KIBANA – ANÁLISE E VISUALIZAÇÃO DE DADOS

Objetivos da formação

• Explicar o funcionamento do Kibana em ligação com o motor Elasticsearch.
• Realizar consultas simples e complexas com KQL.
• Criar diferentes tipos de visualizações (Canvas, Maps, Markdown, TSVB).
• Realizar análises avançadas de dados com funcionalidades de Machine Learning.
• Criar gráficos e dashboards personalizados.

Duração da formação

Programa da formação

INTRODUÇÃO AO KIBANA 

• Visão geral do Kibana

• Instalação da versão Docker

• Configuração

• Iniciar o Kibana

• Compreender a integração de dados

• Explorar as vistas de dados

• Criar espaços

• Compreender os objetos guardados no Kibana

Exemplos de trabalhos práticos:

• Primeiros passos na interface do Kibana e criação de um espaço

DESCOBRIR OS DADOS COM O DISCOVER 

• Explorar os seus dados

• Elasticsearch – Um armazenamento de documentos

• Tipos de dados no Elasticsearch

• A página Discover

• Trabalhar com consultas

• Estruturação de consultas KQL (exemplo)

• Associar consultas com operadores booleanos

• Pesquisar campos numéricos

• Como pesquisar quando não sabe como escrever aquilo que pretende procurar

• Criar uma pesquisa guardada

• Etapas para criar uma pesquisa guardada

Exemplos de trabalhos práticos:

• Consultas no Elasticsearch, exploração de dados com KQL, filtragem, gravação das consultas

VISUALIZAÇÃO COM KIBANA 

• Explorar as visualizações Lens

• Aprofundar o backend das visualizações no Kibana

• Compreender as visualizações Canvas, Maps e Markdown

• Criar visualizações Canvas, Maps e Markdown

Exemplo de trabalhos práticos:

• Criação de várias visualizações

ALIMENTAR AS VISUALIZAÇÕES COM ATUALIZAÇÕES PRÓXIMAS DO TEMPO REAL 

• Compreender como criar visualizações TSVB (Time-Series Visual Builder)

• Compreender o menu pendente “Aggregation” no separador Dados

• Compreender o menu pendente “Group by” no separador Dados

• Explorar os tipos TSVB Metric, Top N, Gauge, Markdown e Table

• Top N e Gauge

• Markdown e Table

• Colocar o TSVB em prática

Exemplo de trabalhos práticos:

• Criação de visualizações TSVB

ANÁLISE DE DADOS COM MACHINE LEARNING 

• Compreender a deteção de anomalias em dados de séries temporais

• Como funciona o algoritmo de aprendizagem automática?

• Analisar dados com uma análise centrada nas entidades

• Transformações

• Análises de DataFrame

• API para aprofundar a aprendizagem automática

• Configurar alertas

Exemplo de trabalhos práticos

• Análise de dados com Machine Learning

VISUALIZAÇÃO POR GRAFOS 

• Criar um grafo

• Personalizar um grafo

• Resolver problemas de um grafo

• Problemas relacionados com o desempenho

• Verificar se faltam resultados

• Pontos-chave para suportar dados provenientes de vários índices

Exemplos de trabalhos práticos:

• Criação de grafos personalizados a partir de vários índices

CRIAR UM DASHBOARD 

• Explorar os dashboards de exemplo

• Criar um dashboard de raiz

• Compreender um caso de utilização de registo num dashboard

• Partilhar o dashboard

Exemplos de trabalhos práticos:

• Criação de dashboards e configuração de alertas

ES|QL (ELASTICSEARCH QUERY LANGUAGE) E CONCEITOS AVANÇADOS NO KIBANA 

• Aprender os blocos de construção do ES|QL

• Compreender como funciona o ES|QL

• Conceitos avançados do Kibana

• Campos em tempo real

• Parâmetros avançados do Kibana

Exemplos de trabalhos práticos:

• Prática de ES|QL e de campos em tempo real

DSL DE CONSULTAS E GESTÃO ATRAVÉS DO KIBANA

• Descobrir o Query DSL

• Consultas de texto integral

• Consultas geográficas

• Consultas de formas

• Combinar consultas

• Consultas “Match-all” (tudo corresponde)

• Consultas ao nível dos termos

• Consultas especializadas

• Consultas compostas

• Conceitos aprofundados de gestão – RBAC (controlo de acesso baseado em funções)

• Explorar os “watchers”

Exemplo de trabalhos práticos:

• Prática de consultas DSL

Formador

Facilitador que combina know-how com experiência empresarial e competências pedagógicas, para dar resposta a necessidades operacionais e potenciar a aprendizagem.