LOGO du client

Big Data
à l’épreuve des projets d’entreprise
#2013
Bretagne 2013
Pas tout à fait….
Et des camions il y en a ….
Et des camions il y en a ….
Ecotaxe
§ Flux entrant 24/7
• 2 000 points par seconde
• 200 paquets par seconde

§ Flux sortant 24/7
• 3* 200 paquets par...
Big Data ?
Big Data
Règle des 3V
Big data is high-volume, high-velocity and high-variety information
assets that demand cost-effectiv...
Big Data
Règle des 3V
Big data is high-volume, high-velocity and high-variety information
assets that demand cost-effectiv...
Data
Toujours plus…

Quantité
de données

Temps
Toujours plus, et plus encore…

Quantité
de données

Temps
The Inverted U

Qualité de
décision

Peter Morville

Sous information

Sur information

Quantité d’informations

U

U/
Créer du
sens
Data è Information

Pour créer du sens
il faut
transformer la donnée en information
métadonnées

Donnée
propriétés
Exemple : individu, événement,
équipement
métadonnées

Exemple : tags, chronologie, géolocalisation,
relations, notes, commentaires….

Métadonnées
Donnée
propriétés
Information

Métadonnées
Donnée
propriétés
Cycle de création

Information
Data …………………………………………….......
Méta - Information

Création

Enrichissement

timeline
Rechercher / Représenter
Dan Roam
Rechercher / Représenter

#FacettedSearch
Trajectoire

Stocker

Rechercher

Analyser
Trajectoire

Stocker

Rechercher

Analyser
Trajectoire

Stocker

Rechercher

Analyser
Ecotaxe
Stocker

Rechercher

Analyser
Ecotaxe
§ Flux entrant 24/7
• 2 000 points par seconde
• 200 paquets par seconde

§ Flux sortant 24/7
• 3* 200 paquets par...
Architecture

#MongoDB
#Cluster
#Sharding
#Multi-sites
RETEX MongoDB

Changement de paradigme
§ En phase amont
Lutter contre la peur des décideurs / la résistance des équipes

§...
Vertical / Horizontal

« Scalabilité » Verticale
Si besoin de plus de puissance
• on ajoute de la mémoire ….
• puis on rem...
Vertical / Horizontal

« Scalabilité » Verticale
Si besoin de plus de puissance
• on ajoute de la mémoire ….
• puis on rem...
Vertical / Horizontal
« Scalabilité» Horizontale
Si besoin de plus de puissance
• on ajoute des serveurs
Corollaire : liné...
Vertical / Horizontal
« Scalabilité» Horizontale
Si besoin de plus de puissance
• on ajoute des serveurs
Corollaire : liné...
MongoDB
Ne pas utilisez MongoDB si votre système est transactionnel, pour le reste …

§ Avantages
• Qualité de la document...
SPARK
Stocker

Rechercher

Analyser
RETEX Elasticsearch

CQRS
Command Query Responsibility Segregation

Command

Query

Store

Index

EventBus
Stocker

Rechercher

Analyser

Rubedo
Le CMS Big Data
RETEX Rubedo
Premier CMS open-source
basé sur un socle NoSQL
+

Dans un monde où
LAMP est LA Norme

NoSQL, mais pour quoi ...
NoSQL et Gestion de contenus
§ Les CMS gèrent des Contenus …

… structurés
et
classés
Rubedo : comparaison des approches
Approche relationnelle
type MySQL

Pour un type de contenu : 6 tables
Pour 10 types de ...
Rubedo : les atouts du NoSQL
§ Atouts Fonctionnels

§ Limites & précautions

• Souplesse de modélisation
• Evolutivité dan...
Rubedo : les cas d’usage

Performances &
Volumétrie

Mobilité

Ergonomie

Souplesse

Use
cases

Recherche &
Géolocalisatio...
RUBEDO : démonstration

NoSQL

JavaScript,
HTML5,
CS
CSS3

DEMONSTRATION
Pause

10 min
LOGO du client

Merci de votre attention
Elasticsearch
Revolutionizing Data Search
and Analytics
Richard Maurer– SEMEA Territory Manager
Agenda
•  Purpose of Elasticsearch
•  Features of Product
•  Customer Examples
•  Company Overview
•  Commercial Offerings...
Purpose of Elasticsearch
•  Organize data and make it easily accessible
–  Through powerful search and analytics
–  Easily...
Features of Elasticsearch
•  Structured & unstructured search
•  Advanced analytics capabilities
•  Unmatched performance
...
User: GitHub
Searches 20TB of data, 1.3 billion files and 130 lines
of code using Elasticsearch
User: Foursquare
Searches 50,000,000 venues every day using
Elasticsearch
User: Fog Creek Software
Searches 40,000,000,000 (40 billion) lines of code in
real-time using Elasticsearch
User: StumbleUpon
Delivers millions of recommendations every day
using Elasticsearch
Example: Email Archiving
Email Archiving of 2 Petabytes of data across 100’s of servers
Big data, structured and unstructu...
Example: Support Agents
Custom Support – Search, Facets, and Reports
Real time metrics
Unprecedented Uptake
Elasticsearch has more than 5 Million downloads
… and 400,000 more each month

Cumulative
Cumulative
...
Company Overview
More than 5 million downloads
400,000 New Downloads per Month
1000s of Mission Critical Implementations
T...
Users
User Raves
Chris Cowan @uhduh
I’m in love with @elasticsearch! I want to use it for everything right now!
Alain Richardt @...
Product Offerings:
Support Throughout Your Project
1.  Core Elasticsearch Training
2.  Development and Production Support
...
1: Training
Core Elasticsearch Training
•  Two day classroom training
•  Delivered by Elasticsearch developers
1.  Worldwi...
2: Support
3: Technical Account Manager
• 
• 
• 
• 
• 

Named technical resource
Single point of contact into Elasticsearch
Onboardin...
Resources
•  www.elasticsearch.com
•  www.elasticsearch.org
•  User Groups:
http://www.elasticsearch.org/community/forum/
...
Le Big Data à l'épreuve des
projets d'entreprise

Yann Aubry
Regional Director
The Big Data Unknown
Top Big Data Challenges?
Translation?
Most struggle
to know what
Big Data is,
how to manage
it and who can
manage it

3

S...
Understanding Big Data – It’s Not Very “Big”

64% - Ingest diverse,
new data in real-time

15% - More than 100TB
of data
2...
When To Use Hadoop, NoSQL
6

Applications
CRM, ERP, Collaboration, Mobile, BI

Data Management
Online Data
RDBMS
RDBMS

Offline Data
Hadoop

Infrast...
Consideration – Online vs. Offline
Online

•  Real-time
•  Low-latency
•  High availability
7

vs.

Offline

•  Long-runni...
Consideration – Online vs. Offline
Online

8

vs.

Offline
MongoDB/NoSQL Is Good for!

360° View of the
Customer

Fraud Detection

User Data
Management

Content
Management &
Deliver...
Hadoop Is Good for!

Risk Modeling

Recommendation
Engine

Ad Targeting

Transaction
Analysis

Trade
Surveillance

Network...
How To Use The Two Together?
Case Study
Insurance leader generates coveted 360-degree view of
customers in 90 days – “The Wall”
Problem
• 

No single v...
Machine Learning

Ad-Serving

Algorithms
MongoDB
Connector for
Hadoop

• 
• 
• 
• 
• 

13

Catalogs and products
User prof...
MongoDB overview
MongoDB
The leading NoSQL database

General
Purpose

15

Document
Database

OpenSource
MongoDB Vision
To provide the best database for how we build and
run apps today
Build
–  New and complex data
–  Flexible
...
Fortune 500 & Global 500
•  10 of the Top Financial Services Institutions
•  10 of the Top Electronics Companies
•  10 of ...
Global Community
5,000,000+
MongoDB Downloads

100,000+
Online Education Registrants

20,000+
MongoDB User Group Members

...
MongoDB Features
• JSON Document Model
with Dynamic Schemas

• Full, Flexible Index Support
and Rich Queries

•  Auto-Shar...
MongoDB Business Value

Enabling New Apps

Faster Time to Market
20

Better Customer Experience

Lower TCO
MongoDB Solutions
Big Data

Content Mgmt & Delivery

User Data Management

21

Mobile & Social

Data Hub
MongoDB Partners (200+)
Software & Services

Cloud & Channel

22

Hardware
MongoDB Products and Services
Subscriptions
MongoDB Enterprise, MMS (On-Prem), Professional Support,
Commercial License

C...
MongoDB Products and Services
MongoDB Enterprise
Enterprise build with value-added capabilities
•  Advanced Security w/Kerberos
•  On-Prem Management
– ...
MongoDB Management Service
Cloud-based suite of services for managing
MongoDB deployments
•  Monitoring, with charts,
dash...
Consulting
Technical Account
Manager

Custom Consulting

•  Named MongoDB
expert

•  Assist with all phases of
project

• ...
Training
Public

Private

•  Dev, admin, and
combined courses
available
•  North America and
EMEA

•  Customized to your
n...
For More Information
Resource
MongoDB Downloads

mongodb.com/download

Free Online Training

education.mongodb.com

Webina...
@yannaubry
Le big data à l'épreuve des projets d'entreprise
Le big data à l'épreuve des projets d'entreprise
Le big data à l'épreuve des projets d'entreprise
Le big data à l'épreuve des projets d'entreprise
Le big data à l'épreuve des projets d'entreprise
Le big data à l'épreuve des projets d'entreprise
Prochain SlideShare
Chargement dans…5
×

Le big data à l'épreuve des projets d'entreprise

1 410 vues

Publié le

Slide du petit déjeuner du 11 décembre 2013

Dans un contexte économique délicat, les outils du « big data » apportent toute la rapidité, la souplesse et la scalabilité requise pour mettre en oeuvre des projets d'entreprise tirant profit de volumes d'information importants. Ces technologies sont désormais une réalité à intégrer aux projets SI.

La société Klee Group organise ce déjeuner thématique en proposant des intervenants du Big Data :
- Mongo DB
- Elasticsearch
- CMS Rubedo

Publié dans : Technologie, Business
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 410
Sur SlideShare
0
Issues des intégrations
0
Intégrations
45
Actions
Partages
0
Téléchargements
55
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Le big data à l'épreuve des projets d'entreprise

  1. 1. LOGO du client Big Data à l’épreuve des projets d’entreprise #2013
  2. 2. Bretagne 2013
  3. 3. Pas tout à fait….
  4. 4. Et des camions il y en a ….
  5. 5. Et des camions il y en a ….
  6. 6. Ecotaxe § Flux entrant 24/7 • 2 000 points par seconde • 200 paquets par seconde § Flux sortant 24/7 • 3* 200 paquets par seconde § Conservation 3 mois • 1, 5 Milliard de paquets • 7 téraoctets
  7. 7. Big Data ?
  8. 8. Big Data Règle des 3V Big data is high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making. gartner.com
  9. 9. Big Data Règle des 3V Big data is high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making. gartner.com Variety Volume Velocity
  10. 10. Data
  11. 11. Toujours plus… Quantité de données Temps
  12. 12. Toujours plus, et plus encore… Quantité de données Temps
  13. 13. The Inverted U Qualité de décision Peter Morville Sous information Sur information Quantité d’informations U U/
  14. 14. Créer du sens
  15. 15. Data è Information Pour créer du sens il faut transformer la donnée en information
  16. 16. métadonnées Donnée propriétés Exemple : individu, événement, équipement
  17. 17. métadonnées Exemple : tags, chronologie, géolocalisation, relations, notes, commentaires…. Métadonnées Donnée propriétés
  18. 18. Information Métadonnées Donnée propriétés
  19. 19. Cycle de création Information Data ……………………………………………....... Méta - Information Création Enrichissement timeline
  20. 20. Rechercher / Représenter Dan Roam
  21. 21. Rechercher / Représenter #FacettedSearch
  22. 22. Trajectoire Stocker Rechercher Analyser
  23. 23. Trajectoire Stocker Rechercher Analyser
  24. 24. Trajectoire Stocker Rechercher Analyser
  25. 25. Ecotaxe Stocker Rechercher Analyser
  26. 26. Ecotaxe § Flux entrant 24/7 • 2 000 points par seconde • 200 paquets par seconde § Flux sortant 24/7 • 3* 200 paquets par seconde § Conservation 3 mois • 1, 5 Milliard de paquets • 7 téraoctets #Volume #Velocity
  27. 27. Architecture #MongoDB #Cluster #Sharding #Multi-sites
  28. 28. RETEX MongoDB Changement de paradigme § En phase amont Lutter contre la peur des décideurs / la résistance des équipes § En phase de spécifications /réalisation Intégrer l’approche documentaire vs approche relationnelle Former les équipes de développement Exemple : logique transactionnelle § En phase de production Lutter contre l’hébergement traditionnel / san Favoriser l’approche horizontale vs verticale
  29. 29. Vertical / Horizontal « Scalabilité » Verticale Si besoin de plus de puissance • on ajoute de la mémoire …. • puis on remplace par un serveur de gamme plus puissante Corollaire : les machines sont surdimensionnées pour absorber une augmentation potentielle de charge
  30. 30. Vertical / Horizontal « Scalabilité » Verticale Si besoin de plus de puissance • on ajoute de la mémoire …. • puis on remplace par un serveur de gamme plus puissante Corollaire : les machines sont surdimensionnées pour absorber une augmentation potentielle de charge
  31. 31. Vertical / Horizontal « Scalabilité» Horizontale Si besoin de plus de puissance • on ajoute des serveurs Corollaire : linéarisation du coût / usage
  32. 32. Vertical / Horizontal « Scalabilité» Horizontale Si besoin de plus de puissance • on ajoute des serveurs Corollaire : linéarisation du coût / usage
  33. 33. MongoDB Ne pas utilisez MongoDB si votre système est transactionnel, pour le reste … § Avantages • Qualité de la documentation • Mise en œuvre rapide • Versatilité § Inconvénient • Sharding pas si simple ! § Bénéfices • Agilité fonctionnelle • Evolution du modèle aisée / versionnement natif • Agilité technique • Alignement matériel par rapports aux usages
  34. 34. SPARK Stocker Rechercher Analyser
  35. 35. RETEX Elasticsearch CQRS Command Query Responsibility Segregation Command Query Store Index EventBus
  36. 36. Stocker Rechercher Analyser Rubedo Le CMS Big Data
  37. 37. RETEX Rubedo Premier CMS open-source basé sur un socle NoSQL + Dans un monde où LAMP est LA Norme NoSQL, mais pour quoi faire ?
  38. 38. NoSQL et Gestion de contenus § Les CMS gèrent des Contenus … … structurés et classés
  39. 39. Rubedo : comparaison des approches Approche relationnelle type MySQL Pour un type de contenu : 6 tables Pour 10 types de contenus : 29 tables 1 requête unitaire = 6 tables et 2 jointures Approche NoSQL documentaire type MongoDB Pour un type de contenu : 1 collection Pour 10 types de contenus : 1 collection 1 requête unitaire : 1 collection
  40. 40. Rubedo : les atouts du NoSQL § Atouts Fonctionnels § Limites & précautions • Souplesse de modélisation • Evolutivité dans le temps • Fonctionnalités de Recherche • • Pas de transactions Déport des règles métiers dans la couche applicative § Atouts Techniques • • • • • Performances en lecture/écriture Stockage de grands volumes Montée en charge linéaire Gestion des fichiers intégrée (MongoDB) • Sécurité centralisée • Framework de développement indispensable ! Certaines typologies de projets peuvent nécessiter une architecture hybride (site de ecommerce complexe par exemple)
  41. 41. Rubedo : les cas d’usage Performances & Volumétrie Mobilité Ergonomie Souplesse Use cases Recherche & Géolocalisation Ouverture & Extensibilité § Portails à fort trafic ou volumétrie § Contenus géo-localisés & cartographie § Moteurs de recherche verticaux § Plateformes multi-sites § Plateformes de contribution décentralisées § Sites mobiles
  42. 42. RUBEDO : démonstration NoSQL JavaScript, HTML5, CS CSS3 DEMONSTRATION
  43. 43. Pause 10 min
  44. 44. LOGO du client Merci de votre attention
  45. 45. Elasticsearch Revolutionizing Data Search and Analytics Richard Maurer– SEMEA Territory Manager
  46. 46. Agenda •  Purpose of Elasticsearch •  Features of Product •  Customer Examples •  Company Overview •  Commercial Offerings •  Resources
  47. 47. Purpose of Elasticsearch •  Organize data and make it easily accessible –  Through powerful search and analytics –  Easily consumable (even for non-data scientists) –  Elegantly handles extremely large data volumes –  Delivers results in real time •  Technology stack agnostic •  Used across all market verticals
  48. 48. Features of Elasticsearch •  Structured & unstructured search •  Advanced analytics capabilities •  Unmatched performance •  Real-time results •  Highly scalable •  User friendly installation and maintenance
  49. 49. User: GitHub Searches 20TB of data, 1.3 billion files and 130 lines of code using Elasticsearch
  50. 50. User: Foursquare Searches 50,000,000 venues every day using Elasticsearch
  51. 51. User: Fog Creek Software Searches 40,000,000,000 (40 billion) lines of code in real-time using Elasticsearch
  52. 52. User: StumbleUpon Delivers millions of recommendations every day using Elasticsearch
  53. 53. Example: Email Archiving Email Archiving of 2 Petabytes of data across 100’s of servers Big data, structured and unstructured
  54. 54. Example: Support Agents Custom Support – Search, Facets, and Reports Real time metrics
  55. 55. Unprecedented Uptake Elasticsearch has more than 5 Million downloads … and 400,000 more each month Cumulative Cumulative m
  56. 56. Company Overview More than 5 million downloads 400,000 New Downloads per Month 1000s of Mission Critical Implementations Top Investors: Benchmark Capital, Index Ventures •  Seasoned Executive Team •  •  •  •  –  Founded by Creator of Elasticsearch –  Seasoned Executives from SpringSource
  57. 57. Users
  58. 58. User Raves Chris Cowan @uhduh I’m in love with @elasticsearch! I want to use it for everything right now! Alain Richardt @alaincxs Moving ffrom #solr to # Elasticsearch is like upgrading from a Reliant Robin to a McLaren F1 Pete Connolly @peteconnolly Two really useful and productive days of training from @kimchy and @uboness all about #elasticsearch. Best training course in years Cyril Lacôte @clacote #ElasticSearch is the s*&t. Amazingly simple and powerful. Open source is awesome. That's made my day. Logan Lowell @fractaloop Tweaking @elasticsearch for huge indexes can be fun. I'm very glad the IRC channel is so helpful too.
  59. 59. Product Offerings: Support Throughout Your Project 1.  Core Elasticsearch Training 2.  Development and Production Support 3.  Technical Account Manager
  60. 60. 1: Training Core Elasticsearch Training •  Two day classroom training •  Delivered by Elasticsearch developers 1.  Worldwide Public Courses 2.  Onsite Training Course
  61. 61. 2: Support
  62. 62. 3: Technical Account Manager •  •  •  •  •  Named technical resource Single point of contact into Elasticsearch Onboarding call to assess your goals Four health checks per year Go-to expert to drive success with your Elasticsearch deployment
  63. 63. Resources •  www.elasticsearch.com •  www.elasticsearch.org •  User Groups: http://www.elasticsearch.org/community/forum/ •  Contact: Richard Maurer Territory Manager Richard.maurer@elasticsearch.com
  64. 64. Le Big Data à l'épreuve des projets d'entreprise Yann Aubry Regional Director
  65. 65. The Big Data Unknown
  66. 66. Top Big Data Challenges? Translation? Most struggle to know what Big Data is, how to manage it and who can manage it 3 Source: Gartner
  67. 67. Understanding Big Data – It’s Not Very “Big” 64% - Ingest diverse, new data in real-time 15% - More than 100TB of data 20% - Less than 100TB (average of all? <20TB) from Big Data Executive Summary – 50+ top executives from Government and F500 firms 4
  68. 68. When To Use Hadoop, NoSQL
  69. 69. 6 Applications CRM, ERP, Collaboration, Mobile, BI Data Management Online Data RDBMS RDBMS Offline Data Hadoop Infrastructure OS & Virtualization, Compute, Storage, Network EDW Security & Auditing Management & Monitoring Enterprise Big Data Stack
  70. 70. Consideration – Online vs. Offline Online •  Real-time •  Low-latency •  High availability 7 vs. Offline •  Long-running •  High-Latency •  Availability is lower priority
  71. 71. Consideration – Online vs. Offline Online 8 vs. Offline
  72. 72. MongoDB/NoSQL Is Good for! 360° View of the Customer Fraud Detection User Data Management Content Management & Delivery Reference Data Product Catalogs 9 Mobile & Social Apps Machine to Machine Apps Data Hub
  73. 73. Hadoop Is Good for! Risk Modeling Recommendation Engine Ad Targeting Transaction Analysis Trade Surveillance Network Failure Prediction 10 Churn Analysis Search Quality Data Lake
  74. 74. How To Use The Two Together?
  75. 75. Case Study Insurance leader generates coveted 360-degree view of customers in 90 days – “The Wall” Problem •  No single view of customer •  145 yrs of policy data, 70+ systems, 15+ apps •  2 years, $25M trying to aggregate in RDBMS – failed Why MongoDB •  Agility – prototype in 5 days; production in 90 days •  Dynamic schema & rich querying – combine disparate data into one data store •  Hot tech to attract top talent 12 Results •  Increased call center productivity •  Better customer experience, reduced churn, more upsell opps •  Dozens more projects in the works to leverage this data platform
  76. 76. Machine Learning Ad-Serving Algorithms MongoDB Connector for Hadoop •  •  •  •  •  13 Catalogs and products User profiles Clicks Views Transactions •  User segmentation •  Recommendation engine •  Prediction engine
  77. 77. MongoDB overview
  78. 78. MongoDB The leading NoSQL database General Purpose 15 Document Database OpenSource
  79. 79. MongoDB Vision To provide the best database for how we build and run apps today Build –  New and complex data –  Flexible –  New languages –  Faster development 16 Run –  Big Data scalability –  Real-time –  Commodity hardware –  Cloud
  80. 80. Fortune 500 & Global 500 •  10 of the Top Financial Services Institutions •  10 of the Top Electronics Companies •  10 of the Top Media and Entertainment Companies •  8 of the Top Retailers •  6 of the Top Telcos •  5 of the Top Technology Companies •  4 of the Top Healthcare Companies 17
  81. 81. Global Community 5,000,000+ MongoDB Downloads 100,000+ Online Education Registrants 20,000+ MongoDB User Group Members 20,000+ MongoDB Days Attendees 20,000+ MongoDB Management Service (MMS) Users 18
  82. 82. MongoDB Features • JSON Document Model with Dynamic Schemas • Full, Flexible Index Support and Rich Queries •  Auto-Sharding for Horizontal Scalability •  Built-In Replication for High Availability •  Text Search •  Advanced Security •  Aggregation Framework and MapReduce •  Large Media Storage with GridFS 19
  83. 83. MongoDB Business Value Enabling New Apps Faster Time to Market 20 Better Customer Experience Lower TCO
  84. 84. MongoDB Solutions Big Data Content Mgmt & Delivery User Data Management 21 Mobile & Social Data Hub
  85. 85. MongoDB Partners (200+) Software & Services Cloud & Channel 22 Hardware
  86. 86. MongoDB Products and Services Subscriptions MongoDB Enterprise, MMS (On-Prem), Professional Support, Commercial License Consulting Expert Resources for All Phases of MongoDB Implementations Training Online and In-Person for Developers and Administrators MongoDB Management Service (MMS) Cloud-Based Suite of Services for Managing MongoDB Deployments 23
  87. 87. MongoDB Products and Services
  88. 88. MongoDB Enterprise Enterprise build with value-added capabilities •  Advanced Security w/Kerberos •  On-Prem Management –  Visualization and alerts on 100+ system metrics –  Backup features coming soon –  On-premise version of MongoDB Monitoring Services (MMS) •  Enterprise Software Integration via SNMP •  Private, On-Demand MongoDB University Training •  Certified OS Support 25
  89. 89. MongoDB Management Service Cloud-based suite of services for managing MongoDB deployments •  Monitoring, with charts, dashboards and alerts on 100+ metrics •  Backup and restore, with pointin-time recovery, support for sharded clusters •  MMS On-Prem included with MongoDB Enterprise (backup coming soon) 26
  90. 90. Consulting Technical Account Manager Custom Consulting •  Named MongoDB expert •  Assist with all phases of project •  Advisory services •  E.g., config., testing, optimization, best practices •  Ongoing basis Lightning Consults also available 27 Health Check •  Assess overall status and health of existing MongoDB deployment
  91. 91. Training Public Private •  Dev, admin, and combined courses available •  North America and EMEA •  Customized to your needs •  For devs and admins •  On-Site Online •  Free •  For devs and admins •  7 weeks •  Weekly lectures, homework, final exam Private, On-Demand MongoDB University Training Included with MongoDB Enterprise Subscription 28
  92. 92. For More Information Resource MongoDB Downloads mongodb.com/download Free Online Training education.mongodb.com Webinars and Events mongodb.com/events White Papers mongodb.com/white-papers Case Studies mongodb.com/customers Presentations mongodb.com/presentations Documentation docs.mongodb.org Additional Info 29 Location info@mongodb.com
  93. 93. @yannaubry

×