Aller au contenu
Docaposte Institute
Afficher la barre de recherche
Présentiel Distanciel

Formation Administrer Elasticsearch

Découvrir comment fiabiliser et faire évoluer Elasticsearch pour exploiter une stack ELK adaptée à vos enjeux de données.

Référence formation :
MOD_2023775
Durée :
14 heures
Satisfaction :
Prix :
1580 € HT
Pré-inscription

Présentation de la formation

Cette formation couvre l’installation et l’estimation des ressources nécessaires pour une infrastructure, incluant l’allocation des shards, le déploiement, et le paramétrage des ressources. Elle aborde également la surveillance, la maintenance, et la sécurité des clusters, ainsi que l’optimisation des performances et la réplication entre clusters.

Objectifs pédagogiques

  • Apprendre à mettre en place la stack ELK
  • Dimensionner les éléments matériels
  • Surveiller Elasticsearch
  • Administrer la plateforme dans différentes configurations

Public visé

  • Administrateurs système et réseaux, SRE, devops, développeurs …

Prérequis

  • Connaissance des fondamentaux du système d’exploitation Linux
  • Ligne de commande et commandes de base
  • Une connexion internet, idéalement accès SSH sur internet est nécessaire.

Installer & estimer les ressources nécessaires d’infrastructure

  • Allocation des shards, commandes et philosophie :
    • Déploiement classique
    • Déploiement multi data tiers
  • Rôles des nœuds
  • Savoir expliquer les allocations effectuées
  • Recovery: Quand et comment les contrôler
  • Explications du routing des requêtes de recherche et d’indexation
  • Nœuds master et voting configuration
  • Paramétrage de la mémoire
  • Paramétrage du disque
  • Paramétrage réseau
  • Paramétrage CPU
  • Avertissement sur la virtualisation
  • Recette de dimensionnement
  • Usage API pour lister les fonctionnalités X-Pack actives

 

Monitorer & réagir

  • API Cluster Health, Cluster stats/state, Node infos/stats, Index _stats
  • APIs équivalentes avec l’API _cat
  • Connaître les tâches en attente de traitement sur le cluster (pending tasks)
  • Connaître les threads les plus actifs d’un nœud (hot threads)
  • Monitorer les fonctionnalités du stack
  • Monitorer la mémoire utilisée
  • Monitorer les file handles utilisés
  • Monitorer l’occupation disque
  • Monitorer la bande passante et connexions réseau
  • Surveiller les indicateurs de performance : charge de travail des threads, performances d’indexation/recherche et surveillance des requêtes « lentes »
  • Monitorer à l’aide des journaux applicatifs Elasticsearch
  • Alerter sur la base des données de monitoring

 

Maintenance

  • Mécanismes du Recovery
  • Se mettre à l’échelle : ajouter ou retirer un nœud
  • Opérations de maintenance : redémarrer un nœud ou un cluster complet
  • Ré-indexer des données
  • Prévenir les arrêts de services : Aliases et Rollover API
  • Cas particulier d’usage des indices : les DataStreams
  • Sauvegarder et restaurer des indices
  • Fonctionnalité de sauvegarde automatisée (Snapshot Lifecycle Management ou SLM)
  • Fonctionnalité de gestion du cycle de vie des indices (Index Lifecycle Management ou ILM)
  • Utiliser l’API de dépréciation
  • Préparer une montée de version
  • Monter de version

 

Sécurité

  • Périmètre et vue d’ensemble
  • Filtrer les flux réseau
  • Limiter les fonctionnalités de scripting
  • Chiffrer les données sur disque ou échangées sur le réseau
  • Authentifier les utilisateurs avec X-Pack security
  • Authentifier les utilisateurs avec un reverse proxy
  • Autorisations d’accès aux ressources

 

Cross Cluster Replication (CCR)

  • Réplications entres clusters distants unidirectionnelles ou bidirectionnelles pour permettre différents cas d’usage :
    • Une architecture capable un retour rapide à la normale après désastre
    • Une architecture de mise à proximité données
    • Une architecture de centralisation de la supervision

 

Optimisation & Performance

  • Indexer plus rapidement :
    • Bulk API
    • Refresh interval
    • Optimisations des mappings
  • Rechercher plus efficacement :
    • Contextes de filtres, de post filters, opérateurs « exact matches » et caches
    • Pièges des opérateurs wildcard ou des mappings parent/child
    • Agréger and trier plus efficacement : doc_values et fielddata
    • Diagnostiquer le calcul de score, ou les erreurs
    • Profiler ses recherches pour comprendre les temps de réponse
  • Matériel & Infrastructure :
    • Penser aux capacités de gestion des data tiers d’Elasticsearch
    • Pas d’ingestion sans nœud dédié à cette activité
    • Dissocier les clusters pour les spécialiser dans des tâches données (supervision vs métier)
Télécharger le programme .pdf

Dernière mise à jour le 24 septembre 2026

Prochaines sessions

Cette session n’a pas de date programmée, veuillez nous contacter pour en planifier une.

Modalités pratiques et pédagogiques

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

  • Formation en présentiel
    • En groupe (inter-entreprises ou intra-entreprise)
    • En individuel (monitorat)
    • En journée ou en cours du soir (sur demande spécifique)
  • Formation en distanciel
    • Distanciel synchrone
    • Distanciel asynchrone

  • Alternance d’apports théoriques et de mises en pratique contextualisées.
  • Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
  • Pédagogie immersive favorisant une mise en application immédiate des compétences.
  • Formation interactive et participative s’appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
  • Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l’ancrage des apprentissages.
  • Supports de cours, ressources documentaires et références mis à disposition par le formateur

En amont de la formation (évaluation en ligne dans l’extranet apprenant)

  • Recueil des besoins et des attentes des participants.
  • Auto-positionnement permettant d’évaluer le niveau initial des apprenants.

 

Tout au long de la formation

  • Évaluations continues réalisées par le formateur à travers des questions orales, exercices, QCM, études de cas et mises en situation pratiques.

À l’issue de la formation (évaluations en ligne dans l’extranet apprenant)

  • Auto-positionnement afin de mesurer l’acquisition des compétences visées.
  • Validation de l’acquisition des compétences par le formateur
  • Questionnaire de satisfaction « à chaud » à l’issue de la formation
  • Questionnaire de satisfaction « à froid », 45 jours après la formation afin d’évaluer l’ancrage des acquis et leur mise en application en situation professionnelle.

Nous consulter.

Nos formations peuvent être adaptées à certaines conditions de handicap. Nous contacter pour toute information et demande spécifique.

Formations associées

À distance Présentiel 14h
Data Science & Machine Learning

Formation ElasticSearch, Indexation de contenu

À partir de 1 580€

Financement possible

À distance Présentiel 21h
Data Science & Machine Learning

Formation Deep Learning avec TensorFlow et Keras

À partir de 2 150€

À distance Présentiel 28h
Data Science & Machine Learning

Formation ELK, Développer avec ElasticSearch, Logstash & Kibana

Note : 3,5 sur 5

À partir de 2 740€