آموزش ElasticsSearch در پایتون

در دنیای امروز، حجم گسترده ای از داده ها به صورت ساختارمند و غیرساختارمند در حال تولید است؛ از اطلاعات متنی در سامانه های جستجو گرفته تا داده های مربوط به لاگ ها و رفتار کاربران. برای مدیریت، جستجو و تحلیل سریع این نوع داده ها، نیاز به ابزاری قدرتمند و مقیاس پذیر وجود دارد. در این دوره شما با Elasticsearch، موتور جستجو و تحلیل داده های متنی و زمان محور، و نحوه استفاده از آن در زبان پایتون آشنا خواهید شد.

Elasticsearch به صورت خاص برای ذخیره سازی، جستجو و تحلیل داده های حجیم و پیچیده طراحی شده است و امکانات متنوعی را برای جستجوی متنی، فیلتر کردن، تحلیل داده، و گزارش گیری در اختیار توسعه دهندگان قرار می دهد.

در این دوره یاد می گیرید:

  • چگونه Elasticsearch را راه اندازی و برای استفاده در پروژه های داده محور آماده کنید.

  • چطور با استفاده از پایتون و کتابخانه رسمی elasticsearch-py به Elasticsearch متصل شوید.

  • داده های متنی و ساختارمند را در ایندکس های مختلف ذخیره (Indexing) و از آن ها جستجو کنید.

  • از Query DSL برای نوشتن پرس وجوهای دقیق و انعطاف پذیر استفاده کنید.

  • با مفاهیم Aggregation، Filtering و Sorting در محیط پایتون آشنا شوید.

  • ساختار ایندکس و Mapping داده ها را مدیریت کنید و داده های حجیم را بهینه ذخیره سازی کنید.

  • در پروژه های واقعی مانند سامانه های جستجوی پیشرفته و پردازش لاگ های سیستم از Elasticsearch بهره ببرید.

این دوره مناسب افرادی است که در حوزه هایی مانند توسعه ی سامانه های جستجو، تحلیل داده های متنی، مانیتورینگ لاگ ها و پردازش داده های حجیم فعالیت می کنند و می خواهند یک راهکار سریع و مقیاس پذیر را با پایتون یاد بگیرند.

معرفی Elasticsearch و مقایسه با دیتابیس‌های سنتی
مفاهیم اصلی Index، Document، Field، Shard، Replica
نحوه ذخیره و جستجوی داده‌ها
مفاهیم جستجو Full-text search، Term search، Query DSL
Aggregations و کاربردش برای تحلیل داده‌ها
راه‌اندازی یک کانتینر Elasticsearch و Kibana
بررسی لاگ‌ها و دسترسی به Kibana برای تست داده‌ها
اتصال به Elasticsearch با curl یا ابزارهای مشابه برای تست اولیه
استفاده از Elasticsearch در Python
استفاده از Elasticsearch در FastAPI
ساختار داده‌ها و Mapping ساده برای یک پروژه واقعی
نمونه جستجوی Full-text و فیلتر با Query DSL
مثال Aggregation برای تحلیل داده‌ها
استفاده از ELK در مانیتورینگ سرویس
اجرای یک نمونه سورس با Docker و FastAPI برای لاگ‌گیری
instructor-image

علی بیگدلی

توسعه دهنده backend (AI,IOT,Python)

بیشتر از 8 سال سابقه فعالیت در زمینه برنامه نویسی و تدریس

امتیازات شرکت کنندگان

0

(بر اساس بررسی کلی)

ثبت دیدگاه


نکته: آدرس ایمیل شما منتشر نخواهد شد

دیدگاه کاربران (0)


هیچ دیدگاهی ثبت نشده است. می‌توانید اولین نفر باشید.

مشخصات دوره

  • تعداد دروس 15
  • مدت زمان دوره 6 ساعت
  • سطح دوره مقدماتی
  • تاریخ نشر 1404/06/26
  • تعداد دانشجو 3
  • دسته بندی database
  • بازدید 8
  • قیمت 0

دوره های من در مکتبخونه

آخرین پست ها

کاربرد DNS در کیفیت شبکه و گذر از تحریم ها
کاربرد DNS در کیفیت شبکه و گذر از تحریم ها
  • tech 1404/02/13
پیاده سازی و استقرار پروژه ها بر روی پلتفرم dokploy
پیاده سازی و استقرار پروژه ها بر روی پلتفرم dokploy
  • python 1404/01/30
انتقال پروژه Django از پلتفرم Liara به پلتفرم Hamravesh
انتقال پروژه Django از پلتفرم Liara به پلتفرم Hamravesh
  • django 1403/05/28