Event: Petit-déjeuner MongoDB France
•Télécharger en tant que PPTX, PDF•
1 j'aime•626 vues
Lors de ce séminaire, Eliot Horowitz, CTO et co-fondateur de MongoDB est revenu sur l’histoire de MongoDB et a partagé sa vision sur l’évolution du marché des bases de données opérationnelles. Rémi Forest, Solution Architect chez MongoDB France, a ensuite évoqué divers cas d’usages mis en place chez nos clients dans le monde et en France, autour de nombreux enjeux pour lesquels la pertinence de MongoDB est tout à fait avérée. Retrouvez dans cette présentation: Une vue d’ensemble de MongoDB: des chiffres, des indicateurs, … Des cas d’usages sur de nombreux thèmes avec les enjeux et des illustrations concrètes
Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
En vedette
En vedette (13)
Similaire à Event: Petit-déjeuner MongoDB France
Similaire à Event: Petit-déjeuner MongoDB France (20)
Plus de MongoDB
Plus de MongoDB (20)
Event: Petit-déjeuner MongoDB France
- 2. Agenda Introduction: MongoDB, un sujet d’actualité Pourquoi MongoDB? Cas d’usage MongoDB Questions/Réponses Conclusion
- 3. 4th Most Popular, Fastest Growing RANK DBMS MODEL SCORE GROWTH (20 MO) 1. Oracle Relational DBMS 1,442 -5% 2. MySQL Relational DBMS 1,294 2% 3. Microsoft SQL Server Relational DBMS 1,131 -10% 4. MongoDB Document Store 277 172% 5. PostgreSQL Relational DBMS 273 40% 6. DB2 Relational DBMS 201 11% 7. Microsoft Access Relational DBMS 146 -26% 8. Cassandra Wide Column 107 87% 9. SQLite Relational DBMS 105 19% Source: DB-engines database popularity rankings;
- 4. Employment Trends March 2016
- 5. Gartner, Inc. recognized MongoDB as a Leader in the 2015 Magic Quadrant for Operational Database Management Systems.* *Gartner, Inc., Magic Quadrant for Operational Database Management Systems by Donald Feinberg, Merv Adrian, Nick Heudecker, Adam M. Ronthal, and Terilyn Palanca, October 12, 2015. *Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner research publications consist of the opinions of Gartner's research organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this research, including any warranties of merchantability or fitness for a particular purpose. This graphic was published by Gartner, Inc. as part of a larger research document and should be evaluated in the context of the entire document. The Gartner document is available upon request from MongoDB, Inc.
- 6. 600+ employés A propos de MongoDB, Inc. 2,500+ clients 13 bureaux dans le monde $311M de levées de fonds
- 7. 12 employés A propos de MongoDB France 50+ Clients Responsables de Comptes Ingénieurs Avant-Vente Consultants
- 8. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 10. Rémi Forest Senior Solutions Architect Cas d’usage
- 11. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 12. Single View • Objectif : - Vue centralisée agrégeant différentes sources • Challenges : - Données dispersées et hétérogènes • Aptitudes requises: - Schéma flexible - Requêtage avancé
- 13. Single View du Client Un leader de l’assurance implémente une vue unique de ses clients en seulement 90 jours – “The Wall” Problem Why MongoDB ResultsProblème Solution Résultats - Pas de single view - Mauvaise expérience client - 70 systèmes - 15 front-end - Tentative avec Oracle: • 2 ans • 25M$ • un échec “The Wall” : Single View en temps réel Prototype en 2 semaines Production en 90 jours Réduction du churn et Amélioration des ventes
- 14. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 15. Internet of Things • Objectif : - Gestion des objets connectés • Challenges : - Scalabilité - Données hétérogènes - Temps réel • Aptitudes requises: - Scalabilité horizontale - Schéma flexible - Real-time analytics
- 16. SilverLink Sensor Network De nouvelles applications 10x plus vite et 10x moins cher. Problem Why MongoDB ResultsProblème Solution Résultats Entreprises de service collectif : 70% des données proviennent de Smart Grid Networks La plupart des entreprises sont incapables de suivre la croissance de leur réseau SilverLink Sensor Network sur MongoDB Ingestion massive de données variées Real-time analytics utilisant : • Données temporelles • Données géospatiales • Type de capteur Vision en temps réel de l’utilisation de l’infrastructure Meilleures applications, meilleure expérience utilisateur Nouvelles applications déployées 10x plus vite pour 10% du coût
- 17. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 18. Applications Mobiles • Objectif : - Anywhere, anytime • Challenges : - Elasticité - Disponibilité - Contextualisation • Aptitudes requises: - Scalabilité horizontale - HA - Géolocalisation
- 19. Problem Why MongoDB Results Problème Solution Résultats Besoin d’une offre 100% mobile Cible : “digital native” Elasticité et disponibilité Intégration de MongoDB avec la plate-forme bancaire (AS400) à travers des web services Java > 100 000 téléchargements Nouvelles fonctionnalités déployées très rapidement 100% disponibilité depuis plus de 2 ans Mobile Banking Platform AXA Banque utilise MongoDB pour son offre de banque mobile “SooN”
- 20. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 21. Real-time Analytics • Objectif : • Analyse temps réel de donnés massives • Challenges : • Gros volumes de données • Données hétérogènes • Requêtes complexes • Performances • Aptitudes requises: • Scalabilité horizontale • Langage de requête performant • Agrégation
- 22. Traitement analytique à grande échelle Le leader mondial des solutions de traitement des réservations pour l'industrie du voyage utilise MongoDB pour ses analyses de données en temps réel Problem Why MongoDB ResultsProblème Solution Résultats Opérations analytiques massives : • Milliards de documents • TBs de données • Temps réel ! Problèmes de performance 288 shards sur 6 serveurs MongoDB support team ! Best practices sur : Implementation Optimisation Testing Performances constantes Full scans en temps réel
- 23. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 24. E-Commerce Un catalogue personnalisé pour 30 millions de clients Problem Why MongoDB ResultsProblème Solution Résultats -2M de produits -12+ heures pour mettre à jour Site statique Lent et coûteux à modifier Pas de personnalisation Flexible data model : Modifications simplifiées pour les produits ou les clients Personnalisation avancée In-memory : temps de réponse ultra-rapides Mise à jour du catalogue en 15 minutes Personnalisation complète pour plus de 30 millions de clients Augmentation de la satisfaction client et du revenu
- 25. Cas d’usage MongoDB Single View Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management
- 26. Content Management • Objectif : - Stocker et diffuser du contenu • Challenges : - Gros volumes de données - Données hétérogènes • Aptitudes requises: - Modèle de données flexible - Scalabilité horizontale
- 27. Content Management Migration de MySQL vers MongoDB sur AWS: 2M£ d’économies et une réduction significative du temps de réalisation des projets Problem Why MongoDB ResultsProblème Solution Résultats 4.5M d’utilisateurs Web 2.3M d’utilisateurs Mobile Multiples sites Web Limites avec MySQL Gestion des metadatas: - Handsets - Utilisateurs - Différents types de données (vidéo, feeds, texte et plus) MongoDB sur AWS Un modèle de données flexible rend la gestion d’une grande variété de métadata simple et efficace. Le Sharding permet la scalabalité et une performance inégalable 115,000+ requêtes par seconde £2M+ économisés en 3 ans MongoDB constitue le choix par défaut pour tous les nouveaux projets
- 28. Cas d’usage MongoDB Internet of Things Mobile Real-Time Analytics Catalog Personalization Content Management Single View
Notes de l'éditeur
- - Les 3 premiers sont là depuis des Decennies… Observer la croissance Only 2 NOSQL in the top 10.
- BNP : Alert Temps Réels sur bes barrieres /seuils dans les sales de marché. Bouygues : Single view of subscribers. AXA Mobile avec Soon.
- Bonjour à tous, je suis Rémi Forest, Solution Architect chez MongoDB. Pour faire suite à l’échange que nous venons d’avoir avec Eliot, je voudrais aborder de façon un peu plus concrète les utilisations qui sont faites de mongoDB chez nos clients. Comme vous l’avez compris, MongoDB a la volonté d’être une base de données généraliste, c’est-à-dire pouvant répondre à un très grand nombre de cas d’usage, notamment comme alternative aux bases de données traditionnelles. Pour autant, les premiers projets mis en œuvre autour de notre technologie sont généralement portés par des cas d’usages pour lesquels ces solutions traditionnelles sont incapables d’apporter des réponses satisfaisantes. Je vais pendant ces quelques minutes vous présenter les cas d’usage les plus fréquemment rencontrés chez nos clients, et vous montrer, à travers quelques exemples concrets, de quelle façon MongoDB apporte une valeur unique pour ces applications. 3:00
- Nous avons identifié 7 cas d’usages particulièrement répandus chez nos clients. Le premier cas d’usage est ce qu’on appelle “single view”, ou parfois vue 360.
- Il s’agit d’agréger les données depuis plusieurs sources afin de présenter une vue consolidée de … n’importe quoi. De clients, de produits ou d’employés par exemple. Le problème quand on dispose de données dispersées c’est qu’il est difficile, voir impossible, d’en avoir une vue complète. Quand bien même certaines entreprises ont réussi à passer outre les difficultés liées à l’ingestion, à la transformation ou aux modèles de données, les systèmes obtenus sont très complexes à faire évoluer. La conséquence de ces données dispersées est bien souvent une complexité de gestion qui se traduit par des coûts élevés, une mauvaise expérience client et des pertes d’opportunités. Les deux principales caractéristiques attendues d’un tel système sont sa capacité à supporter une grande variété de formats de données ainsi que la possibilité d’interroger ces données de façon sophistiquée, et ce sont deux points sur lesquels MongoDB excelle particulièrement avec son modèle de données sous forme de document ainsi que son language de query MQL associé à la capacité de gérer des indexes secondaires sur n’importe quel champ à l’intérieur d’un document.
- Un exemple très représentatif de ce cas d’usage est le projet que nous avons mené avec MetLife. Air France
- Le deuxième cas d’usage fréquemment rencontré concerne l’internet des objets.
- L’internet des objets est un environnement dans lequel tous les objets sont connectés les uns aux autres et partagent de l’information pour améliorer notre quotidien. Les applications IoT sont toutes les applications qui gèrent les données générées par ces objets ou dispositifs. Les principaux défis à gérer dans l’internet des objets concernent : La scalabilité La diversité des données La capacité à traiter l’ensemble de ces informations de façon instantanée RQ HWDI
- Silver Spring, SilverSpring Use Case: IoT Industry: Energy, Technology
- Le troisième cas d’usage concerne les applications liées à la mobilité.
- Les applications mobiles concernent les applications pour lesquelles les utilisateurs peuvent utiliser de multiples interfaces, notamment des smartphones ou des tablettes. La conséquence est un nombre d’utilisateur toujours plus important, avec une variabilité qui peut être très importante en fonction du succès de l’application, et une utilisation « anychere, anytime » impliquant des contraintes extrêmement fortes au niveau de la performance et de la disponibilité du backend pour ces applications.
- Real time analytics
- Quand on parle de “Real-Time Analytics”, on parle de lancer des analyses impliquant la transformatio ou l’aggrégation de données en temps réel. La notion de “temps réel” se pose en alternative au “batch analytics” qui peut prendre plusieurs heures, voir plusieurs jours, et requière des temps de réponse « humainement acceptables », typiquement de l’ordre de la seconde, voire quelques dizaines de secondes au maximum. Le monde dans lequel nous vivons est un monde de temps réel. On a besoin de pouvoir prendre des décisions rapidement, quelle que soit la quantité d’information à traiter pour prendre cette décision. Le problème est que quand on multiplie l’hétérogénéité des données avec leur vélocité, et qu’on ajouter dessus des demandes toujours plus complexes, on se heurte facilement à des situations impossibles à gérer. HWDI : Scalabilité MQL + indexing + full text + geo-index aggregation framework
- Besoins d’analytics “extrêmes” pour le data mining de leurs clients. Milliards de documents Traoctets de données Besoin de temps réel ! Problèmes de performances malgré la puissance des serveurs (48 coeurs, 512 GB memoire, 3TB flash Fusion IO) Overall cluster 288 cores, 3TB RAM, 38.4TB flash card storage Currently 1 year of production data (4 expected) 310m+ docs (1bn) Data size 3,6TB (11TB) Average object size 12,5KB File size 4.8TB (16TB) Requêtes prenant jusqu’à plusieurs minutes. Evolution : 288 shards Optimisation avec les équipes de support Requêtes de qq secondes à < 1 minute pour les plus complexes.
- Nous avons ensuite deux cas d’usage qui demandent des aptitudes assez proches qui sont la notion de catalogue et de personalisation. Quand on parle de catalogue, l’exemple évident est celui du catalogue de produit d’un commerçant. Mais ce cas d’usage englobe tout type d’application qui contient des données provenant de plusieurs entités, qu’il s’agisse de produits, d’actifs, d’inventaire, de personnes, d’instrument financiers, ou n’importe quoi d’autre.
- OTTO est la plus grande enseigne de grande distribution Européenne, juste derrière Amazon. On les connait en france notamment avec les 3 suisses. Otto avait des soucis avec son site de e-commerce. Avec plus de 5000 marques et 2 Millions de produits, les performances lors des mises à jour n’étaient plus acceptables. La mise à jour d’un simple produit pouvait avoir un impact sur des dizaines de tables, avec un temps de mise à jour du catalogue supérieur à 12 heures. La personnalisation était également très limitée, car le temps de réponse est un élément absolument fondamental en e-commerce. Vous n’avez qu’une ou 2 secondes pour charger le profil du client et décider quoi lui proposer.
- Le dernier cas d’usage est la gestion documentaire.
- Quand on parle de gestion documentaire, les fameuses applications “CMS “ ont pour vocation de stocker du contenu et de le mettre à disposition d’utilisateurs. Il peut s’agir de pages web, de documents, d’images, de vidéos, de commentaires ou d’autre type de données générées par les utilisateurs eux-même. Les CMS peuvent être développés en interne ou achetés directement auprès d’éditeurs. Il est intéressant de noter que les deux plus grands CMS que sont Adobe Experience Manager et Sitecore utilisent MongoDB comme backend. J’ai un ami qui m’a dit un jour que c’était normal d’être utilisé dans le CMS puisqu’on était une base de données orientée documents. Je ne le vois plus.
- Eliminated 6B+ rows of attributes – instead creates single document per user / piece of content
- Voilà en synthèse les cas d’usage que nous rencontrons le plus fréquemment chez nos clients. Comme vous l’avez vu, la capacité de MongoDB à fournir en même temps un modèle de données flexible et des fonctionnalités de requêtage évoluées et performantes, le tout sur une architecture scalable et disponible permettent à nos clients de mettre en œuvre des projets qui paraissaient jusqu’à présent impossibles.
- Bonjour à tous, je suis Rémi Forest, Solution Architect chez MongoDB. Pour faire suite à l’échange que nous venons d’avoir avec Eliot, je voudrais aborder de façon un peu plus concrète les utilisations qui sont faites de mongoDB chez nos clients. Comme vous l’avez compris, MongoDB a la volonté d’être une base de données généraliste, c’est-à-dire pouvant répondre à un très grand nombre de cas d’usage, notamment comme alternative aux bases de données traditionnelles. Pour autant, les premiers projets mis en œuvre autour de notre technologie sont généralement portés par des cas d’usages pour lesquels ces solutions traditionnelles sont incapables d’apporter des réponses satisfaisantes. Je vais pendant ces quelques minutes vous présenter les cas d’usage les plus fréquemment rencontrés chez nos clients, et vous montrer, à travers quelques exemples concrets, de quelle façon MongoDB apporte une valeur unique pour ces applications. 3:00