Moteur de recherche texte
Implémenter une recherche full-text ultra rapide sur des catalogues de produits ou documents.
Observabilité · Formations
Formation Elasticsearch gratuite en ligne : architecture, mappings, ingest pipelines, ECS, ILM et data streams, recherche, recherche vectorielle, sécurité, sauvegardes, performance et exploitation (ops).
LEARNING PATH
Installation, Lucene, nœuds, shards, répliques et allocation.
API du cluster, licences, supervision, diagnostic et performance.
Index, mappings, pipelines, data streams et ILM.
Utilisateurs, rôles, espaces, TLS, clés d'API et audit.
Query DSL, ES|QL, agrégations, Kibana et recherche vectorielle.
Alerting, Watcher et détection d'anomalies.
Snapshots, SLM, reprise après sinistre et multi-clusters.
ECK, Terraform, Ansible et CI/CD.
Exploitation en production et projet de validation.
Parcours de préparation aux certifications officielles de l'éditeur : examens blancs illimités, tableau de bord et verdict de préparation.
LEARN BY DOING
Implémenter une recherche full-text ultra rapide sur des catalogues de produits ou documents.
Ingérer, indexer et analyser des volumes massifs de logs avec la stack ELK.
Utiliser Elasticsearch pour la détection de menaces et l'analyse d'événements de sécurité.
Visualiser des métriques en temps réel grâce à l'interface Kibana.
Stocker des coordonnées géographiques et effectuer des requêtes de proximité.
Détecter des anomalies dans les séries temporelles directement dans le cluster.
Un moteur de recherche et d'analyse distribué, basé sur Apache Lucene.
Une collection logique de documents JSON, découpée en shards (des index Lucene) répartis sur les nœuds du cluster. Ce n'est pas l'équivalent d'une base de données relationnelle : pas de tables ni de jointures, et un schéma (mapping) par index.
C'est une partition d'un index permettant de distribuer les données sur plusieurs nœuds.
C'est l'interface utilisateur pour visualiser et interagir avec les données d'Elasticsearch.
En utilisant les fonctionnalités de Role-Based Access Control (RBAC) et d'espaces Kibana.
Vous pouvez utiliser Query DSL via l'API, ou KQL (Kibana Query Language) dans l'interface.
Oui, via les Data Streams qui sont optimisés pour les données basées sur le temps.
Grâce aux Snapshots stockés dans un repository (NFS, S3, etc.) et gérés par des politiques SLM.
Oui, Elasticsearch supporte le Role Mapping avec des fournisseurs d'identité SAML, LDAP, etc.
Un nœud responsable de la gestion globale du cluster (création d'index, suivi des nœuds).
Une convention de nommage des champs (source.ip, user.name, event.category...) commune à toutes les données Elastic. Elastic SIEM s'appuie sur ECS pour appliquer les mêmes règles de détection à toutes les sources.
Index Lifecycle Management fait passer automatiquement les index par des phases (hot, warm, cold, frozen, delete) : rollover selon la taille ou l'âge, réduction des répliques, déplacement vers des nœuds moins chers puis suppression.
Elastic Cloud on Kubernetes est l'opérateur officiel qui déploie et administre Elasticsearch, Kibana et les agents Elastic sur Kubernetes (montées de version, certificats, mise à l'échelle).
ELK désigne historiquement Elasticsearch, Logstash et Kibana. Elastic Stack ajoute Beats et Elastic Agent pour la collecte : c'est le nom actuel de l'ensemble.