Türkçe altyazı Turkish subtitles
0:00 Bana, büyük hacimleri sürekli işleyebilen, bilgiyi otomatik olarak ölçeklendirebilen ve verileri almaya devam eden bir veri tabanının var olduğunu söylesem bana inanır mısınız? Would you believe me if I told you that there was a database out there that could continuously handle large volumes, information, scale automagically and be available to keep all continuously taking 0:14 Verileri sürekli almaya devam eder mi? on data? 0:15 Merhaba, benim adım Jamil Spain, IBM'de Geliştirici Savunucusu. Hello, my name is Jamil Spain, Developer Advocate with IBM. 0:19 Ve bugünkü konumuz, o Elasticsearch sorusunun cevabı. And today's topic is the answer to that Elasticsearch. 0:24 Tamam. Harika bir veri tabanı depolama sistemi ve onun bazı özellikleri hakkında biraz daha konuşmak istiyorum. All right. It's a great database data store, and I want to talk a little more about the some of the characteristics of it. 0:32 Bunu bir ilişkisel veri tabanı yönetim sistemiyle karşılaştıracağız ve ardından onun ekosistemi hakkında konuşacağız. We're going to compare it to a relational database management system and then talk about the ecosystem that comes with it. 0:39 Başlamak için, Elasticsearch'in tam olarak ne olduğunu konuşalım. So to get started, let's talk about what is Elasticsearch exactly. 0:44 İlk olarak, doğası gereği dağıtık bir sistemdir ve NoSQL, JSON tabanlı bir veri deposudur. Well, first it is distributed in nature and it is a NoSQL, JSON based data store. 0:56 Bunu aynı zamanda DSS olarak kısaltacağız. We're going to abbreviate that with the DSS there as well. 1:00 Veri tabanlarının PostgreSQL ve SQL gibi en yapılandırılmış türlerinden MongoDB'ye kadar uzanan spektrumunda, bunu dışarıda bir konuma yerleştiriyoruz. So on the spectrum of where databases fall with postgres and SQL kind of being the most structured type of databases, put this on the out of spear past MongoDB when it comes to 1:15 Ne kadar yapılandırılmamış ve NoSQL olabileceğini. how unstructured and NoSQL it can be. 1:18 Elasticsearch ile etkileşime gelince, ilginç bir şekilde, bu RESTful API üzerinden yapılır. When it comes to interacting with Elasticsearch interests, interests, interestingly enough, it's done through a RESTful API. 1:33 Dolayısıyla tüm sorgularınız bu şekilde gerçekleşir; indekslerinizi ve etkileşimde bulunmanız gereken her şeyi programatik olarak, REST URL'leri üzerinden yönetirsiniz. So all your queries happen that way, you programmatically program all you indexes and all the stuff that you pretty much anything you need to interact with, it would be through rest URLs. 1:45 Ve bunun birçok önemli kullanım senaryosu, örneğin loglardan gelen çeşitli veri kaynaklarını alabilmektir. And a lot of the major use cases for this, you know, could be you can take many different data sources from logs. 1:53 Farklı sistemlerden gelen herhangi bir metrik türü ya da hatta uygulama izleme verileri olabilir. Ve tüm bunları tek bir sistemde birleştirebilirsiniz. It could be any type of metrics you have from different systems and maybe even some application trace data that comes in. And you can have one system that you can combine all 2:07 Bu verileri düşünün; farklı kaynaklardan gelen bu veriler JSON belgelerine dönüştürülüp, gerçek zamanlı olarak arama yapmanızı ve bilgiyi geri almanızı sağlar. of this. You think about data coming from all these different sources, and it'd be able to push them into JSON documents and then allow you the ability to search and get that information back in real time. 2:23 Dolayısıyla bu büyük bir iş gibi görünüyor. So it sounds like a big job that it has to do. 2:26 Ve elbette, ilişkisel veritabanlarından bildiklerimizle normal bir karşılaştırma yaparak nasıl kıyaslandığını ve terminoloji ile bağlamın nasıl değiştiğini görelim. And certainly let's do it from our normal comparison of what a relational, what we know of from relational databases to see how that compares and how the lingo and the context changes. 2:38 Şöyle ki, ilişkisel veritabanı yönetim sistemlerinde bunlara veri tabanı denir. Well, we know that with relational database management systems, they are called databases. 2:46 Ve Elasticsearch'te bunlar indeksler, yani 'indices' olarak adlandırılır. And in Elastic Search, these are known as indexes, or I-N -D-I-C-E-S, Indices, right? 3:03 Ayrıca ilişkisel bir veritabanında 'tablolar' terimine sahibiz. And also in a relational database, we have the term of tables. 3:10 Tamam. OK. 3:11 Ve burada, buna 'indeks kalıpları' denebilir. And in this, they're going to be called, that could be called kind of index patterns. 3:18 Ve bazı eski sürümlerde bunlar 'türler' olarak biliniyordu. And some of the earlier versions there were known as types. 3:22 Tamam. Şimdi ilişkisel veritabanındaki tabloların birden fazla olduğunu biliyoruz. All right. So now we know from our tables in relational database has many tables. 3:28 Tamam. Ve ikinci olarak göreceğimiz şey, ekranın alt kısmına gelerek satırları ve ardından sütunları göstermek olacak. All right. And we know the obvious second one we're going to look at is going to put both of these down as we're getting to the bottom of the screen here, rows and then columns. 3:43 Tamam, buraya bir başka işaret koyalım. OK, let's get another marker here. 3:45 Satırlar, çoğu NoSQL veri kaynağından bildiğimiz gibi belgeler şeklinde olacak. And rows, just like we know from most NoSQL data sources are going to be as documents. 3:57 Ve genellikle ilişkisel bir veritabanında tabloların satırları ve bireysel sütunları vardır. And normally in a relational database, you know, you have tables, you the rows, individual columns. 4:04 Bunlara 'alanlar' denir. These are going to be called fields. 4:08 Kısa bir karşılaştırma yapacak olursak, MySQL veya Postgres gibi ilişkisel veritabanlarına aşina iseniz, bu kavramları anlamak ve öğeleri nasıl eşleştireceğinizi bilmek için bir geçiş yolu. So just a quick comparison, if you have a lot of familiarity with relational databases like MySQL, the Postgres, this is kind of a way to transition your understanding of all that and know how things kind of map together and when you start planning 4:23 Yapınızı planlarken, bu öğeleri nasıl dönüştürebileceğinizi düşünmeniz gerekir. out your your structure these are things that you need to consider that how you can translate that over. 4:29 Biliyoruz ki bu JSON tabanlı bir veri deposu ve onunla REST üzerinden etkileşim kuracaksınız. So we know that it's a jSON based data store, you're going to interact with it with rest. 4:34 Ve çok güçlü bir sistem; birçok veri kaynağından veri alabilir ve ölçeklenebilir. And we're looking to get many, it's very powerful, has the capability to ingest data from many, many data sources and scale out. 4:44 CAP teoremi kavramlarını düşündüğümüzde, bunu 'A' (availability) ve 'P' (partition tolerance) olarak sınıflandırabiliriz. If I think about the CAP theorem concepts and we'll probably put this on an A to P for availability and petition tolerance. 4:51 Zaten yerleşik ve nasıl yapılandırmak istediğinize bağlı olarak farklı tutarlılık seviyeleri de elde edebilirsiniz. Already built in and depending on how you want to configure it, you could probably achieve some different consistency bases as well. 4:59 Şimdi tüm ekosisteme geçelim. But let's get move on to the whole ecosystem. 5:02 Elastic Search ismini duyarsınız, ancak genellikle 'ELK' yani E-L-K Yığını terimini de duyarız. So you hear the name Elastic Search out there, but often you will hear about this term ELK, E-L-K Stack. 5:12 Nasıl referans alındığını şöyle duyarız ve yığının nasıl çalıştığını en basit şekilde açıklamak için bir diyagram çizelim, ardından her bileşeni ve konumunu konuşalım. Here's how you will hear about it being referenced and I think the easiest way to break down how the stack works, let's diagram it out and then we're talk about each kind of component and the place that it fits. 5:24 Bu, konuyu gerçekten anlamak için harika bir yol olur. And that would be a great way to really help understand this. 5:27 Şimdi Elasticsearch'i yerleştirelim, bunu E-S olarak kısaltacağım ve burada her şeyin merkezinde olacak. So let's put Elasticsearch, I'm going to abbreviate this E-S that's going to be kind of in the center of everything here. 5:37 Ve yapacaklarımızdan biri, K Kibana için. And what we're going to do the, the K is for Kibana. 5:47 Kibana ise web tabanlı bir kullanıcı arayüzüdür. And Kibana is a web based UI. 5:51 Bu, Elasticsearch'in hazırlayıp indekslediği verilerle etkileşime girmenizin ve bir gösterge paneli oluşturabilmenizin yolu olacak. This will be how you actually interact with a lot of the data that Elasticsearch prepares and indexes for you to use and so you can build a dashboard. 6:05 Ayrıca farklı widget'lar veya görselleştirmeler oluşturabilir ve bunların sürekli güncellenmesini sağlayabilirsiniz. And you can build different widgets, or visualizations that can continuously update as well 6:18 Veri o taraftan geldiğinde. as data comes in on that side. 6:21 Bu gerçekten verileriniz akıp geldikçe sürekli güncelleyip inceleyeceğiniz ana arayüzünüz olabilir. So this can really be your main interface that you use to keep, keep, keep updating and looking at your data as it flows in. 6:31 Şimdi diğer kaynağa geçelim. Çıktıyı konuşmuştuk. Now let's talk about the other source. We talked about the output. 6:34 Harika bir veri deposu olan Elasticsearch'imiz var, Kibana ile görselleştiriyoruz; bu verilerimizi ve sistemin nasıl çalıştığını görebileceğimiz bir geçit. Şimdi verinin nasıl geldiğine bakalım; iki bölüm var. We have this great data store Elasticsearch, we're going to be we're visualizing things with Kibana, kind of our gateway to view our data and how things are running. Now let's talk about how data gets in, and there are two parts that I would 6:47 Burada konuşmak istediğim. like to talk about here. 6:51 Logstash adlı bir şeyimiz var ve ayrıca Beats adıyla da duyarsınız. We have something called Logstash, and you also hear something called Beats. 6:58 Tamam. All right. 7:00 Logstash'i düşünürken, aslında çok açık kaynaklı bir sunucu tarafı işleme hattıdır ve temel görevi iki şey yapmaktır. So for a Logstash, think of this as well, it actually is a very open source server, side processing pipeline, and its main job is to do two things 7:14 Veriyi almak. to take data in. 7:21 Çeşitli kaynaklardan gelen veri alındıktan sonra dönüştürülür ve ardından bir yere 'stash' ederiz. Input data from many different sources is then going to transform that data and then you get to what we like to call so eloquently stash it somewhere. 7:35 Tamam. Şimdi girişler çeşitli şeylerden gelebilir. All right. Now the inputs can be from a variety of things. 7:39 Veriyi bir formatta koyabilirsiniz. Çoğu zaman kodunuza veya farklı sistemlere SDK'lar ekleyebilir ve veriyi Logstash'e iterek dönüşümler yapabilir, belki de veri madenciliği için formatlama. You can actually just put it in a format. Most of the time, you can add SDKs or things to your code or different systems, and they pushed the data into Logstash transformations, maybe to do some formatting on the data mine 7:52 Yapılandırma, gelmeden önce. structuring before it comes in. 7:54 İsterseniz bunu bir yere çıkış yapıp stash edebilirsiniz ve ilk eklentilerden biri Elasticsearch'tur. If you would like and then you can output that through to stash it somewhere, and you can imagine one of the first plug ins that are there is Elastic Search. 8:05 Şimdi bu üçgenimizi tamamlayalım. So let's complete our triangle here. 8:08 Logstash'tan Elastic Search'e geçeceğiz ve böylece sürekli veri besleyebileceksiniz. We'll go from Logstash into Elastic Search and so you can continuously feed things in. 8:16 Beats bölümünden bahsettik; burada, kulaklıkların aksine bu Beats farklı sunucularda ajan gibi çalışacak şekilde ayarlanmıştır. Now we mentioned the part Beats that we're here, unlike the headphones these Beats are set up to be kind of agents on different servers. 8:25 Diyelim ki serverless bir ortamda ya da Windows sunucularında bazı dosyaları işlemek istiyorsunuz; bu, Logstash'e tamamlayıcı bir bileşen gibi. So say you have something in maybe in serverless or you have some files that you want to do or different, maybe something on Windows servers, so it's kind of a complementary kind of component that's very Longstash 8:38 Doğası gereği büyük ölçüde Logstash'e benzeyen bir yapı, ancak birçok farklı servise eklentileri vardır. in nature, but it has plugins to many different other services. 8:42 Çıkışlarından biri doğrudan Logstash'e gitmektir. And one of its outputs is to go directly into Logstash. 8:47 Böylece, görselleştirdiğiniz gibi sürekli çalışan tutarlı bir veri hattı oluşturuyorsunuz. So collectively, you're kind of building this consistent pipeline that keeps going in as you visualize. 8:55 Daha fazla veriyi içeri alacak şekilde programlayabilir ve bu döngüsel yapıyı sürekli akışta tutabilirsiniz. You can kind of say you program more things to come in and continuously keep this circular nature coming and keep flowing. 9:05 Bu yapı, büyük miktarda bilgi ve düğümle ölçeklenebilir; doğası gereği dağıtık bir şekilde kurulabilir ve çeşitli senaryoları yönetebilir. Now, this can scale up to massive amounts of information and nodes that can really already set up to be distributed in the nature and handle a variety of scenarios. 9:17 Harika bir şey, tüm bu altyapıyı dizüstü bilgisayarınızda kurabileceğiniz konteynerlerin bulunması; böylece çok daha küçük bir ölçekte deney yapabilir ve ardından büyük ölçeğe genişletebilirsiniz. But one great thing is there are containers available that you can set up this complete infrastructure all on your laptop to taste, test things out on a very much smaller scale and have it grow to a much 9:31 Bu, mimarinizde verilerinizi nasıl görselleştireceğinize dair güçlü bir bileşen haline gelir. larger scale, effectively making it a great component in your architecture to be how you visualize your data that will be in the data like that your ability. 9:40 Zaman ayırdığınız için çok teşekkür ederim. Thank you very much for your time. 9:43 Herhangi bir sorunuz varsa, aşağıya bir satır bırakın lütfen. If you have any questions, please drop us a line below. 9:46 Gelecekte bu tür daha fazla video görmek isterseniz, beğenmeyi ve abone olmayı unutmayın. And if you want to see more videos like this in the future, please like and subscribe. Altyazı bilgisayarımda üretildi ve videoyla ilerler; bir satıra tıklayın, o ana atlasın. Subtitles generated on my computer; they follow the video — click a line to jump there.
Elasticsearch, büyük veri hacimlerini otomatik ölçekleyebilen ve RESTful API üzerinden sorgulanabilen dağıtık NoSQL JSON tabanlı bir veri deposudur. Elasticsearch is a distributed NoSQL JSON-based data store that can automatically scale large volumes of data and be queried via a RESTful API.
Bu video youtube.com üzerinde yayımlandı; buradaki oynatıcı YouTube’undur. Türkçe özet ve altyazı AiPulse için hazırlanmıştır. This video is published on youtube.com ; the player here is YouTube’s. The Turkish summary and subtitles are prepared for AiPulse .
YouTube’da izle Watch on YouTube AI Kritik → AI Critique →