Formation Quickwit

Programme de notre formation Quickwit

Présentation de Quickwit

• Présentation de Quickwit : historique, positionnement
• Architecture distribuée : splits, stockage objet
• Cas d’usage : observabilité, long-term logging
• Comparaison avec Loki, Elastic, Splunk
• Points forts : scalabilité, coûts réduits, performance
• Pré-requis techniques : environnement, dépendances

Installation & Configuration initiale

• Installation bare metal : binaire officiel, config de base
• Déploiement Docker : images officielles, variables d’env
• Installation sur Kubernetes : Helm chart, secrets, RBAC
• Configuration du stockage : S3, MinIO, GCS
• Metastore & indexation : PostgreSQL, file-based
• Premier index : ingestion de logs et vérification

Requêtes & Intégration DevOps

• Syntaxe de recherche : opérateurs booléens, filtrage
• Requêtes avancées : agrégations, range queries
• Visualisation avec Grafana : datasource Quickwit
• Intégration aux collecteurs (Fluentd, Beats, Vector)
• Comparaison Quickwit vs Loki / Elastic
• Automatisation CI/CD : pipelines de logs

Gestion à grande échelle & Observabilité

• Partitionnement : par date, par application ou tenant
• Stratégies de rétention : purge, archivage, cold storage
• Fusion des segments : merge, pruning, gains en perf
• Monitoring : métriques Quickwit, Prometheus, alerting
• Dashboards : best practices pour logs volumineux
• Atelier rapide : création d’un tableau de bord simple

Optimisation, Scalabilité & Sécurité

• Bonnes pratiques pour ingérer des volumes massifs
• Scalabilité horizontale : multi-nœuds indexers/searchers
• Stockage objet : réduction de coûts, merge segments
• Sécurisation : déploiement derrière un proxy (TLS, auth)
• Multi-tenance : gestion d’équipes, isolation d’indexes
• Gestion des accès : metastore, droits sur le backend

Automatisation & Haute Disponibilité

• Terraform : déploiement automatisé (EC2, S3, Postgres)
• Ansible : installation et configuration idempotentes
• Stratégies HA : plusieurs indexers/searchers redondants
• Failover : détection de panne, redémarrage automatique
• Plan de reprise : test, chaos engineering
• Atelier rapide : script Terraform/Ansible

Analyses avancées & Cas réels

• Détection d’anomalies : règles statiques, ML externe
• Extraction de métriques : calcul agrégé depuis les logs
• Intégration SIEM : corrélation d’événements, menaces
• Use cases : migrations depuis Elasticsearch, archives PB
• Dépannage : logs Quickwit, métriques, résolution pannes
• Atelier final : déploiement complet, recherche & alertes