Ce projet vise à optimiser et compresser les bases de données Elasticsearch pour réduire leur volume de stockage tout en conservant leur intégrité. Il permet aux entreprises de gérer plus efficacement leurs données volumineuses, d'améliorer les performances de recherche et de diminuer les coûts liés à l'hébergement cloud ou local.

Ce projet propose une formation complète sur Elasticsearch, un outil puissant pour la recherche et l'analyse de données. Il permet aux participants d'apprendre à manipuler des jeux de données, à créer des visualisations pertinentes et à construire des tableaux de bord interactifs. Destiné aux professionnels souhaitant maîtriser les techniques de recherche avancée et d'analyse de données, cette formation combine théorie et pratique pour une application immédiate en entreprise.

OptimaCulture est une solution backend dédiée à la collecte, transformation et stockage de données issues de capteurs IoT. Elle permet de traiter des flux de données en temps réel via le protocole MQTT, de les transformer automatiquement en format JSON, et de les stocker temporairement avant leur envoi vers une base Elasticsearch. Le projet inclut également des outils pour générer des tableaux de bord de visualisation via Kibana, facilitant ainsi l'analyse et la surveillance des données collectées.

Ce projet permet de déployer une pile d'analyses d'apprentissage sur Kubernetes, comprenant un Learning Record Store (LRS), une base de données/data lake, un système de tableau de bord et un système de gestion de l'apprentissage (LMS). Le LMS génère des traces d'apprentissage et les envoie au LRS au format xAPI, qui stocke les traces d'apprentissage dans un cluster Elasticsearch. Le cluster Elasticsearch est ensuite configuré comme source de données principale d'un système de tableau de bord généraliste : Apache Superset.

Le projet jsonlog2elasticsearch permet de centraliser et d'analyser des journaux au format JSON en les envoyant vers une instance Elasticsearch. Il offre une solution simple pour collecter, indexer et rechercher des données de journaux applicatifs.

Le projet jsonsyslog2elasticsearch permet de transformer des journaux au format JSON en données indexables dans Elasticsearch, facilitant ainsi la centralisation et l'analyse de logs provenant de plusieurs sources.

SmartAPI permet aux éditeurs d'API de structurer et d'identifier les descriptions de leurs services et paramètres d'entrée/sortie selon un format JSON-LD standard pour les API et services biomédicaux. En indexant et en visualisant ces descriptions en tant que données liées dans un back-end Elasticsearch, les chercheurs peuvent identifier les services qui consomment ou renvoient des paramètres souhaités et composer automatiquement des services en workflows qui génèrent de nouvelles informations.

OptimaCulture est une solution backend dédiée à la gestion et à la transformation de données au format JSON. Elle permet d'interagir avec des dispositifs connectés via le protocole MQTT, de stocker des données temporaires et de les pousser vers Elasticsearch pour une analyse et une visualisation avancées. Le projet facilite également l'automatisation de requêtes et l'intégration avec des outils de datavisualisation comme Kibana.

Ce projet fournit une solution clé en main pour déployer et configurer Logstash, un outil de collecte, de transformation et d'envoi de logs vers une base de données Elasticsearch. Il permet de traiter différents formats de données (texte brut, JSON, paires clé-valeur) et d'appliquer des règles de parsing personnalisées. Idéal pour les équipes DevOps ou les développeurs souhaitant centraliser et analyser leurs logs en temps réel.

Ce projet permet de tester les fonctionnalités de suggestion d'Elasticsearch en utilisant différents index. Il permet de comparer les performances de recherche et de suggestion entre un index et plusieurs index.