview of installation options
  • Running Elasticsearch & Kibana in Elastic Cloud
  • Setting up Elasticsearch & Kibana on macOS & Linux
  • Setting up Elasticsearch & Kibana on Windows
  • Understanding the basic architecture
  • Inspecting the cluster
  • Sending queries with cURL
  • Sharding and scalability
  • Sharding
  • Understanding replication
  • Adding more nodes to the cluster
  • Overview of node roles

Module 3: Managing Documents with Python

  • Creating & deleting indices
  • Indexing documents
  • Retrieving documents by ID
  • Updating documents
  • Scripted updates
  • Upserts
  • Replacing documents
  • Deleting documents
  • Understanding routing
  • How Elasticsearch reads data
  • How Elasticsearch writes data
  • Understanding document versioning
  • Optimistic concurrency control
  • Update by query
  • Delete by query
  • Batch processing
  • Importing data with cURL

Module 4: Mapping & Analysis

  • Introduction to Mapping
  • Introduction to analysis
  • Using the Analyze API
  • Understanding inverted indices
  • Introduction to mapping
  • Overview of data types
  • How the "keyword" data type works
  • Understanding type coercion
  • Understanding arrays
  • Adding explicit mappings
  • Retrieving mappings
  • Using dot notation in field names
  • Adding mappings to existing indices
  • How dates work in Elasticsearch
  • How missing fields are handled
  • Overview of mapping parameters
  • Updating existing mappings
  • Reindexing documents with the Reindex API
  • Defining field aliases
  • Multi-field mappings
  • Index templates
  • Introduction to the Elastic Common Schema (ECS)
  • Introduction to dynamic mapping
  • Combining explicit and dynamic mapping
  • Configuring dynamic mapping
  • Dynamic templates
  • Mapping recommendations
  • Stemming & stop words
  • Analyzers and search queries
  • Built-in analyzers
  • Creating custom analyzers
  • Adding analyzers to existing indices
  • Updating analyzers

Module 5: Searching for Data

  • Introduction to searching
  • Introduction to term level queries
  • Searching for terms
  • Retrieving documents by IDs
  • Range searches
  • Prefixes, wildcards & regular expression
  • Querying by field existence
  • Introduction to full text queries
  • The match query
  • Introduction to relevance scoring
  • Searching multiple fields
  • Phrase searches
  • Leaf and compound queries
  • Querying with boolean logic
  • Query execution contexts
  • Boosting query
  • Disjunction max (dis_max)
  • Querying nested objects
  • Nested inner hits
  • Nested fields limitations

Module 6: Joining Queries

  • Introduction to Joining Queries
  • Add departments test data
  • Mapping document relationships
  • Adding documents
  • Querying by parent ID
  • Querying child documents by parent
  • Querying parent by child documents
  • Multi-level relations
  • Parent/child inner hits
  • Terms lookup mechanism
  • Join limitations
  • Join field performance considerations

Module 7: Controlling Query Results

  • A word on document types
  • Specifying the result format
  • Source filtering
  • Specifying the result size
  • Specifying an offset
  • Pagination
  • Sorting results
  • Sorting by multi-value fields
  • Filters

Module 8: Aggregations

  • Introduction to aggregations
  • Metric aggregations
  • Introduction to bucket aggregations
  • Document counts are approximate
  • Nested aggregations
  • Filtering out documents
  • Defining bucket rules with filters
  • Range aggregations
  • Histograms
  • Global aggregation
  • Missing field values
  • Aggregating nested objects

Module 9: Improving Search Results

  • Introduction to this section
  • Proximity searches
  • Affecting relevance scoring with proximity
  • Fuzzy match query (handling typos)
  • Fuzzy query
  • Adding synonyms
  • Adding synonyms from file
  • Highlighting matches in fields
  • Stemming
18/06/2024 11:54:48