Büyük Ölçekli OpenSearch Eğitimi

Eğitim Hakkında

Veri modellemeden Query DSL, relevance ayarı ve aggregation ile büyük ölçekli arama ve analitiğe

Büyük Ölçekli OpenSearch Eğitimi, yüksek hacimli veride hızlı arama ve analitik üretmek için OpenSearch'ü etkili kullanmayı öğretir. Katılımcılar index, mapping ve analyzer tasarımını, ingest pipeline ile veri hazırlamayı kavrar; Query DSL ile full-text ve yapısal sorgular yazar. BM25 relevance ayarı, aggregation ile analitik, data stream ve ISM ile yaşam döngüsü yönetimi işlenir. Sharding stratejisi, sorgu performansı ve OpenSearch Dashboards ile görselleştirme uygulanır.

Süre ve Format

3 Gün. Her gün dört modül; OpenSearch veri modellemeden Query DSL ve relevance'a, oradan aggregation, büyük ölçek yönetimi ve görselleştirmeye ilerlenir.

Seviye

Orta Seviye — OpenSearch veri modelleme, Query DSL, relevance ve aggregation ile büyük ölçekli arama ve analitik yükleri yönetme

Öğrenme Metodu

Her konu gerçek bir OpenSearch kümesinde örnek veri üzerinde index tasarımı, sorgu yazma ve relevance ayarı senaryolarıyla uygulanır.

Neden Bu Eğitim?

🔎Hızlı ve isabetli arama

Analyzer ve Query DSL tasarımıyla milyonlarca dokümanda milisaniyelerde isabetli, alakalı sonuçlar döndüren aramalar kurarsınız.

📊Güçlü analitik

Aggregation framework ile metrik, bucket ve pipeline analizlerini çalıştırır, büyük veriden özet ve trend çıkarırsınız.

🎯Ölçeklenen relevance

BM25 skorlama ve relevance ayarıyla kullanıcının gerçekten aradığını üste taşır, arama kalitesini ölçekte korursunuz.

Anahtar Konular

opensearch eğitimiopensearch kursuquery dsl eğitimifull-text arama eğitimiopensearch aggregationarama motoru eğitimielasticsearch alternatifi eğitimilog analitiği eğitimiopensearch dashboards eğitimi

“Büyük ölçekte arama; veriyi doğru modellemek, doğru sormak ve alakayı ölçmekle anlam kazanır, boyut tek başına değer üretmez.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel veri bilgisi

JSON veri yapısı ve REST API kavramlarına temel aşinalık eğitimi takip etmeyi kolaylaştırır.

2

Arama kavramları

Doküman, index ve full-text arama gibi temel kavramlara aşinalık faydalı olur ancak zorunlu değildir.

3

Komut satırı

curl veya benzeri bir araçla HTTP istekleri gönderebilme pratik örnekler için gereklidir.

4

Çalışma ortamı

OpenSearch ve OpenSearch Dashboards kurulu bir küme ile örnek veri seti erişimi gereklidir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı OpenSearch veri modelinin temellerini kavrar, index ve mapping tasarlar, analyzer ile metni işler ve ingest pipeline ile veriyi aramaya hazırlar.

Modül 1

Küme ve Doküman Modeli

Node, index, shard ve replica kavramları
Doküman, _id ve JSON kaynak yapısı
Inverted index ve arama mantığı
OpenSearch REST API ile temel işlemler
Index ve alias (takma ad) kullanımı
OpenSearch ile Elasticsearch ilişkisi

Modül 2

Mapping ve Veri Tipleri

Dynamic mapping ve explicit mapping farkı
text ve keyword tiplerinin kullanım ayrımı
Sayısal, tarih ve boolean alan tipleri
nested ve object alanların modellenmesi
Index template ile şema standardı
Mapping değişiminin sınırları ve reindex

Modül 3

Analyzer ve Metin İşleme

Analyzer, tokenizer ve token filter zinciri
Standard ve dil tabanlı analyzer seçimi
Türkçe metin için analyzer uyarlaması
Stemming, stop words ve lowercase filtre
Custom analyzer tanımlama ve test
_analyze API ile tokenizasyonu inceleme

Modül 4

Veri Alımı ve Ingest Pipeline

Bulk API ile toplu doküman indeksleme
Ingest pipeline ve processor zinciri
grok, date ve rename processor kullanımı
Veri zenginleştirme ve dönüştürme adımları
Indexleme performansı ve refresh interval
Hata ve reddedilen doküman yönetimi

Günün hedefiKatılımcı Query DSL ile full-text ve yapısal sorgular yazar, bool mantığıyla koşulları birleştirir ve BM25 skorlamasını ayarlayarak arama alakasını iyileştirir.

Modül 1

Full-Text Sorgular

match ve match_phrase sorgularının farkı
multi_match ile birden çok alanda arama
Analyzer'ın sorgu zamanı etkisi
Fuzzy arama ile yazım hatasına tolerans
Prefix, wildcard ve regexp sorguları
Highlighting ile eşleşen metni vurgulama

Modül 2

Term ve Yapısal Sorgular

term ve terms ile tam eşleşme sorgusu
range ile sayısal ve tarih aralığı
exists ve null değer sorgulama
keyword alanda filtreleme mantığı
ids sorgusu ile belirli dokümanlar
Query ve filter context ayrımı

Modül 3

Bool Sorgu ve Birleştirme

must, should, must_not ve filter blokları
minimum_should_match ile eşik belirleme
Filter bağlamında skorsuz filtreleme
İç içe bool sorgularla karmaşık mantık
nested sorgu ile iç nesnelerde arama
Sorgu performansını filter ile artırma

Modül 4

Relevance ve Skorlama

BM25 skorlama modelinin çalışma mantığı
boost ile alan ve sorgu ağırlıklandırma
function_score ile özel skor fonksiyonu
Mesafe ve tarih bozunumuyla skor ayarı
explain API ile skor dökümünü okuma
Arama kalitesini ölçme ve iyileştirme

Günün hedefiKatılımcı aggregation ile analitik üretir, büyük ölçek için sharding ve ISM stratejisi kurar, sorgu performansını ayarlar ve Dashboards ile veriyi görselleştirir.

Modül 1

Aggregation Framework

Metric aggregation: avg, sum, min, max
Bucket aggregation: terms ve histogram
date_histogram ile zaman serisi analizi
nested ve sub-aggregation yapıları
cardinality ile benzersiz değer sayımı
pipeline aggregation ile türetilmiş metrik

Modül 2

Sharding ve Veri Dağıtımı

Primary ve replica shard dengesi
Shard sayısı ve boyut planlaması
Büyük index için shard stratejisi
Routing ile doküman yerleşimi kontrolü
Hot-warm-cold mimari mantığı ve faydası
Shard dengesizliğinin performans etkisi

Modül 3

Data Stream ve ISM

Data stream ile zaman serisi verisi yönetimi
Index State Management (ISM) politikaları
Rollover ile index'i boyuta göre döndürme
Yaşlanan veriyi warm/cold'a taşıma
Otomatik silme ve saklama süresi
Log ve metrik verisi için yaşam döngüsü

Modül 4

Performans ve Dashboards

Yavaş sorgu tespiti ve profile API
Query cache ve request cache etkisi
search_after ile derin sayfalama
OpenSearch Dashboards ile görselleştirme
Index pattern ve gösterge paneli kurma
Büyük sonuç kümesinde scroll yerine PIT

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri modelleme

Index, mapping ve analyzer tasarlar, metni doğru işleyerek arama kalitesini en baştan sağlam temele oturtursunuz.

✅

Query DSL ustalığı

Full-text, term ve bool sorgularını Query DSL ile yazar, karmaşık arama gereksinimlerini tek sorguda ifade edersiniz.

✅

Relevance ayarı

BM25 skorlamasını, boost ve function_score ile ayarlar, kullanıcının aradığı sonucu üste taşıyan aramalar kurarsınız.

✅

Analitik aggregation

Metric, bucket ve pipeline aggregation ile büyük veriden özet, trend ve zaman serisi analizi üretirsiniz.

✅

Ölçek stratejisi

Sharding, routing ve hot-warm mimarisiyle büyük index'leri planlar, performans ve maliyeti dengede tutarsınız.

✅

Yaşam döngüsü yönetimi

Data stream ve ISM ile zaman serisi veriyi otomatik döndürür, yaşlandırır ve saklama politikasıyla yönetirsiniz.

✅

Sorgu performansı

Profile API, cache ve derin sayfalama teknikleriyle yavaş sorguları tespit eder ve hızlandırırsınız.

✅

Görselleştirme

OpenSearch Dashboards ile index pattern ve gösterge panelleri kurar, arama ve analitik sonucunu görsele dökersiniz.

Kimler İçin Uygundur?

Arama ve log analitiği çözümleri geliştiren yazılımcılar
veri mühendisleri
büyük veri setlerinde arama deneyimi kuran uygulama geliştiricileri
OpenSearch üzerinde sorgu ve analitik tasarlayan analistler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Arama ve log analitiği çözümleri geliştiren yazılımcılar, veri mühendisleri, arama deneyimi kuran uygulama geliştiricileri ve sorgu tasarlayan analistler için uygundur. JSON ve REST API aşinalığı faydalıdır; ileri OpenSearch deneyimi gerekmez.

Bu eğitim kurulum ve yönetim eğitiminden farkı nedir?

Bu eğitim OpenSearch'ü kullanma tarafına, yani veri modelleme, Query DSL, relevance ve aggregation ile güçlü arama ve analitik üretmeye odaklanır. Küme kurulumu, node rolleri, güvenlik, yedekleme ve operasyonel yönetim ise ayrı 'Kurulumu ve Yönetimi' eğitiminin kapsamıdır.

OpenSearch ile Elasticsearch aynı mı?

OpenSearch, Elasticsearch'ten türeyen açık kaynaklı bir projedir ve Query DSL, mapping gibi birçok kavramı paylaşır. Eğitimde OpenSearch'e özgü özellikler ve iki proje arasındaki farklar vurgulanır; öğrenilen temeller büyük ölçüde her ikisine de uygulanabilir.

Türkçe metinde arama için uyarlama yapılıyor mu?

Evet; Türkçe metin için analyzer, stemming ve stop words ayarları ele alınır. Doğru analyzer seçimi Türkçe aramalarda alakayı belirgin artırdığından, metin işleme modülünde pratik örneklerle gösterilir.

Eğitim sonunda sertifika veriliyor mu?

Programı tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. Sertifika veri modelleme, Query DSL, relevance ayarı, aggregation ve büyük ölçek yönetimi konularını belgeler.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika