Big Data e Ingeniería de Datos · BIG-190

Elasticsearch y búsqueda a gran escala

Índice invertido, relevancia, agregaciones y explotación de registros con Elasticsearch sobre Docker.

Próximamente Avanzado 7 módulos · 33 clases

Formato asíncrono Desarrollo, Ingeniería / Industria Elasticsearch, Docker

DATOS CLOUD

Lo que aprenderás

Explicar cómo funcionan el índice invertido, los analizadores y el troceado en fragmentos y réplicas.
Diseñar un mapeo explícito eligiendo entre text, keyword y campos multivalor según el uso previsto.
Escribir consultas con Query DSL combinando bool, filtros, coincidencia y búsqueda por prefijo.
Ajustar la relevancia con boosting, function score y análisis de la explicación de puntuación.
Construir agregaciones anidadas de términos, rangos e histogramas de fecha para paneles operativos.
Montar la ingesta de registros con pipelines y explotarlos para diagnosticar incidencias de servicio.

Contenido del curso

7 módulos · 33 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Clúster y conceptos 4 clases

Índice invertido: por qué la búsqueda es rápida
Nodos, fragmentos, réplicas y segmentos
Levantar el clúster con Docker
API REST y primeras operaciones

Módulo 2 · Análisis y mapeo 5 clases

Tokenizadores, filtros y analizadores
Analizadores para castellano y gallego
text frente a keyword y campos multivalor
Mapeo explícito y plantillas de índice
Reindexar cuando el mapeo cambia

Módulo 3 · Consultas 5 clases

Contexto de consulta y contexto de filtro
match, match_phrase y multi_match
bool: must, should, filter y must_not
Búsqueda por prefijo, comodín y difusa
Paginación profunda y search_after

Módulo 4 · Relevancia 5 clases

Cómo se calcula la puntuación
Leer la explicación de un resultado
Boosting por campo y por documento
function_score y señales de negocio
Sugerencias, autocompletado y corrección

Módulo 5 · Agregaciones 5 clases

Agregaciones de métrica y de cubo
Términos, rangos e histograma de fecha
Agregaciones anidadas y de tubería
Facetas para filtrar en la interfaz
Coste de una agregación y cómo acotarlo

Módulo 6 · Registros y operación 5 clases

Ingesta de registros y pipelines de procesamiento
Índices por fecha y política de ciclo de vida
Cuántos fragmentos y de qué tamaño
Vigilancia del clúster y estado amarillo o rojo
Copias con instantáneas

Módulo 7 · Proyecto de cierre 4 clases

Buscador sobre un catálogo real
Ajuste de relevancia con casos de prueba
Panel de agregaciones para operación
Diagnóstico de una incidencia usando los registros

Requisitos

Manejo de JSON, HTTP y APIs REST.
Docker para levantar el clúster de prácticas.
Conviene tener experiencia previa con alguna base de datos y con explotación de registros.

Descripción

Dos necesidades acaban en la misma herramienta: un buscador que devuelva resultados útiles con texto libre, y un sitio donde mirar cuando un servicio falla y hay que cruzar registros de varias máquinas. Elasticsearch resuelve ambas, pero configurado sin criterio da resultados irrelevantes y un clúster caro que se degrada.

El curso levanta un clúster en Docker y trabaja los dos frentes. Se estudia el índice invertido y el proceso de análisis del texto, se diseñan mapeos explícitos, se escriben consultas con Query DSL y se ajusta la relevancia leyendo la explicación de la puntuación. Después se construyen agregaciones para paneles y se monta una ingesta de registros con sus pipelines y su política de ciclo de vida.

Al terminar se puede diseñar un índice pensado para su consulta real, mantenerlo y explotarlo, y decidir el número de fragmentos con argumentos. Conecta con el curso de arquitecturas de datos en tiempo real, donde la búsqueda y la explotación de registros forman parte de un sistema mayor.

¿Para quién es este curso?

Desarrolladores que deben incorporar búsqueda por texto libre a una aplicación con catálogo amplio.
Ingeniería de plataforma que centraliza registros de varios servicios para diagnosticar incidencias.
Perfiles técnicos que mantienen un clúster de Elasticsearch heredado y quieren operarlo con criterio.