Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 12 vistas

    Camilo Presentacion

    Cargado por

    Camilo Grajales

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Camilo Presentacion

    Cargado por

    Camilo Grajales
    12 vistas9 páginas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    12 vistas9 páginas

    Camilo Presentacion

    Cargado por

    Camilo Grajales

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 9

    ¿En qué se diferencia un índice de Elasticsearch de una

    base de datos relacional?

    Los índices de Elasticsearch no son los mismos que encontrarías en una base de
    datos relacional. Piensa en un cluster de Elasticsearch como una base de datos
    que puede contener muchos índices que puedes considerar como una tabla y, en
    cada índice, tienes muchos documentos.
    Ejemplo1 de index
    ¿ qué es la indexación ?

    Para entender este concepto lo primero es entender


    qué es un índice, en Elasticsearch un índice es una
    colección de documentos relacionados entre sí.
    Como bien se dijo en las características de esta
    herramienta, se guardan los datos como
    documentos JSON, estos documentos se relacionan
    con claves, esas claves denominado índice
    invertido permite búsquedas de texto complejas y a
    gran velocidad.
    Que es búsqueda en Elasticsearch

    Una vez que los datos están indexados en Elasticsearch, puedes realizar
    búsquedas rápidas y complejas sobre ellos. La búsqueda en Elasticsearch se basa
    en consultas, que pueden ser simples consultas de texto o consultas más
    complejas que combinan criterios de búsqueda, filtros y operaciones
    booleanas. Elasticsearch utiliza un algoritmo de búsqueda relevante que clasifica
    los documentos según su relevancia con respecto a la consulta realizada.
    Ejemplo2 de búsqueda
    que es Análisis en tiempo real en elasticsearch

    El análisis en tiempo real en Elasticsearch se refiere a la capacidad de procesar,


    analizar y visualizar datos a medida que llegan, sin demora significativa entre la
    ingesta de los datos y su disponibilidad para su análisis. Esto implica que
    Elasticsearch puede manejar flujos continuos de datos y proporcionar resultados
    actualizados casi instantáneamente.
    Ejemplo3 deAnálisis en tiempo real
    Integración con otras tecnologías

    Sistemas de mensajería Frameworks de machine learning


    Apache Kafka: Elasticsearch se puede Spark MLlib es una biblioteca de
    integrar fácilmente con Apache Kafka, una aprendizaje automático de alto nivel para
    plataforma de transmisión de datos Spark, que permite entrenar modelos de
    distribuida, para ingestar datos en tiempo machine learning sobre conjuntos de datos
    real. distribuidos.

    herramientas de visualización Frameworks web y aplicaciones


    Kibana es una herramienta de • Frameworks web como Django, Flask y
    visualización que se integra estrechamente Spring Boot: Estos frameworks web se pueden
    con Elasticsearch, permitiendo crear integrar con Elasticsearch para proporcionar
    dashboards interactivos y visualizaciones capacidades de búsqueda avanzadas en
    de datos en tiempo real. aplicaciones web.
    Ejemplo4 de integrar elasticsearch con
    python

    También podría gustarte