SOA - BRMS - ESB - BPM – CEP – BAM - High Performance – Compute & Data Grid - Cloud Computing - Big Data – NoSQL – Analytics - Mobile




                Morning With
                7 Novembre 2012




            Mathias Kluba
            Managing Consultant – Responsable offres NoSQL et Big Data




                                                                                                                    Novembre 2012
Speaker




Speaker: Mathias Kluba
  §  Twitter @mathiaskluba
  §  Email mathias.kluba@fastconnect.fr




                                                     2
Présents sur tout le cycle de vie applicatif


   •  Conseil
   • Accompagnement à l’adoption technologique
   •  Formations
   •  Direction et Gestion de Projets
   • Animation des Centres de Compétences/
   Expertises
   •  Gestion des indicateurs de Performance et
   Qualités (KPI, SLA…)
   • Architecture & Développement
   •  Socle Documentaire
   •  Méthodologie et Bonnes Pratiques suivant le
   domaine
   •  Expertise
   •  Support & TMA

                                                    3
Nos	
  offres	
  d’accompagnement	
  autour	
  du	
  BigData	
  et	
  
                                                                                   NoSQL

                     Formations
                     §  Formation générale BigData
                     §  Formation générale NoSQL
Forma9ons	
          §  Formation Hadoop, MongoDB, Gigaspaces, ActivePivot, Spotfire

                     Conseil et architecture
                     §  Conseil en architecture et évolution SI
                     §  Accompagnement au choix des solutions
  Conseil	
          §  Audit pré ou post production
                     §  Propositions d’architectures cibles
Architecture	
       §  Création, amélioration de frameworks
                     §  Revues d’architecture
                     Ingénierie
                     §  Mise en place d’une architecture d’analyse
                         et traitement des données BigData Hadoop/NoSQL
                     §  Expertise technique, usines logicielle, frameworks, bonnes pratiques,
 Ingénierie	
            développement itératif
                     §  Intégration avec les standards et technologies existants
                     §  Mise en place de solutions de visualisation
                        (dashboard/reporting/data navigation)
                     Exploitation et Support
                     §  Mise en place d’une infrastructure middleware robuste et opérable
                     §  Intégration avec le SI existant
Infogérance	
        §  Mise en place de solutions de supervision de bout en bout
 et	
  Support	
         (SLAs, applications, système et réseaux)
                     §  Production 24x7
                     §  Support 1er niveau et TMA

                                                                                                    4
Cas d’usage

Cas d’usage:
  §  Recherche dans des fichiers
  §  Gros volume de fichiers
  §  On souhaite garder le format d’origine
  §  On veut faire des recherches « complexes »
  §  On souhaite faire des « stats »




                                                         5
Première approche



Première approche:

                     SQL	
  




                           SELECT * FROM table
                           WHERE field LIKE ‘%toto%’


                               §  TROP	
  LENT	
  
                               §  TROP	
  GROS	
  VOLUME	
  

                                                                6
Deuxième approche



Deuxième approche:

                programme	
  




             For(int i = 0; i < length; i++)
             {
               doSomeStuff();
             }


                                   §  TROP	
  LENT	
  
                                   §  TROP	
  RIGIDE	
  

                                                                    7
MongoDB + Hadoop


Approche MongoDB / Hadoop :

                              1.	
  Fichiers	
  d’origines	
  




                              2.	
  Filtre	
  un	
  sous	
  ensemble	
  
                              	
  	
  +	
  meta-­‐data	
  




                              3.	
  Affinage,	
  recherche	
  interac9ve	
  

                                                                           8
MongoDB en solo


Approche MongoDB:




        MongoDB	
  	
  Map/Reduce	
  




                                        Report	
  BIRT	
  
                                                             9
En résumé


En résumé:
§  L’utilisateur peut affiner sa recherche grâce à Excel
§  L’utilisateur va demander au développeur un meilleur
    filtre MapReduce Hadoop (meilleur analyse du texte)
§  L’utilisateur peut générer un rapport (BIRT)




                                                               10
Approche MongoDB + Hadoop


Avantages:
§  On conserve le format d’origine des fichiers
    sur HDFS
§  On bénéficie d’une analyse très fine du texte grâce à
    Hadoop
§  On stocke un gros volume grâce à la scalabilité de
    MongoDB
§  On peut affiner la recherche via Excel avec la
    puissance des requêtes MongoDB
§  On peut générer des statistiques grâce à la rapidité et
    la facilité du MapReduce MongoDB
§  On bénéficie du support de BIRT pour générer des
    rapports
                                                              11
Intégration MongoDB et Excel


Requêtes MongoDB dans Excel




                                                             12
Statistiques MongoDB


Statistiques sur MongoDB




                                                  13
Déploiement MongoDB




                      14
Approche MongoDB


Conclusions:
§    Rapide à mettre en place
§    Souplesse du schéma (agilité)
§    Requêtes complexes plus rapide qu’en SQL
§    Scalabilité de l’infrastructure
§    BIRT: intégration mongoDB en « beta »
§    Besoin d’un outil de monitoring: à quand MMS
      disponible en mode « hosted » ?




                                                             15
§  Contactez	
  nous	
  
      §  www.fastconnect.fr	
  
      §  blog.fastconnect.fr	
  
      §  sales@fastconnect.fr	
  

Morning with MongoDB Paris 2012 - Fast Connect

  • 1.
    SOA - BRMS- ESB - BPM – CEP – BAM - High Performance – Compute & Data Grid - Cloud Computing - Big Data – NoSQL – Analytics - Mobile Morning With 7 Novembre 2012 Mathias Kluba Managing Consultant – Responsable offres NoSQL et Big Data Novembre 2012
  • 2.
    Speaker Speaker: Mathias Kluba §  Twitter @mathiaskluba §  Email mathias.kluba@fastconnect.fr 2
  • 3.
    Présents sur toutle cycle de vie applicatif •  Conseil • Accompagnement à l’adoption technologique •  Formations •  Direction et Gestion de Projets • Animation des Centres de Compétences/ Expertises •  Gestion des indicateurs de Performance et Qualités (KPI, SLA…) • Architecture & Développement •  Socle Documentaire •  Méthodologie et Bonnes Pratiques suivant le domaine •  Expertise •  Support & TMA 3
  • 4.
    Nos  offres  d’accompagnement  autour  du  BigData  et   NoSQL Formations §  Formation générale BigData §  Formation générale NoSQL Forma9ons   §  Formation Hadoop, MongoDB, Gigaspaces, ActivePivot, Spotfire Conseil et architecture §  Conseil en architecture et évolution SI §  Accompagnement au choix des solutions Conseil   §  Audit pré ou post production §  Propositions d’architectures cibles Architecture   §  Création, amélioration de frameworks §  Revues d’architecture Ingénierie §  Mise en place d’une architecture d’analyse et traitement des données BigData Hadoop/NoSQL §  Expertise technique, usines logicielle, frameworks, bonnes pratiques, Ingénierie   développement itératif §  Intégration avec les standards et technologies existants §  Mise en place de solutions de visualisation (dashboard/reporting/data navigation) Exploitation et Support §  Mise en place d’une infrastructure middleware robuste et opérable §  Intégration avec le SI existant Infogérance   §  Mise en place de solutions de supervision de bout en bout et  Support   (SLAs, applications, système et réseaux) §  Production 24x7 §  Support 1er niveau et TMA 4
  • 5.
    Cas d’usage Cas d’usage: §  Recherche dans des fichiers §  Gros volume de fichiers §  On souhaite garder le format d’origine §  On veut faire des recherches « complexes » §  On souhaite faire des « stats » 5
  • 6.
    Première approche Première approche: SQL   SELECT * FROM table WHERE field LIKE ‘%toto%’ §  TROP  LENT   §  TROP  GROS  VOLUME   6
  • 7.
    Deuxième approche Deuxième approche: programme   For(int i = 0; i < length; i++) { doSomeStuff(); } §  TROP  LENT   §  TROP  RIGIDE   7
  • 8.
    MongoDB + Hadoop ApprocheMongoDB / Hadoop : 1.  Fichiers  d’origines   2.  Filtre  un  sous  ensemble      +  meta-­‐data   3.  Affinage,  recherche  interac9ve   8
  • 9.
    MongoDB en solo ApprocheMongoDB: MongoDB    Map/Reduce   Report  BIRT   9
  • 10.
    En résumé En résumé: § L’utilisateur peut affiner sa recherche grâce à Excel §  L’utilisateur va demander au développeur un meilleur filtre MapReduce Hadoop (meilleur analyse du texte) §  L’utilisateur peut générer un rapport (BIRT) 10
  • 11.
    Approche MongoDB +Hadoop Avantages: §  On conserve le format d’origine des fichiers sur HDFS §  On bénéficie d’une analyse très fine du texte grâce à Hadoop §  On stocke un gros volume grâce à la scalabilité de MongoDB §  On peut affiner la recherche via Excel avec la puissance des requêtes MongoDB §  On peut générer des statistiques grâce à la rapidité et la facilité du MapReduce MongoDB §  On bénéficie du support de BIRT pour générer des rapports 11
  • 12.
    Intégration MongoDB etExcel Requêtes MongoDB dans Excel 12
  • 13.
  • 14.
  • 15.
    Approche MongoDB Conclusions: §  Rapide à mettre en place §  Souplesse du schéma (agilité) §  Requêtes complexes plus rapide qu’en SQL §  Scalabilité de l’infrastructure §  BIRT: intégration mongoDB en « beta » §  Besoin d’un outil de monitoring: à quand MMS disponible en mode « hosted » ? 15
  • 16.
    §  Contactez  nous   §  www.fastconnect.fr   §  blog.fastconnect.fr   §  sales@fastconnect.fr