Descriptif
Elastic Stack : Elasticsearch, Logstash et Kibana est une formation de 2 jours (14 heures), de niveau intermédiaire, rattachée au domaine « Bases de données, outils décisionnels, Big Data et Cloud Computing ». Collecter, indexer, rechercher et visualiser des données avec la suite Elastic. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Configurer et optimiser un cluster Elasticsearch pour des cas d'usage réels
- Développer des pipelines de traitement de données complexes avec
- Créer des visualisations avancées et des dashboards interactifs dans
- Mettre en place des stratégies de monitoring et d’alerte sur Elastic Stack
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Présentation de la plateforme Docker de travaux pratiques et point sur les usages de recherche des participants | 0,5 h |
| 2 | Architecture Elasticsearch : nœuds, index, shards, réplicas, analyse du texte et mapping explicite | 1,5 h |
| 3 | Travaux pratiques : déployer un cluster à trois nœuds avec Docker Compose, créer un index avec mapping et template | 2 h |
| 4 | Recherche : query DSL, requêtes bool, agrégations, tri et pagination, essais depuis Postman et Visual Studio Code | 1,5 h |
| 5 | Travaux pratiques : indexer 2 millions de lignes de journaux applicatifs et écrire dix requêtes d'agrégation | 1,5 h |
| Jour 2 | ||
| 6 | Pipelines Logstash : entrées, filtres grok, mutate et date, sorties, ingest pipelines côté Elasticsearch | 1,5 h |
| 7 | Travaux pratiques : construire un pipeline Logstash qui analyse des journaux Apache, enrichit par géolocalisation et isole les rejets | 2 h |
| 8 | Travaux pratiques : bâtir un tableau de bord Kibana interactif avec Lens, filtres croisés et exploration dans Discover | 1,5 h |
| 9 | Supervision et alerte : métriques de cluster, ILM et rollover, règles d'alerte, diagnostic d'un shard non assigné | 1,5 h |
| 10 | Synthèse : plan d'industrialisation de sa propre chaîne de journaux, évaluation des acquis | 0,5 h |
Méthodes pédagogiques
- Pédagogie active : 50 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
LMS DATAROCKSTARS, Elasticsearch (version récente), Logstash, Kibana, Visual Studio Code avec extensions JSON et Elasticsearch, Docker pour déploiement et tests, Postman pour tests d’API
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois