Curso de elasticsearch, logstash y kibana (elk): potencia el valor de tus datos 

Objetivos

Aprender la plataforma Elastic Stack siendo capaz de crear un potente motor analítico con Elasticsearch y visualizaciones / dashboards interactivos con Kibana para analizar grandes volúmenes de información de manera rápida y flexible.

Índice

1. INTRODUCCIÓN Y ARQUITECTURA DE ELASTIC STACK
1.1 ¿Qué es Elasticsearch?
1.2 Resumen de Elastic Stack (Elasticsearch, Logstash, Kibana…)
1.3 Escenario típico de Elastic Stack
1.4 Implementar Elasticsearch y Kibana en Elastic Cloud
1.5 Instalación de Elasticsearch y Kibana en local – Windows (+Linux/Mac)
1.6 ¿Cuál es la arquitectura básica de Elastic?
1.7 Inspección del cluster y envío de consultas mediante consola
1.8 Sharding y escalabilidad en Elastic Stack
1.9 Replicación en Elastic Stack
1.10 ¿Qué son los roles de los nodos de Elastic?

2. ELASTICSEARCH – MANEJO DE DOCUMENTOS
2.1 Creación de un índex, indexar documentos y consultarlos mediante el ID
2.2 Actualización de documentos manual y mediante scripts en Elasticsearch
2.3 ¿Cómo Elasticsearch lee y escribe datos?
2.4 ¿Cómo controlamos la concurrencia de solicitudes en Elasticsearch?
2.5 Actualizar y eliminar masivamente a partir de consulta (Query)
2.6 Procesamiento masivo mediante bulk
2.7 Importación de datos con cURL

3. ELASTICSEARCH – TÉCNICAS DE MAPPING Y ANÁLISIS
3.1 Introducción al análisis y al uso de la API Analyze
3.2 ¿Qué son los índices invertidos para mejorar la eficiencia de Elasticsearch?
3.3 Tipos de datos en Elasticsearch
3.4 ¿Cómo definir mapeos explícitos y añadir nuevos mapeos?
3.5 ¿Qué son los parámetros de mapeo y cómo aplicarlos?
3.6 Reindexación de documentos con la API Reindex
3.7 Aplicación de plantillas de mapeo a índices
3.8 Recomendaciones de mapeo
3.9 Técnicas stemming y palabras de parada
3.10 Analizadores predefinidos (built-in)
3.11 Analizadores personalizados

4. ELASTICSEARCH – BÚSQUEDAS TERM-LEVEL, FULL-TEXT Y BOOLEANAS
4.1 Métodos de búsqueda QueryDSL vs búsqueda URI
4.2 ¿Qué es la puntuación de relevancia en las búsquedas?
4.3 Diferencia entre consultas “full-text” y “term level”
4.4 Búsquedas “Term level” – 1 o múltiples términos o ID
4.5 Búsquedas “Term level” – Rango de valores o de fechas
4.6 Búsquedas “Term level” – Trabajar con fechas relativas
4.7 Búsquedas “Term level” – No nulos, prefijo, comodín y expresión regular
4.8 Búsquedas “Full-text” – Coincidencia flexible con “match”
4.9 Búsquedas “Full-text” – Múltiples campos y frases completas
4.10 Búsquedas “booleanas” – Must, must not, should y filter
4.11 Mejorar búsquedas con tratamiento de errores mediante “fuzziness”
4.12 Búsquedas aplicando steeming y sinónimos

5. ELASTICSEARCH – CONSULTAS PARA RELACIONES ENTRE DOCUMENTOS
5.1 ¿En qué se diferencia una BBDD relacional y Elasticsearch?
5.2 Mapear relaciones entre documentos y añadir documentos
5.3 Búsqueda de Children por Parent y viceversa
5.4 Relaciones multinivel
5.5 Control de resultados de búsqueda

6. ELASTICSEARCH – AGREGACIONES
6.1 ¿Qué son las agregaciones de tipo métrica?
6.2 ¿Qué son las agregaciones de tipo “bucket”?
6.3 Agregaciones combinadas “nested”
6.4 Agregaciones con filtrados y reglas
6.5 Agregaciones con rangos de valores y fechas
6.6 Histogramas

7. LOGSTASH – INGESTA, TRANSFORMACIÓN Y SALIDA
7.1 ¿Cómo ingestamos datos en Elasticsearch?
7.2 Instalación de Logstash
7.3 Creación de un pipeline (input, filter y output)
7.4 Ejecución del pipeline y carga en Elasticsearch
7.5 Otros métodos de ingesta, transformación y carga

8. KIBANA – INTERFAZ, INGESTA Y VISUALIZACIONES
8.1 ¿Qué nos proporciona Kibana y cuáles son sus componentes?
8.2 Ingesta de datos y creación de data views
8.3 Menú Discover – Paneles y lenguaje KQL
8.4 Visualización tipo métrica
8.5 Visualización tipo barra, área y línea
8.6 Visualización tipo circular
8.7 Split de series con filtros KQL y Ranges
8.8 Visualización tipo histogramas
8.9 Visualización tipo tabla
8.10 Visualización tipo heatmap
8.11 Visualización tipo KPI objetivo
8.12 Visualización en mapa geográfico

9. KIBANA – CREACIÓN DE DASHBOARDS, ROLES Y PERMISOS
9.1 Creación de un dashboard completo
9.2 Editar visualizaciones y filtrar documentos
9.3 Interactividad en el dashboard
9.4 Creación de dashboard logs de acceso
9.5 Enlazar dashboards (drilldown)
9.6 Creación de usuarios y roles

Contenido SCORM para el Curso Curso de Elasticsearch, Logstash y Kibana (ELK): Potencia el valor de tus datos

Impulsa la eficiencia en el análisis de grandes volúmenes de información con el curso de Elasticsearch, Logstash y Kibana (ELK). Este contenido SCORM especializado en Informática y Comunicaciones está diseñado para brindar a los centros de formación las herramientas necesarias para capacitar a profesionales en la creación de potentes motores analíticos con Elasticsearch y visualizaciones interactivas con Kibana.
Sumérgete en los módulos dedicados a la arquitectura Elastic Stack, técnicas avanzadas de Elasticsearch, búsquedas term-level y full-text, consultas para relaciones entre documentos, agregaciones, ingestión de datos con Logstash, y creación de dashboards con Kibana. Con este curso, podrás ofrecer a tu personal docente y a tus clientes en el ámbito empresarial una formación de vanguardia, permitiéndoles optimizar el valor de los datos y mejorar sus procesos decisionales.

Contenidos clave

• Exploración de los conceptos fundamentales de Elastic Stack y su aplicación en la creación de motores analíticos.
• Análisis detallado del manejo de documentos y consultas en Elasticsearch para optimizar la gestión de información.
• Estudio profundo de técnicas de mapping y análisis en Elasticsearch para mejorar la eficiencia en la indexación y búsqueda de datos.
• Exploración de las diferentes técnicas de búsqueda en Elasticsearch para obtener resultados precisos y relevantes.
• Análisis de las agregaciones en Elasticsearch y el proceso de ingestión, transformación y visualización con Logstash y Kibana para obtener insights significativos a partir de los datos.