Cours Big Data & Open Data Master2 ISF - Paris II #bigdata #opendata #AWS #azure #docker #hadoop

1. Bases orientées graphe
A L’AIDE DE NEO4J

2. Des relations
 Vous l’avez compris, on collecte de plus en plus de
données
 Ces données ne vivent pas isolées, elles sont reliées
entre elles
 Il s’agit donc de modéliser (représenter) dans la base
de relations telles que :
 Pierre a acheté une 205
 Deux entités
 Une relation
2

3. Avec une base « classique » 3
En rouge les personnes (1 table)
En bleu les véhicules (1 table)
En jaune les relations entre les deux tables (qui est aussi une table)

4. Avec une base « classique »
 Plus le nombre d’entités à lier augmente, plus le
nombre de tables intermédiaires augmente
 L’opération de mise en relation est le JOIN
 Plus les tables augmentent en taille, plus la requête
est lente (c’est presque le produit cartésien des
tables) -> pas forcément adapté au big data
 Les schémas sont figés
 Avantage : on ne peut pas faire n’importe quoi
 Inconvénient : on ne peut pas faire de que l’on veut
4

5. Base graphe
 Modélise, stocke requête des données connectées
 Nos dessins au tableau deviennent le modèle
5

6. Quand utiliser une base graphe ?
 Les données sont dynamiques
 Les données sont connectées
 Le schéma est flexible
 Le schéma est complexe
 On a besoin des réponses en temps réel
6

7. Neo4j 7

8. Neo4j
 Repose sur quatre notions :
 Les nœuds
 Les relations
 Les propriétés des relations
 Les propriétés des nœuds
8

9. Un exemple 9

10. Noeuds 10
 Représente une entité qui peut être complexe
 Possède des propriétés
 Un label (ou plusieurs) qui permet de différencier les nœuds (personne, pays, …)
 Représente les attributs de l’entité
 Ou des métadonnées (dates, …)
 Des paires clef/valeur
 Chaque nœud peut posséder des propriétés différentes de celles d’un
autre nœud
 En valeur
 En nature

11. Relations 11
 Chaque relation possède deux principaux attributs
 Un nom
 Un sens
 Une relation peut porter des propriétés
 Chaque relation possède un nœud de départ et un nœud d’arrivée
 Pas de relations « pendantes »

12. Relations 12
Nom :
Pierre
Nom :
Sam
Nom :
Paul
Nom :
Lucy
Est ami de
Est ami de
Est ami de
Nom :
Pierre
Est voisin de
Nom :
Paul
Est ami de
Nom :
Pierre
S’est proposé

13. Le langage : Cypher 13
Personne Personne
Est ami de
(:Personne)-[:EST_AMI_DE]->(:Personne)

14. Propriétés 14
(:Personne{Nom:pierre})-[:EST_AMI-DE]->(:Personne{Nom:Paul})
Nom : Pierre Nom : Paul
Est ami de
Personne
Personne

15. Identifiants 15
(p1:Personne{Nom:pierre})-[r:EST_AMI-DE]->(p2:Personne{Nom:Paul})
Nom : Pierre Nom : Paul
Est ami de
Personne
Personne

16. Requête 16
MATCH (p1:Personne{Nom:pierre})-[r:EST_AMI-DE]->(ses_amis)
RETURN ses_amis

17. Construction d’un modèle 17
 Une question concrète
 Quelle personnes travaillant dans la même entreprise que moi ont les mêmes
compétences ?
 On identifies les entités
 Quelle personnes travaillant dans la même entreprise que moi ont les mêmes
compétences ?
 On identifies les relations
 Personne TRAVAILLE_POUR entreprise
 Personne POSSEDE compétence
 La structure
 (:Personne)-[:TRAVAILLE_POUR]->(:Entreprise)
 (:Personne)->[:POSSEDE]->(:Compétence)

18. Schéma global 18
 (:Personne)-[:TRAVAILLE_POUR]->(:Entreprise)
 (:Personne)->[:POSSEDE]->(:Compétence)
 (:Entreprise)<-[:TRAVAILLE_POUR]-(:Personne)-[:POSSEDE]->(:Compétence)

19. La requête 19
 MATCH (entreprise)<-[:TRAVAILLE_POUR]-(:Personne{nom:patrick})
-[:POSSEDE]->(competence),
(entreprise)<-[TRAVAILLE_POUR]-(college)-[:POSSEDE]->(COMPETENCE)
RETURN college.nom AS nom,
COUNT(competence) AS score
COLLECT(competence.nom) AS compétences
GROUP BY score DESC

20. Qui a les mêmes compétences que
patrick ?
20
 MATCH (entreprise)<-[:TRAVAILLE_POUR]-(:Personne{nom:patrick})
-[:POSSEDE]->(competence),
(entreprise)<-[TRAVAILLE_POUR]-(college)-[:POSSEDE]->(COMPETENCE)