Meetup ElasticFR #98 - CLI & Arrow

Merci de penser à libérer vos places minimum la veille de l'évènement, si vous ne pouvez pas venir.

Agenda

• Food & drinks
• Ouverture des portes
• Update sur Elastic (5 minutes)
• Talk1: Une command line pour Elasticsearch: Oxydation d'un process par Laurent Saint-Félix (20 minutes)
• Talk2: Analyse de données interactive : la rencontre de ES|QL, Arrow et Pandas par Sylvain Wallez (20 minutes)
• Food & drinks

Une command line pour Elasticsearch: Oxydation d'un process
Par Laurent Saint-Félix, elastic

Découvrez comment la création de divers projets parallèles a révélé le besoin d'un outil plus performant et sécurisé pour interagir avec Elasticsearch. Explorez avec nous le processus qui nous a amenés à choisir Rust pour son potentiel en termes de performance et de sécurité. Ce talk présente un POC (Proof of Concept) illustrant comment ces projets parallèles ont inspiré et façonné sa création. Nous examinerons un écosystème riche, les défis rencontrés et les solutions innovantes mises en œuvre pour aboutir à un outil robuste.

Analyse de données interactive : la rencontre de ES|QL, Arrow et Pandas
Par Sylvain Wallez, Elastic

L'introduction de ES|QL dans Elasticsearch facilite la recherche et l'analyse de grands jeux de données.

ES|QL présente ses résultats sous forme tabulaire en JSON, CSV et aussi au format Apache Arrow, un format de dataframe compact permettant des échanges sans désérialisation, qui est nativement supporté par la librairie Python Pandas.

Cette intégration ouvre de nouvelles perspectives pour l'exploration des données avec les outils habituels des data analysts, et l'intégration facile des pipelines d'aggrégation dans les applications.

Après un bref aperçu de ES|QL, nous ferons une exploration interactive d'un jeu de données avec ES|QL, Arrow et Pandas dans un notebook Jupyter. Et un petit benchmark vous montrera l'efficacité du format Arrow comparé à JSON !