RousselTMLEARNING

TP · Elasticsearch : de la découverte à l'expertise

Filtrez vos documents

Les prérequis #

Vous devez disposer d'un cluster Elasticsearch avec une instance Kibana connectée à ce cluster. Nous vous invitons à faire le TP sur l'installation d'Elasticsearch si ce n'est pas encore le cas.

Lucene #

  1. Langage de recherche

    Dans l'application 'Disvover' comment changer le langage pour filtrer les résultats? Quel est le langage par défaut?

  2. Mon premier filtre

    Dans l'index 'mon-premier-index', affichez tous les documents dont le message contient le mot 'bulk

  3. Mon second filtre

    Dans l'index 'mon-premier-index', affichez tous les documents dont le message contient exactement 'mon bulk', avec un id entre 2 et 4 et avec comme valeur de 'office' 'RousselTM' ou 'Elastic'

  4. Vous l'avez remarqué ?

    Par défaut Elasticsearch a interprété tout notre JSON. Dans cet exercice on va supposer qu'on souhaite qu'il conserve tout le contenu de 'user' dans le même champs. Quel mapping faudrait-il mettre pour cela? On va donc créer un nouveau index nommé 'mon-second-index' avec ce mapping et réimporter notre bulk pour voir la différence.

  5. Rechercher dans un champs 'nested'

    On va refaire la même recherche précédente mais dans 'mon-second-index'

Kibana Query Language #

  1. Bon à savoir

    Tout ce que vous avez pu faire avec les filtres Lucene est possible avec du KQL et bien plus.

  2. Mon premier filtre

    Dans l'index 'mon-second-index', affichez tous les documents dont le 'user.number' est supérieur ou égal à 2825

  3. Opérations

    Dans l'index 'mon-second-index', affichez la moyenne des 'user.number'

Niveau de difficulté : ●●●○○ (3/5)

Mon suivi

  • ⏱ Durée estimée : ≈ 56 min

Connectez-vous pour suivre votre progression et prendre des notes. Se connecter

✉️ Poser une question

Glossaire de la formation

Observabilité

La capacité à connaître l'état interne d'un système à partir des données qu'il émet.Ces données sont classées en 3 piliers : logsmétriquestracesprofil...

Elastic Common Schema (ECS)

Une spécification open source qui permet de structurer vos données de manière homogène dans l'écosystème Elastic.

RBAC (Role-Based Access Control)

Contrôle d'accès basé sur les rôles. Les permissions sont attribuées à des rôles spécifiques (ex: admin, lecteur) plutôt qu'directement aux utilisateu...

Authentification

Processus permettant de vérifier et valider l'identité d'un utilisateur ou d'un système (ex: login/mot de passe, jeton, biométrie).

Autorisation

Processus intervenant après l'authentification pour déterminer si l'entité a les droits et privilèges nécessaires pour accéder à une ressource.

API Key

Clé d'API. Code alphanumérique unique utilisé pour identifier, authentifier et autoriser l'accès à une interface de programmation (API).

Architecture

Conception globale et structurelle d'un système informatique, définissant ses différents composants, leurs relations et les principes guidant son évol...

Repository

Dépôt de stockage centralisé. Peut désigner un dépôt de code source (ex: Git) ou un dépôt d'artefacts et binaires (ex: Harbor, Nexus, Artifactory).

Articles recommandés

Bindplane à l'échelle : fleets, gateways et rollouts

Gérer des centaines de collecteurs avec Bindplane : edge fleets, gateways, labels, rollouts stand...

Bindplane en production : haute disponibilité, sécurité, Kubernetes et configuration as code

Exploiter Bindplane en production : serveurs actifs-actifs, PostgreSQL et bus d'événements, TLS p...

Bonnes pratiques Bindplane

Check-list pour exploiter Bindplane : organisation par labels et fleets, réduction mesurée, masqu...

Arize AI : observabilité et évaluation des applications LLM et des agents

Comprendre Arize AI : Phoenix (open source) et Arize AX (plateforme), traces OpenInference, évalu...

OpenInference : les conventions OpenTelemetry pour tracer les applications d'IA

Guide détaillé d'OpenInference : conventions sémantiques et instrumentations OpenTelemetry pour L...

Installer Phoenix et tracer sa première application LLM

Installer Arize Phoenix (pip, Docker), envoyer ses premières traces OpenInference depuis une appl...

Tracer un RAG et un agent avec OpenInference et Phoenix

Instrumenter une application RAG et un agent : spans RETRIEVER, RERANKER, TOOL et AGENT, sessions...

Évaluer une application LLM avec Phoenix : LLM juges, code et annotations

Mettre en place des évaluations : évaluateurs par code, LLM juge (create_classifier, evaluate_dat...

Datasets, expériences et prompts avec Phoenix

Améliorer une application LLM avec méthode : construire des datasets à partir des traces, lancer ...