Elasticsearch — Iniciación

Este curso está dirigido a perfiles técnicos —desarrolladores, analistas de datos y administradores de sistemas— que se aproximan por primera vez a Elasticsearch y necesitan comprender sus fundamentos antes de integrarlo en proyectos reales. A lo largo de las ocho horas lectivas, la persona participante conocerá la estructura interna de Elasticsearch (índices, documentos y campos), aprenderá a leer e interpretar respuestas JSON de la API, realizará operaciones CRUD y consultas de búsqueda sobre índices de prueba mediante Kibana Dev Tools, y comprenderá cómo el mapping y el análisis de texto condicionan el comportamiento de las búsquedas. Al finalizar, el alumno será capaz de crear un índice con mapping explícito, indexar documentos, ejecutar consultas match, term, range y bool básicas, y diagnosticar los errores más frecuentes de la API, todo ello en un entorno guiado y con datos de ejemplo.

1. Describir la organización lógica de Elasticsearch —índice, documento y campo— e interpretar los metadatos clave presentes en cualquier respuesta JSON de la API.
2. Ejecutar el ciclo completo de operaciones CRUD sobre un índice de prueba utilizando Kibana Dev Tools, siguiendo un flujo de trabajo guiado.
3. Aplicar un mapping básico con tipos de dato adecuados al crear un índice, razonando la elección entre text y keyword según el caso de uso.
4. Ejecutar consultas de búsqueda simples y filtros booleanos para acotar resultados, comprendiendo el papel del análisis de texto en la relevancia.
5. Identificar y explicar los errores más comunes de la API de Elasticsearch a partir de respuestas de error reales, asociando cada código a su causa probable.

Bloque 1 — Conceptos fundamentales de Elasticsearch. Se introduce la arquitectura lógica del motor: qué es un índice, cómo se organiza en documentos y qué papel desempeñan los campos dentro de cada documento. Se estudia la anatomía de una respuesta JSON típica, prestando atención a los metadatos _index, _id, _source y _score, y se explica qué información aporta cada uno de ellos durante una búsqueda real.

Bloque 2 — Operaciones CRUD con Kibana Dev Tools. Con el entorno de laboratorio en marcha, el alumno recorre de forma práctica y guiada las cuatro operaciones básicas: creación, lectura, actualización y eliminación de documentos sobre un índice de prueba. Se presentan los métodos HTTP correspondientes (PUT, GET, POST, DELETE) y se analiza la respuesta de la API en cada caso.

Bloque 3 — Mapping y análisis de texto. Se aborda la creación de un índice con mapping explícito, definiendo los tipos de dato más habituales: text, keyword, integer y date. Se explica el concepto de análisis de texto —tokenización y normalización— y se establecen criterios prácticos para decidir cuándo conviene utilizar text frente a keyword, ilustrándolo con casos de uso concretos.

Bloque 4 — Consultas y filtros de búsqueda. Se ponen en práctica las consultas match, term y range sobre un conjunto de datos proporcionado, usando la API REST o Dev Tools. A continuación se introduce la bool query y sus cláusulas must, filter y should, permitiendo combinar condiciones para acotar resultados. El bloque cierra con la identificación de los errores más frecuentes de la API —404 index not found, 400 mapping conflict y 405 method not allowed—, su causa probable y las acciones correctoras inmediatas.

• Navegador web moderno (Chrome 110+, Firefox 110+ o Edge 110+) con acceso al entorno de laboratorio proporcionado por el curso.
• Acceso a una instancia de Elasticsearch 8.x y Kibana 8.x —se facilitará una imagen Docker Compose lista para usar o un entorno en la nube del curso.
• Docker Desktop 4.x (o Docker Engine 24+ en Linux) si se opta por el entorno local, con al menos 4 GB de RAM asignados al motor Docker.
• Conexión a internet estable para acceder a la documentación oficial y a los materiales del curso.

• Familiaridad básica con el protocolo HTTP y el formato JSON: saber leer un objeto JSON y distinguir los verbos GET, POST, PUT y DELETE.
• Manejo elemental de una terminal o de una herramienta de cliente HTTP (p. ej., curl, Postman o similar).
• Comprensión general de qué es una base de datos y para qué se utiliza; no se requiere experiencia previa con bases de datos relacionales ni con ningún motor de búsqueda.