Продолжительность курса: 40 ак. ч.

Описание курса:
Курс предназначен для специалистов в области анализа данных, мониторинга инфраструктуры и разработки, желающих освоить современный стек OpenSearch для сбора, обработки и визуализации данных. Программа ориентирована на практическую работу: слушатели научатся разворачивать кластер OpenSearch, настраивать интеграцию с Logstash и OpenSearch Dashboards, обеспечивать безопасность через LDAP, разрабатывать скрипты на Python для взаимодействия с кластером, строить дашборды и настраивать алертинг. Все модули сопровождаются практическими заданиями.

Аудитория:
• Администраторы баз данных и системные администраторы;
• Инженеры по мониторингу и DevOps-специалисты;
• Аналитики данных и разработчики;
• Специалисты по информационной безопасности.

Необходимая подготовка:
• Базовые навыки работы с командной строкой Linux;
• Понимание принципов работы сетей (протоколы HTTP, порты, DNS);
• Начальное знакомство с JSON и REST API;
• Желателен базовый опыт работы с Python или другими языками программирования.

По окончании курса слушатели смогут:
• Устанавливать OpenSearch на виртуальной машине;
• Настраивать Logstash и OpenSearch Dashboards;
• Устанавливать NGINX;
• Настраивать балансировку нагрузки и переадресацию портов;
• Настраивать аутентификацию по протоколу LDAP;
• Устанавливать Python и настраивать окружение для работы;
• Подключаться к кластеру OpenSearch;
• Настраивать сбор и обработку данных различных форматов из различных источников;
• Настраивать индексацию данных из различных источников;
• Отправлять запросы к кластеру;
• Устанавливать различные плагины и дополнения.

Программа курса:
Модуль 1. Введение в OpenSearch:
• Знакомство с архитектурой и ключевыми компонентами стека OpenSearch;
• Сравнение OpenSearch и Elasticsearch, особенности лицензирования (Apache 2.0);
• Практика. Подготовка инфраструктуры:
o Установка OpenSearch (ручная, через Docker, с помощью Ansible);
o Настройка NGINX как реверсивного прокси;
o Проверка работоспособности кластера через REST API.

Модуль 2. Настройка кластера и интеграция с Logstash и Dashboards:
• Конфигурирование кластера OpenSearch: файл opensearch.yml, параметры узлов, discovery-механизмы;
• Настройка балансировки нагрузки через Coordinating-узлы и NGINX;
• Практика:
o Развертывание кластера из нескольких узлов (Docker Compose/Ansible);
o Настройка OpenSearch Dashboards и подключение к кластеру;
o Интеграция Logstash: создание конвейера для парсинга логов и отправки в OpenSearch;
o Настройка аутентификации через LDAP/Active Directory с использованием плагина безопасности.

Модуль 3. Диагностика производительности и работа с Python-клиентами:
• Мониторинг состояния кластера: статусы Green/Yellow/Red, метрики через API (_cat/health, _cat/nodes);
• Использование Cluster Insights и Query Insights для выявления проблем производительности;
• Практика:
o Анализ производительности кластера под нагрузкой, настройка алертинга;
o Разработка Python-скриптов с использованием opensearch-py для подключения, индексации и поиска данных;
o Пакетная загрузка данных (Bulk API) и построение сложных запросов с Query DSL.

Модуль 4. Сбор, подготовка и визуализация данных:
• Создание индексных шаблонов и маппингов, использование Data Streams для работы с временными рядами;
• Управление жизненным циклом индексов с помощью политик ISM (Rollover, Delete);
• Парсинг и нормализация логов с использованием фильтров Logstash (grok, mutate, date);
• Практика:
o Настройка шаблонов индексов и Data Streams для хранения логов;
o Применение политик ISM для автоматического управления индексами;
o Построение дашбордов в OpenSearch Dashboards и Grafana;
o Настройка алертов на основе метрик и логов, интеграция с уведомлениями (Slack/Email).

Окончательная цена указывается в договоре на обучение. Записаться на курс