SlideShare une entreprise Scribd logo
1  sur  53
Télécharger pour lire hors ligne
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Institut Africain d’Informatique 
Etablissement Inter-Etats d’Enseignement Supérieur 
B.P. 2263 Libreville, GABON 
Tél. : (+241) 07 70 55 00 / 07 70 56 00 
Site web : www.iaisiege.com E-mail : contact@iaisiege.com 
Graph databases : Les bases de 
données orientées Graphes 
Une brève présentation 
Koffi Sani 
Ingénieur Concepteur en Informatique 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 1 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Sommaire 
1 Introduction 
2 Graphes et Bases de données 
Graphes 
Bases de données 
Faiblesses des bases de données relationnelles 
3 Graph databases 
Vue générale 
Motivations et applications 
Manipulation des graphes 
Quelques exemples 
Langage et modélisation 
4 Démonstration 
5 Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 2 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Plan de l’exposé 
1 Introduction 
2 Graphes et Bases de données 
3 Graph databases 
4 Démonstration 
5 Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 3 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Introduction 
13 septembre 1956 : Invention du disque dur par 
Reynold Jonhson 
1964 : apparition du terme base de données engendrant le concept 
1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 
1990 : bases de données objet-relationnelles 
Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Introduction 
13 septembre 1956 : Invention du disque dur par Reynold Jonhson 
1964 : apparition du terme base de données engendrant 
le concept 
1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 
1990 : bases de données objet-relationnelles 
Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Introduction 
13 septembre 1956 : Invention du disque dur par Reynold Jonhson 
1964 : apparition du terme base de données engendrant le concept 
1970 : thèse mathématique de Edgar F. CODD sur 
l’algèbre relationnelle 
Bases de données relationnelles 
1990 : bases de données objet-relationnelles 
Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Introduction 
13 septembre 1956 : Invention du disque dur par Reynold Jonhson 
1964 : apparition du terme base de données engendrant le concept 
1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 
1990 : bases de données objet-relationnelles 
utilisation du modèle relationnel couplé avec le 
stockage d’objets 
Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Introduction 
13 septembre 1956 : Invention du disque dur par Reynold Jonhson 
1964 : apparition du terme base de données engendrant le concept 
1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 
1990 : bases de données objet-relationnelles 
Graph database, plus d’objets connectés : noeuds, 
relations (arcs) et propriétés 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Plan de l’exposé 
1 Introduction 
2 Graphes et Bases de données 
Graphes 
Bases de données 
Faiblesses des bases de données relationnelles 
3 Graph databases 
4 Démonstration 
5 Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 5 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Graphes 
Définition 
Ensemble de noeuds et de relations les reliant. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 6 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Graphes 
Origine 
1736 : Leonhard Euler, mathématicien Suisse, avec son problème des 7 ponts de 
Könisgberg. 
Utilité 
Comprendre une large diversité d’ensemble de données dans le monde réel : en 
science, en gouvernance et en affaires. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 6 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Bases de données 
Définition 
Conteneur informatique permettant de stocker l’intégralité des informations en 
rapport avec une activité. 
pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, le 
travail et l’utilisation d’informations ; 
un logiciel moteur qui manipule la base de données et dirige l’accès à son contenu 
très fréquentes dans les secteurs de la finance, des assurances, des écoles, de 
l’administration publique et les médias. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Bases de données 
Définition 
Conteneur informatique permettant de stocker l’intégralité des informations en 
rapport avec une activité. 
pièce centrale des dispositifs informatiques qui servent 
à la collecte, le stockage, le travail et l’utilisation 
d’informations ; 
un logiciel moteur qui manipule la base de données et dirige l’accès à son contenu 
très fréquentes dans les secteurs de la finance, des assurances, des écoles, de 
l’administration publique et les médias. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Bases de données 
Définition 
Conteneur informatique permettant de stocker l’intégralité des informations en 
rapport avec une activité. 
pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, 
le travail et l’utilisation d’informations ; 
un logiciel moteur qui manipule la base de données et 
dirige l’accès à son contenu : SGBD; 
très fréquentes dans les secteurs de la finance, des assurances, des écoles, de 
l’administration publique et les médias. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Bases de données 
Définition 
Conteneur informatique permettant de stocker l’intégralité des informations en 
rapport avec une activité. 
pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, 
le travail et l’utilisation d’informations ; 
un logiciel moteur qui manipule la base de données et dirige l’accès à son 
contenu 
très fréquentes dans les secteurs de la finance, des 
assurances, des écoles, de l’administration publique et 
les médias. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Faiblesses du modèle relationnel I 
Pauvres en matière de modélisation des relations : les relations sont des 
jointures des tables ; 
Deviennent accablées avec de larges jointures ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 8 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Faiblesses du modèle relationnel II 
"qui sont les amis de Bob ?" 
1 SELECT p1.Person 
2 FROM Person p1 JOIN 
PersonFriend 
3 ON p1.ID = PersonFriend. 
FriendID 
4 JOIN Person p2 
5 ON p2.ID = PersonFriend. 
PersonID 
6 WHERE p2.Person = ’Bob’ ; 
"avec qui Bob est-il ami ?" 
1 SELECT p1.Person 
2 FROM Person p1 JOIN 
PersonFriend 
3 ON PersonFriend.PersonID 
= p1.ID 
4 JOIN Person p2 
5 ON PersonFriend.FriendID 
= p2.ID 
6 WHERE p2.Person = ’Bob’ ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 9 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Graphes Bases de données Faiblesses des SGBDR 
Faiblesses du modèle relationnel III 
Complexité s’agrandit : "qui sont les amis des amis d’Alice ?" 
1 SELECT p1.Person AS PERSON , p2.Person AS FRIEND_OF_FRIEND 
2 FROM PersonFriend pf1 JOIN Person p1 
3 ON pf1.PersonID = p1.ID 
4 JOIN PersonFriend pf2 
5 ON pf2.PersonID = pf1.FriendID 
6 JOIN Person p2 
7 ON pf2.FriendID = p2.ID 
8 WHERE p1.Person = ’Alice’ AND pf2.FriendID <> p1.ID; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 10 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Plan de l’exposé 
1 Introduction 
2 Graphes et Bases de données 
3 Graph databases 
Vue générale 
Motivations et applications 
Manipulation des graphes 
Quelques exemples 
Langage et modélisation 
4 Démonstration 
5 Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 11 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Vue générale 
Définition 
Base de données utilisant les structures de graphes (noeuds, arcs et propriétés) pour 
représenter et stocker les données. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Vue générale 
La puissance des graph databases 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Vue générale 
La puissance des graph databases 
Performance : Expérience de Partner et Vukovi´c dans Neo4j in Action 
Flexibilité ; 
Agilité . 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Vue générale 
La puissance des graph databases 
Performance 
Flexibilité : ajout de noeuds, de relations et propriétés sans perturber les 
requêtes existantes ; 
Agilité . 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Vue générale 
La puissance des graph databases 
Performance 
Flexibilité ; 
Agilité : développement sans friction et contrôlé, gracieuse maintenance. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Motivations 
Modèle de graphe très utile dans la vie active : 
généraliser les modèles classiques ; 
complexité des données dépassant la capacité du modèle relationnel ; 
nécessité d’augmenter les fonctionnalités du modèle objet. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Motivations 
Modèle de graphe très utile dans la vie active : 
généraliser les modèles classiques : manque de 
sémantique, connectivité des données invisible ; 
complexité des données dépassant la capacité du modèle relationnel ; 
nécessité d’augmenter les fonctionnalités du modèle objet. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Motivations 
Modèle de graphe très utile dans la vie active : 
généraliser les modèles classiques ; 
complexité des données dépassant la capacité du 
modèle relationnel : gestion des réseaux de transport, 
... ; 
nécessité d’augmenter les fonctionnalités du modèle objet. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Motivations 
Modèle de graphe très utile dans la vie active : 
généraliser les modèles classiques ; 
complexité des données dépassant la capacité du modèle relationnel ; 
nécessité d’augmenter les fonctionnalités du modèle 
objet. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Applications 
La gestion des données : un système de gestion hiérarchique basé sur Neo4j 
L’interconnectivité sociale ; 
La gestion des réseaux ; 
La sécurité et l’accès aux données. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Applications 
La gestion des données 
L’interconnectivité sociale : gestion de la connectivité grâce aux graphes 
; 
La gestion des réseaux ; 
La sécurité et l’accès aux données. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Applications 
La gestion des données 
L’interconnectivité sociale ; 
La gestion des réseaux : migration vers les graph databases pour gérer la forte 
connectivité de leurs clients 
; 
La sécurité et l’accès aux données. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Applications 
La gestion des données 
L’interconnectivité sociale ; 
La gestion des réseaux ; 
La sécurité et l’accès aux données : relier les détails d’authentification des 
clients et administrateurs 
. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Manipulation des graphes 
Les moteurs de manipulation des graphes 
Exécution des algorithmes de graphes sur divers ensembles de données ; 
Identification des "clusters" dans les données ou réponse à des questions telles 
que : "combien de relations, en moyenne, chaque entité a dans le réseau 
social ?" 
Particularités 
Traitement par lots (requêtes globales) ; 
Incluent des couches de stockage des données ou manipulent des données 
issues de sources externes ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Manipulation des graphes 
Les moteurs de manipulation des graphes 
Exécution des algorithmes de graphes sur divers ensembles de données ; 
Identification des "clusters" dans les données ou réponse à des questions telles 
que : "combien de relations, en moyenne, chaque entité a dans le réseau 
social ?" 
Particularités 
Traitement par lots (requêtes globales) ; 
Incluent des couches de stockage des données ou manipulent des données 
issues de sources externes ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Manipulation des graphes 
Les moteurs de manipulation des graphes 
Exécution des algorithmes de graphes sur divers ensembles de données ; 
Identification des "clusters" dans les données ou réponse à des questions telles 
que : "combien de relations, en moyenne, chaque entité a dans le réseau 
social ?" 
Particularités 
Traitement par lots (requêtes globales) ; 
Incluent des couches de stockage des données ou manipulent des données 
issues de sources externes ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Manipulation des graphes 
Les moteurs de manipulation des graphes 
Exécution des algorithmes de graphes sur divers ensembles de données ; 
Identification des "clusters" dans les données ou réponse à des questions telles 
que : "combien de relations, en moyenne, chaque entité a dans le réseau 
social ?" 
Particularités 
Traitement par lots (requêtes globales) ; 
Incluent des couches de stockage des données ou manipulent des données 
issues de sources externes ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Manipulation des graphes 
Les moteurs de manipulation des graphes 
Exécution des algorithmes de graphes sur divers ensembles de données ; 
Identification des "clusters" dans les données ou réponse à des questions telles 
que : "combien de relations, en moyenne, chaque entité a dans le réseau 
social ?" 
Particularités 
Traitement par lots (requêtes globales) ; 
Incluent des couches de stockage des données ou manipulent des données 
issues de sources externes ; 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Quelques exemples 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 16 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Interroger les graphes : Cypher 
Aussi SPARQL, Gremlin, ... 
Syntaxe : similaire à SQL (CREATE, UPDATE, DELETE, WHERE, ...) ; 
Création d’un graphe : 
Pour représenter le graphe ci-contre, il 
faut : 
1 CREATE (a), (b), (c) 
2 CREATE (a)-[:KNOWS]->(b)-[: 
KNOWS]->(c), (a)-[:KNOWS 
]->(c) 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 17 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Interroger les graphes : Cypher 
Aussi SPARQL, Gremlin, ... 
Syntaxe : similaire à SQL (CREATE, UPDATE, DELETE, WHERE, ...) ; 
Création d’un graphe : 
Pour représenter le graphe ci-contre, il 
faut : 
1 CREATE (a), (b), (c) 
2 CREATE (a)-[:KNOWS]->(b)-[: 
KNOWS]->(c), (a)-[:KNOWS 
]->(c) 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 17 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Interroger les graphes : Cypher 
Aussi SPARQL, Gremlin, ... 
Syntaxe : similaire à SQL (CREATE, UPDATE, DELETE, WHERE, ...) ; 
Création d’un graphe : 
Pour représenter le graphe ci-contre, il 
faut : 
1 CREATE (a), (b), (c) 
2 CREATE (a)-[:KNOWS]->(b)-[: 
KNOWS]->(c), (a)-[:KNOWS 
]->(c) 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 17 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Interroger les graphes : Cypher 
Parcours du graphe : 
1 START a = node:user(name = ’Michael’) 
2 MATCH (a)-[:KNOWS]->(b)-[:KNOWS]->(c), (a)-[:KNOWS]->(c) 
3 RETURN b, c 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 18 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Modélisation par un graphe 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 19 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 
Modélisation par un graphe 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 19 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Plan de l’exposé 
1 Introduction 
2 Graphes et Bases de données 
3 Graph databases 
4 Démonstration 
5 Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 20 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 21 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Plan de l’exposé 
1 Introduction 
2 Graphes et Bases de données 
3 Graph databases 
4 Démonstration 
5 Conclusion 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 22 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Conclusion 
Sujet plus que d’actualité 
Technologie très adaptée pour des applications de nos jours ; 
Modélisation très liée au monde réel ; 
Devient facile avec la maîtrise des graphes ; 
Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Conclusion 
Sujet plus que d’actualité 
Technologie très adaptée pour des applications de nos 
jours ; 
Modélisation très liée au monde réel ; 
Devient facile avec la maîtrise des graphes ; 
Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Conclusion 
Sujet plus que d’actualité 
Technologie très adaptée pour des applications de nos jours ; 
Modélisation très liée au monde réel ; 
Devient facile avec la maîtrise des graphes ; 
Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Conclusion 
Sujet plus que d’actualité 
Technologie très adaptée pour des applications de nos jours ; 
Modélisation très liée au monde réel ; 
Devient facile avec la maîtrise des graphes ; 
Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
Conclusion 
Sujet plus que d’actualité 
Technologie très adaptée pour des applications de nos jours ; 
Modélisation très liée au monde réel ; 
Devient facile avec la maîtrise des graphes ; 
Plus d’informations : Graph databases, Ian Robinson, 
Jim Webber & Emil Eifrem. 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
Introduction Graphes et Bases de données Graph databases Démonstration Conclusion 
koffisani@gmail.com koffisani koffisani 
koffisani +KoffiSani 
Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 24 / 24

Contenu connexe

Tendances

Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQLAntoine Augusti
 
Cours Big Data Chap6
Cours Big Data Chap6Cours Big Data Chap6
Cours Big Data Chap6Amal Abid
 
Big Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesBig Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesJean-Michel Franco
 
BigData_TP4 : Cassandra
BigData_TP4 : CassandraBigData_TP4 : Cassandra
BigData_TP4 : CassandraLilia Sfaxi
 
Introduction au big data
Introduction au big dataIntroduction au big data
Introduction au big dataAbdelghani Azri
 
Base de données NoSQL
Base de données NoSQLBase de données NoSQL
Base de données NoSQLOussama ARBI
 
Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessVincent de Stoecklin
 
Introduction NoSql 201406 - lbroudoux
Introduction NoSql 201406 - lbroudouxIntroduction NoSql 201406 - lbroudoux
Introduction NoSql 201406 - lbroudouxLaurent Broudoux
 
Big data: NoSQL comme solution
Big data: NoSQL comme solutionBig data: NoSQL comme solution
Big data: NoSQL comme solutionJEMLI Fathi
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQLkamar MEDDAH
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQLLilia Sfaxi
 
Neo4j et ses cas d'usages
Neo4j et ses cas d'usagesNeo4j et ses cas d'usages
Neo4j et ses cas d'usagesNeo4j
 
RDBMS to Graph
RDBMS to GraphRDBMS to Graph
RDBMS to GraphNeo4j
 
Spark (v1.3) - Présentation (Français)
Spark (v1.3) - Présentation (Français)Spark (v1.3) - Présentation (Français)
Spark (v1.3) - Présentation (Français)Alexis Seigneurin
 
Bases de données no sql.pdf
Bases de données no sql.pdfBases de données no sql.pdf
Bases de données no sql.pdfZkSadrati
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & SparkAlexia Audevart
 

Tendances (20)

Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
 
Cours Big Data Chap6
Cours Big Data Chap6Cours Big Data Chap6
Cours Big Data Chap6
 
Big Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendancesBig Data : concepts, cas d'usage et tendances
Big Data : concepts, cas d'usage et tendances
 
BigData_TP4 : Cassandra
BigData_TP4 : CassandraBigData_TP4 : Cassandra
BigData_TP4 : Cassandra
 
Introduction au big data
Introduction au big dataIntroduction au big data
Introduction au big data
 
Base de données NoSQL
Base de données NoSQLBase de données NoSQL
Base de données NoSQL
 
Etude sur le Big Data
Etude sur le Big DataEtude sur le Big Data
Etude sur le Big Data
 
Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-business
 
Introduction NoSql 201406 - lbroudoux
Introduction NoSql 201406 - lbroudouxIntroduction NoSql 201406 - lbroudoux
Introduction NoSql 201406 - lbroudoux
 
Big data: NoSQL comme solution
Big data: NoSQL comme solutionBig data: NoSQL comme solution
Big data: NoSQL comme solution
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQL
 
Les BD NoSQL
Les BD NoSQLLes BD NoSQL
Les BD NoSQL
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQL
 
Neo4j et ses cas d'usages
Neo4j et ses cas d'usagesNeo4j et ses cas d'usages
Neo4j et ses cas d'usages
 
RDBMS to Graph
RDBMS to GraphRDBMS to Graph
RDBMS to Graph
 
Spark (v1.3) - Présentation (Français)
Spark (v1.3) - Présentation (Français)Spark (v1.3) - Présentation (Français)
Spark (v1.3) - Présentation (Français)
 
Bases de données no sql.pdf
Bases de données no sql.pdfBases de données no sql.pdf
Bases de données no sql.pdf
 
Big data
Big dataBig data
Big data
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 

En vedette

Graphes et détection de fraude : exemple de l'assurance
Graphes et détection de fraude : exemple de l'assuranceGraphes et détection de fraude : exemple de l'assurance
Graphes et détection de fraude : exemple de l'assuranceLinkurious
 
[FRENCH] - Neo4j and Cypher - Remi Delhaye
[FRENCH] - Neo4j and Cypher - Remi Delhaye[FRENCH] - Neo4j and Cypher - Remi Delhaye
[FRENCH] - Neo4j and Cypher - Remi DelhayeRémi Delhaye
 
201301 - Focus Neo4j
201301 - Focus Neo4j201301 - Focus Neo4j
201301 - Focus Neo4jlyonjug
 
01 nosql and multi model database
01   nosql and multi model database01   nosql and multi model database
01 nosql and multi model databaseMahdi Atawneh
 
Neo4j Graph Database Presentation (German)
Neo4j Graph Database Presentation (German)Neo4j Graph Database Presentation (German)
Neo4j Graph Database Presentation (German)jexp
 
Data Modeling with Neo4j
Data Modeling with Neo4jData Modeling with Neo4j
Data Modeling with Neo4jNeo4j
 
Intro to Neo4j presentation
Intro to Neo4j presentationIntro to Neo4j presentation
Intro to Neo4j presentationjexp
 
Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...
Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...
Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...Serious Detecting
 
PrésiTrack : l'analyse de la semaine du 13 au 17 mars
PrésiTrack : l'analyse de la semaine du 13 au 17 marsPrésiTrack : l'analyse de la semaine du 13 au 17 mars
PrésiTrack : l'analyse de la semaine du 13 au 17 marsAlexandre Rousset
 
Cours des bases de données
Cours des bases de données Cours des bases de données
Cours des bases de données yassine kchiri
 
Solution de transfert mobile - Formats d'échange
Solution de transfert mobile - Formats d'échangeSolution de transfert mobile - Formats d'échange
Solution de transfert mobile - Formats d'échangeOCTO Technology
 
Presentació
PresentacióPresentació
Presentaciósmestref
 
AEM Projet de décret 2-15-303 (Activités Autorisées) Version FR
AEM Projet de décret 2-15-303 (Activités Autorisées) Version FRAEM Projet de décret 2-15-303 (Activités Autorisées) Version FR
AEM Projet de décret 2-15-303 (Activités Autorisées) Version FRAuto-Entrepreneurs MAROC
 
Leistungserklärung ver.5
Leistungserklärung ver.5Leistungserklärung ver.5
Leistungserklärung ver.5Norbert Koch
 

En vedette (20)

Graphes et détection de fraude : exemple de l'assurance
Graphes et détection de fraude : exemple de l'assuranceGraphes et détection de fraude : exemple de l'assurance
Graphes et détection de fraude : exemple de l'assurance
 
[FRENCH] - Neo4j and Cypher - Remi Delhaye
[FRENCH] - Neo4j and Cypher - Remi Delhaye[FRENCH] - Neo4j and Cypher - Remi Delhaye
[FRENCH] - Neo4j and Cypher - Remi Delhaye
 
201301 - Focus Neo4j
201301 - Focus Neo4j201301 - Focus Neo4j
201301 - Focus Neo4j
 
01 nosql and multi model database
01   nosql and multi model database01   nosql and multi model database
01 nosql and multi model database
 
NoSQL & HBase overview
NoSQL & HBase overviewNoSQL & HBase overview
NoSQL & HBase overview
 
Introduction aux SGBD
Introduction aux SGBDIntroduction aux SGBD
Introduction aux SGBD
 
Multi model-databases
Multi model-databasesMulti model-databases
Multi model-databases
 
Neo4j Graph Database Presentation (German)
Neo4j Graph Database Presentation (German)Neo4j Graph Database Presentation (German)
Neo4j Graph Database Presentation (German)
 
Sgbdr merise
Sgbdr meriseSgbdr merise
Sgbdr merise
 
Data Modeling with Neo4j
Data Modeling with Neo4jData Modeling with Neo4j
Data Modeling with Neo4j
 
Intro to Neo4j presentation
Intro to Neo4j presentationIntro to Neo4j presentation
Intro to Neo4j presentation
 
Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...
Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...
Instruction Manual Minelab X-TERRA 705 Metal Detector French Language (4901-0...
 
PrésiTrack : l'analyse de la semaine du 13 au 17 mars
PrésiTrack : l'analyse de la semaine du 13 au 17 marsPrésiTrack : l'analyse de la semaine du 13 au 17 mars
PrésiTrack : l'analyse de la semaine du 13 au 17 mars
 
Cours des bases de données
Cours des bases de données Cours des bases de données
Cours des bases de données
 
Solution de transfert mobile - Formats d'échange
Solution de transfert mobile - Formats d'échangeSolution de transfert mobile - Formats d'échange
Solution de transfert mobile - Formats d'échange
 
Com tenir tenir cura d'un mateix: la potenciació de la resiliència dia a dia....
Com tenir tenir cura d'un mateix: la potenciació de la resiliència dia a dia....Com tenir tenir cura d'un mateix: la potenciació de la resiliència dia a dia....
Com tenir tenir cura d'un mateix: la potenciació de la resiliència dia a dia....
 
Presentació
PresentacióPresentació
Presentació
 
AEM Projet de décret 2-15-303 (Activités Autorisées) Version FR
AEM Projet de décret 2-15-303 (Activités Autorisées) Version FRAEM Projet de décret 2-15-303 (Activités Autorisées) Version FR
AEM Projet de décret 2-15-303 (Activités Autorisées) Version FR
 
Sistema Cardiorespiratorio.
Sistema Cardiorespiratorio.Sistema Cardiorespiratorio.
Sistema Cardiorespiratorio.
 
Leistungserklärung ver.5
Leistungserklärung ver.5Leistungserklärung ver.5
Leistungserklärung ver.5
 

Similaire à Présentation des bases de données orientées graphes

Cartographie de l'information
Cartographie de l'informationCartographie de l'information
Cartographie de l'informationlaureno
 
"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)
"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)
"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)Abdellah SELASSI
 
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...Paris Open Source Summit
 
Matinale "Data Science et Machine Learning"
Matinale "Data Science et Machine Learning"Matinale "Data Science et Machine Learning"
Matinale "Data Science et Machine Learning"Aline Deschamps
 
In01 - Programmation Android - 04 - databases
In01 - Programmation Android - 04 - databasesIn01 - Programmation Android - 04 - databases
In01 - Programmation Android - 04 - databasesYann Caron
 
Réflexions sur les missions et les compétences liées à une démarche data terr...
Réflexions sur les missions et les compétences liées à une démarche data terr...Réflexions sur les missions et les compétences liées à une démarche data terr...
Réflexions sur les missions et les compétences liées à une démarche data terr...Mairie de Paris
 
Apprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMinerApprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMinerMajdi Hannachi
 
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limitesDIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limitesmedialabSciencesPo
 
Implémentation de la norme Records in Contexts par la Fondation SAPA, Archiv...
Implémentation de la norme Records in Contexts  par la Fondation SAPA, Archiv...Implémentation de la norme Records in Contexts  par la Fondation SAPA, Archiv...
Implémentation de la norme Records in Contexts par la Fondation SAPA, Archiv...Forum des archivistes de l'arc lémanique
 
Data Tuesday 20 nov 2012 INSEE - Datalift
Data Tuesday 20 nov 2012  INSEE - Datalift Data Tuesday 20 nov 2012  INSEE - Datalift
Data Tuesday 20 nov 2012 INSEE - Datalift Data Tuesday
 
Mise en place d’un moteur de recherche et de recommandation de documents text...
Mise en place d’un moteur de recherche et de recommandation de documents text...Mise en place d’un moteur de recherche et de recommandation de documents text...
Mise en place d’un moteur de recherche et de recommandation de documents text...AbdeslamAMRANE3
 
Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...
Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...
Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...Obeo
 
Visualisation des données : Mobile 2.0 09/03/2011
Visualisation des données : Mobile 2.0 09/03/2011Visualisation des données : Mobile 2.0 09/03/2011
Visualisation des données : Mobile 2.0 09/03/2011François-Xavier Cardi
 
#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...
#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...
#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...Paris Open Source Summit
 

Similaire à Présentation des bases de données orientées graphes (20)

Cartographie de l'information
Cartographie de l'informationCartographie de l'information
Cartographie de l'information
 
Données liées : Succès, leçons et prochaines étapes
Données liées : Succès, leçons et prochaines étapesDonnées liées : Succès, leçons et prochaines étapes
Données liées : Succès, leçons et prochaines étapes
 
Rapport panama papers
Rapport panama papersRapport panama papers
Rapport panama papers
 
"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)
"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)
"WakaDroid" API encapsulant les services REST offerts par wakandaDB (nosql)
 
02 inspire siglr_v2
02 inspire siglr_v202 inspire siglr_v2
02 inspire siglr_v2
 
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
#OSSPARIS19 - Gouvernance des données dans le contexte Big Data - REX datalak...
 
Matinale "Data Science et Machine Learning"
Matinale "Data Science et Machine Learning"Matinale "Data Science et Machine Learning"
Matinale "Data Science et Machine Learning"
 
Produire et consommer des données ouvertes dans les arts de la scène
Produire et consommer des données ouvertes dans les arts de la scèneProduire et consommer des données ouvertes dans les arts de la scène
Produire et consommer des données ouvertes dans les arts de la scène
 
In01 - Programmation Android - 04 - databases
In01 - Programmation Android - 04 - databasesIn01 - Programmation Android - 04 - databases
In01 - Programmation Android - 04 - databases
 
B08 B1pc 7 081010 Diapo Lacour Fr En
B08 B1pc 7 081010 Diapo Lacour Fr EnB08 B1pc 7 081010 Diapo Lacour Fr En
B08 B1pc 7 081010 Diapo Lacour Fr En
 
Réflexions sur les missions et les compétences liées à une démarche data terr...
Réflexions sur les missions et les compétences liées à une démarche data terr...Réflexions sur les missions et les compétences liées à une démarche data terr...
Réflexions sur les missions et les compétences liées à une démarche data terr...
 
Apprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMinerApprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMiner
 
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limitesDIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
 
Implémentation de la norme Records in Contexts par la Fondation SAPA, Archiv...
Implémentation de la norme Records in Contexts  par la Fondation SAPA, Archiv...Implémentation de la norme Records in Contexts  par la Fondation SAPA, Archiv...
Implémentation de la norme Records in Contexts par la Fondation SAPA, Archiv...
 
Data Tuesday 20 nov 2012 INSEE - Datalift
Data Tuesday 20 nov 2012  INSEE - Datalift Data Tuesday 20 nov 2012  INSEE - Datalift
Data Tuesday 20 nov 2012 INSEE - Datalift
 
Mise en place d’un moteur de recherche et de recommandation de documents text...
Mise en place d’un moteur de recherche et de recommandation de documents text...Mise en place d’un moteur de recherche et de recommandation de documents text...
Mise en place d’un moteur de recherche et de recommandation de documents text...
 
Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...
Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...
Paris Open Source Summit 2017 - Saturne : La maîtrise des échanges de données...
 
121203 04 mistral_doc
121203 04 mistral_doc121203 04 mistral_doc
121203 04 mistral_doc
 
Visualisation des données : Mobile 2.0 09/03/2011
Visualisation des données : Mobile 2.0 09/03/2011Visualisation des données : Mobile 2.0 09/03/2011
Visualisation des données : Mobile 2.0 09/03/2011
 
#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...
#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...
#OSSPARIS17 - Saturne : la maîtrise des échanges de données massifs par l’Ope...
 

Présentation des bases de données orientées graphes

  • 1. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Institut Africain d’Informatique Etablissement Inter-Etats d’Enseignement Supérieur B.P. 2263 Libreville, GABON Tél. : (+241) 07 70 55 00 / 07 70 56 00 Site web : www.iaisiege.com E-mail : contact@iaisiege.com Graph databases : Les bases de données orientées Graphes Une brève présentation Koffi Sani Ingénieur Concepteur en Informatique Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 1 / 24
  • 2. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Sommaire 1 Introduction 2 Graphes et Bases de données Graphes Bases de données Faiblesses des bases de données relationnelles 3 Graph databases Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 4 Démonstration 5 Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 2 / 24
  • 3. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Plan de l’exposé 1 Introduction 2 Graphes et Bases de données 3 Graph databases 4 Démonstration 5 Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 3 / 24
  • 4. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Introduction 13 septembre 1956 : Invention du disque dur par Reynold Jonhson 1964 : apparition du terme base de données engendrant le concept 1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 1990 : bases de données objet-relationnelles Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
  • 5. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Introduction 13 septembre 1956 : Invention du disque dur par Reynold Jonhson 1964 : apparition du terme base de données engendrant le concept 1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 1990 : bases de données objet-relationnelles Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
  • 6. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Introduction 13 septembre 1956 : Invention du disque dur par Reynold Jonhson 1964 : apparition du terme base de données engendrant le concept 1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle Bases de données relationnelles 1990 : bases de données objet-relationnelles Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
  • 7. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Introduction 13 septembre 1956 : Invention du disque dur par Reynold Jonhson 1964 : apparition du terme base de données engendrant le concept 1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 1990 : bases de données objet-relationnelles utilisation du modèle relationnel couplé avec le stockage d’objets Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
  • 8. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Introduction 13 septembre 1956 : Invention du disque dur par Reynold Jonhson 1964 : apparition du terme base de données engendrant le concept 1970 : thèse mathématique de Edgar F. CODD sur l’algèbre relationnelle 1990 : bases de données objet-relationnelles Graph database, plus d’objets connectés : noeuds, relations (arcs) et propriétés Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 4 / 24
  • 9. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Plan de l’exposé 1 Introduction 2 Graphes et Bases de données Graphes Bases de données Faiblesses des bases de données relationnelles 3 Graph databases 4 Démonstration 5 Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 5 / 24
  • 10. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Graphes Définition Ensemble de noeuds et de relations les reliant. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 6 / 24
  • 11. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Graphes Origine 1736 : Leonhard Euler, mathématicien Suisse, avec son problème des 7 ponts de Könisgberg. Utilité Comprendre une large diversité d’ensemble de données dans le monde réel : en science, en gouvernance et en affaires. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 6 / 24
  • 12. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Bases de données Définition Conteneur informatique permettant de stocker l’intégralité des informations en rapport avec une activité. pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, le travail et l’utilisation d’informations ; un logiciel moteur qui manipule la base de données et dirige l’accès à son contenu très fréquentes dans les secteurs de la finance, des assurances, des écoles, de l’administration publique et les médias. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
  • 13. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Bases de données Définition Conteneur informatique permettant de stocker l’intégralité des informations en rapport avec une activité. pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, le travail et l’utilisation d’informations ; un logiciel moteur qui manipule la base de données et dirige l’accès à son contenu très fréquentes dans les secteurs de la finance, des assurances, des écoles, de l’administration publique et les médias. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
  • 14. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Bases de données Définition Conteneur informatique permettant de stocker l’intégralité des informations en rapport avec une activité. pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, le travail et l’utilisation d’informations ; un logiciel moteur qui manipule la base de données et dirige l’accès à son contenu : SGBD; très fréquentes dans les secteurs de la finance, des assurances, des écoles, de l’administration publique et les médias. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
  • 15. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Bases de données Définition Conteneur informatique permettant de stocker l’intégralité des informations en rapport avec une activité. pièce centrale des dispositifs informatiques qui servent à la collecte, le stockage, le travail et l’utilisation d’informations ; un logiciel moteur qui manipule la base de données et dirige l’accès à son contenu très fréquentes dans les secteurs de la finance, des assurances, des écoles, de l’administration publique et les médias. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 7 / 24
  • 16. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Faiblesses du modèle relationnel I Pauvres en matière de modélisation des relations : les relations sont des jointures des tables ; Deviennent accablées avec de larges jointures ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 8 / 24
  • 17. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Faiblesses du modèle relationnel II "qui sont les amis de Bob ?" 1 SELECT p1.Person 2 FROM Person p1 JOIN PersonFriend 3 ON p1.ID = PersonFriend. FriendID 4 JOIN Person p2 5 ON p2.ID = PersonFriend. PersonID 6 WHERE p2.Person = ’Bob’ ; "avec qui Bob est-il ami ?" 1 SELECT p1.Person 2 FROM Person p1 JOIN PersonFriend 3 ON PersonFriend.PersonID = p1.ID 4 JOIN Person p2 5 ON PersonFriend.FriendID = p2.ID 6 WHERE p2.Person = ’Bob’ ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 9 / 24
  • 18. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Graphes Bases de données Faiblesses des SGBDR Faiblesses du modèle relationnel III Complexité s’agrandit : "qui sont les amis des amis d’Alice ?" 1 SELECT p1.Person AS PERSON , p2.Person AS FRIEND_OF_FRIEND 2 FROM PersonFriend pf1 JOIN Person p1 3 ON pf1.PersonID = p1.ID 4 JOIN PersonFriend pf2 5 ON pf2.PersonID = pf1.FriendID 6 JOIN Person p2 7 ON pf2.FriendID = p2.ID 8 WHERE p1.Person = ’Alice’ AND pf2.FriendID <> p1.ID; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 10 / 24
  • 19. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Plan de l’exposé 1 Introduction 2 Graphes et Bases de données 3 Graph databases Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation 4 Démonstration 5 Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 11 / 24
  • 20. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Vue générale Définition Base de données utilisant les structures de graphes (noeuds, arcs et propriétés) pour représenter et stocker les données. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
  • 21. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Vue générale La puissance des graph databases Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
  • 22. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Vue générale La puissance des graph databases Performance : Expérience de Partner et Vukovi´c dans Neo4j in Action Flexibilité ; Agilité . Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
  • 23. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Vue générale La puissance des graph databases Performance Flexibilité : ajout de noeuds, de relations et propriétés sans perturber les requêtes existantes ; Agilité . Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
  • 24. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Vue générale La puissance des graph databases Performance Flexibilité ; Agilité : développement sans friction et contrôlé, gracieuse maintenance. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 12 / 24
  • 25. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Motivations Modèle de graphe très utile dans la vie active : généraliser les modèles classiques ; complexité des données dépassant la capacité du modèle relationnel ; nécessité d’augmenter les fonctionnalités du modèle objet. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
  • 26. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Motivations Modèle de graphe très utile dans la vie active : généraliser les modèles classiques : manque de sémantique, connectivité des données invisible ; complexité des données dépassant la capacité du modèle relationnel ; nécessité d’augmenter les fonctionnalités du modèle objet. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
  • 27. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Motivations Modèle de graphe très utile dans la vie active : généraliser les modèles classiques ; complexité des données dépassant la capacité du modèle relationnel : gestion des réseaux de transport, ... ; nécessité d’augmenter les fonctionnalités du modèle objet. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
  • 28. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Motivations Modèle de graphe très utile dans la vie active : généraliser les modèles classiques ; complexité des données dépassant la capacité du modèle relationnel ; nécessité d’augmenter les fonctionnalités du modèle objet. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 13 / 24
  • 29. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Applications La gestion des données : un système de gestion hiérarchique basé sur Neo4j L’interconnectivité sociale ; La gestion des réseaux ; La sécurité et l’accès aux données. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
  • 30. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Applications La gestion des données L’interconnectivité sociale : gestion de la connectivité grâce aux graphes ; La gestion des réseaux ; La sécurité et l’accès aux données. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
  • 31. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Applications La gestion des données L’interconnectivité sociale ; La gestion des réseaux : migration vers les graph databases pour gérer la forte connectivité de leurs clients ; La sécurité et l’accès aux données. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
  • 32. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Applications La gestion des données L’interconnectivité sociale ; La gestion des réseaux ; La sécurité et l’accès aux données : relier les détails d’authentification des clients et administrateurs . Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 14 / 24
  • 33. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Manipulation des graphes Les moteurs de manipulation des graphes Exécution des algorithmes de graphes sur divers ensembles de données ; Identification des "clusters" dans les données ou réponse à des questions telles que : "combien de relations, en moyenne, chaque entité a dans le réseau social ?" Particularités Traitement par lots (requêtes globales) ; Incluent des couches de stockage des données ou manipulent des données issues de sources externes ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
  • 34. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Manipulation des graphes Les moteurs de manipulation des graphes Exécution des algorithmes de graphes sur divers ensembles de données ; Identification des "clusters" dans les données ou réponse à des questions telles que : "combien de relations, en moyenne, chaque entité a dans le réseau social ?" Particularités Traitement par lots (requêtes globales) ; Incluent des couches de stockage des données ou manipulent des données issues de sources externes ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
  • 35. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Manipulation des graphes Les moteurs de manipulation des graphes Exécution des algorithmes de graphes sur divers ensembles de données ; Identification des "clusters" dans les données ou réponse à des questions telles que : "combien de relations, en moyenne, chaque entité a dans le réseau social ?" Particularités Traitement par lots (requêtes globales) ; Incluent des couches de stockage des données ou manipulent des données issues de sources externes ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
  • 36. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Manipulation des graphes Les moteurs de manipulation des graphes Exécution des algorithmes de graphes sur divers ensembles de données ; Identification des "clusters" dans les données ou réponse à des questions telles que : "combien de relations, en moyenne, chaque entité a dans le réseau social ?" Particularités Traitement par lots (requêtes globales) ; Incluent des couches de stockage des données ou manipulent des données issues de sources externes ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
  • 37. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Manipulation des graphes Les moteurs de manipulation des graphes Exécution des algorithmes de graphes sur divers ensembles de données ; Identification des "clusters" dans les données ou réponse à des questions telles que : "combien de relations, en moyenne, chaque entité a dans le réseau social ?" Particularités Traitement par lots (requêtes globales) ; Incluent des couches de stockage des données ou manipulent des données issues de sources externes ; Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 15 / 24
  • 38. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Quelques exemples Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 16 / 24
  • 39. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Interroger les graphes : Cypher Aussi SPARQL, Gremlin, ... Syntaxe : similaire à SQL (CREATE, UPDATE, DELETE, WHERE, ...) ; Création d’un graphe : Pour représenter le graphe ci-contre, il faut : 1 CREATE (a), (b), (c) 2 CREATE (a)-[:KNOWS]->(b)-[: KNOWS]->(c), (a)-[:KNOWS ]->(c) Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 17 / 24
  • 40. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Interroger les graphes : Cypher Aussi SPARQL, Gremlin, ... Syntaxe : similaire à SQL (CREATE, UPDATE, DELETE, WHERE, ...) ; Création d’un graphe : Pour représenter le graphe ci-contre, il faut : 1 CREATE (a), (b), (c) 2 CREATE (a)-[:KNOWS]->(b)-[: KNOWS]->(c), (a)-[:KNOWS ]->(c) Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 17 / 24
  • 41. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Interroger les graphes : Cypher Aussi SPARQL, Gremlin, ... Syntaxe : similaire à SQL (CREATE, UPDATE, DELETE, WHERE, ...) ; Création d’un graphe : Pour représenter le graphe ci-contre, il faut : 1 CREATE (a), (b), (c) 2 CREATE (a)-[:KNOWS]->(b)-[: KNOWS]->(c), (a)-[:KNOWS ]->(c) Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 17 / 24
  • 42. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Interroger les graphes : Cypher Parcours du graphe : 1 START a = node:user(name = ’Michael’) 2 MATCH (a)-[:KNOWS]->(b)-[:KNOWS]->(c), (a)-[:KNOWS]->(c) 3 RETURN b, c Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 18 / 24
  • 43. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Modélisation par un graphe Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 19 / 24
  • 44. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Vue générale Motivations et applications Manipulation des graphes Quelques exemples Langage et modélisation Modélisation par un graphe Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 19 / 24
  • 45. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Plan de l’exposé 1 Introduction 2 Graphes et Bases de données 3 Graph databases 4 Démonstration 5 Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 20 / 24
  • 46. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 21 / 24
  • 47. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Plan de l’exposé 1 Introduction 2 Graphes et Bases de données 3 Graph databases 4 Démonstration 5 Conclusion Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 22 / 24
  • 48. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Conclusion Sujet plus que d’actualité Technologie très adaptée pour des applications de nos jours ; Modélisation très liée au monde réel ; Devient facile avec la maîtrise des graphes ; Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
  • 49. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Conclusion Sujet plus que d’actualité Technologie très adaptée pour des applications de nos jours ; Modélisation très liée au monde réel ; Devient facile avec la maîtrise des graphes ; Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
  • 50. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Conclusion Sujet plus que d’actualité Technologie très adaptée pour des applications de nos jours ; Modélisation très liée au monde réel ; Devient facile avec la maîtrise des graphes ; Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
  • 51. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Conclusion Sujet plus que d’actualité Technologie très adaptée pour des applications de nos jours ; Modélisation très liée au monde réel ; Devient facile avec la maîtrise des graphes ; Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
  • 52. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion Conclusion Sujet plus que d’actualité Technologie très adaptée pour des applications de nos jours ; Modélisation très liée au monde réel ; Devient facile avec la maîtrise des graphes ; Plus d’informations : Graph databases, Ian Robinson, Jim Webber & Emil Eifrem. Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 23 / 24
  • 53. Introduction Graphes et Bases de données Graph databases Démonstration Conclusion koffisani@gmail.com koffisani koffisani koffisani +KoffiSani Koffi Sani Les bases de données orientées Graphes 18 septembre 2014 24 / 24