SlideShare une entreprise Scribd logo
Quand utiliser MongoDB	… Et quand vous en passer…
Quand utiliser MongoDB
… Et quand vous en passer…
Docteur Edouard Servan-Schreiber
Directeur d'architecture de solution
MongoDB
edss@mongodb.com
Sommaire
• Qu'est-ce que MongoDB ?
• À quoi sert MongoDB ?
• Les points forts de MongoDB... Les points à améliorer
• Ce que les clients peuvent faire et ne pas faire avec
MongoDB
• Cas d'utilisation inhabituels
• Quand utiliser MongoDB
CRÉER DES APPLICATIONS
IMPOSSIBLE AUPARAVANT
AGILITÉ SCALABILITÉ
À quoi sert MongoDB ?
• Un espace de stockage de données pour tous les systèmes
de fidélisation
– ANS exigeants, en temps réel
– Différents jeux de données mixtes
– Simultanéité massive
– Déploiement global sur plusieurs sites
– Aucun temps d'arrêt toléré
– Capacité d'évolution en fonction des besoins des
utilisateurs
– Incertitude élevée concernant la taille
– Besoins de montée en charge rapide
– Expérience transparente et cohérente
Langage de
requête
expressif
Cohérence
forte
Index
secondaires
Flexibilité
Scalabilité
Performances
Base de données relationnelle
NoSQL
Langage de
requête
expressif
Cohérence
forte
Index
secondaires
Flexibilité
Scalabilité
Performances
Langage de
requête
expressif
Cohérence
forte
Index
secondaires
Flexibilité
Scalabilité
Performances
Base de données relationnelle NoSQL
Base de données relationnelle + NoSQL
Langage de
requête
expressif
Cohérence
forte
Index
secondaires
Flexibilité
Scalabilité
Performances
Architecture Nexus
Base de données relationnelle + NoSQL
MongoDB N'EST PAS
• Une suite analytique
– Un concurrent de SAS ou SPSS
• Une technologie d'entrepôt de données
– N'entre pas en concurrence avec Teradata, Netezza, Vertica
• Un outil de BI
– N'entre pas en concurrence avec Tableau ou QlikView
• Traitement des transactions de service comptable
– N'entre pas en concurrence avec les mainframes IBM
• Serveur principal d'un système de facturation ou d'un système de
comptabilité générale
– N'entre pas en concurrence avec Oracle RAC
• Un moteur de recherche
– N'entre pas en concurrence avec Elasticsearch, SOLR
MongoDB et le stack informatique
d'entreprise
MongoDB et le stack informatique
d'entreprise
Traitement de
transactions
en ligne (ou
OLTP, pour
OnLine
Transaction
Processing)
Traitement
analytique en
ligne (ou
OLAP, pour
OnLine
Analytical
Processing)
Facteurs menant au développement
d'applications modernes
Données
• 90 % des données ont été créées au
cours des 2 dernières années
• 80 % des données d'entreprise ne sont
pas structurées
• La quantité de données non structurées
augmente 2 fois plus vite que la quantité
de données structurées
Mobile
• 2 milliards de smartphones
en 2015
• Les mobiles représentent
actuellement plus de 50 % des
moyens d'accès à Internet
• 26 milliards d'appareils sur l'IoT
(Internet des objets) en 2020
Social
• Internet est utilisé à 72 % pour des
interactions sur les réseaux sociaux
• Ces réseaux comptent jusqu'à 2 milliards
d'utilisateurs actifs chaque mois
• 93 % des entreprises utilisent les
réseaux sociaux
Cloud
• Les coûts de calcul ont baissé de
33 % année après année
• Les coûts de stockage ont baissé de
38 % année après année
• Les coûts de réseau ont baissé de
27 % année après année
Avantages stratégiques de MongoDB
Scalabilité horizontale
Partitionnement
Agilité
Flexibilité
Performances élevées et
cohérence forte
Application
Haute
disponibilité
Jeux de réplicas
{ author: “eliot”,
date: new Date(),
text: “MongoDB”,
tags: [“database”, “flexible”,
“JSON”]}
Modèle de données basé sur des documents
Base de données
relationnelle
MongoDB
{
first_name: ‘Paul’,
surname: ‘Miller’,
city: ‘London’,
location:
[45.123,47.232],
cars: [
{ model: ‘Bentley’,
year: 1973,
value: 100000, … },
{ model: ‘Rolls Royce’,
year: 1965,
value: 330000, … }
]
}
Utilisez vos données de manière plus
productive
MongoDB
{
first_name: ‘Paul’,
surname: ‘Miller’,
city: ‘London’,
location:
[45.123,47.232],
cars: [
{ model: ‘Bentley’,
year: 1973,
value: 100000, … },
{ model: ‘Rolls Royce’,
year: 1965,
value: 330000, … }
}
}
Requêtes
enrichies
Rechercher les voitures de Paul
Rechercher toutes les personnes
vivant à Londres qui possèdent une
voiture construite entre 1970 et 1980
Géospatial
Rechercher tous les propriétaires de
voiture dans un rayon de 5 km autour
de Trafalgar Sq.
Recherche de
texte
Rechercher toutes les voitures dont la
description indique « sièges en cuir »
Agrégation
Calculer la valeur moyenne de la
collection de voitures de Paul
Opération
MapReduce
Comment évolue le modèle de
propriété des couleurs par
emplacement géographique au fil du
temps ?
(le pourpre est-il tendance en Chine ?)
Configurations requises pour ces
problématiques
Adresses Configuration requise Description
Types de
données
Structure de données
hiérarchique
Peut correspondre à la structure des objets dans les langages OOP
d'aujourd'hui
Types de
données, Agile
Schéma dynamique Peut gérer des données de formes différentes dans une
table/collection et non pas dans un schéma prédéfini
Agilité Langage OOP natif Maintient les développeurs dans un environnement et encapsule
les fonctionnalités/validations/règles dans un même emplacement
Volume Montée en charge Peut gérer efficacement des centaines de téra/pétaoctets de
données
Volumes,
nouvelle
architecture
Performances Débit élevé sur un nœud unique et montée en charge horizontale
simplifiée
Toujours
nécessaire
Coût en matière de
logiciel
Open Source avec services ajoutés de niveau Premium
Toujours
nécessaire
Cohérence des
données
Délai entre l'écriture des données et leur lecture
Toujours
nécessaire
Requêtes enrichies Requêtes basées sur n'importe quel champ, comme les index
secondaires
Toujours
nécessaire
Facilité d'utilisation Courbe d'apprentissage réduite et conception simple
Méthode d'empilement des bases de données
Configuration
requise
RDBMS Clé/valeur Colonne large MongoDB
Données
hiérarchiques
Faible Faible Correct Excellent
Schéma dynamique Faible Faible Faible Excellent
Lang. OOP natif Faible Excellent Excellent Excellent
Coût en matière de
logiciel
Faible Excellent Excellent Excellent
Performances Faible Excellent Excellent Excellent
Montée en charge Faible Excellent Excellent Excellent
Cohérence des
données
Excellent Faible Faible Excellent
Requêtes enrichies Excellent Faible Faible Excellent
Facilité d'utilisation Correct Correct Faible Excellent
Configuration
requise
RDBMS Clé/valeur Colonne large MongoDB
Données
hiérarchiques
Faible Faible Correct Excellent
Schéma dynamique Faible Faible Faible Excellent
Lang. OOP natif Faible Excellent Excellent Excellent
Coût en matière de
logiciel
Faible Excellent Excellent Excellent
Performances Faible Excellent Excellent Excellent
Montée en charge Faible Excellent Excellent Excellent
Cohérence des
données
Excellent Faible Faible Excellent
Requêtes enrichies Excellent Faible Faible Excellent
Facilité d'utilisation Correct Correct Faible Excellent
Méthode d'empilement des bases de données
VALEUR DE NOSQL
Configuration
requise
RDBMS Clé/valeur Colonne large MongoDB
Données
hiérarchiques
Faible Faible Correct Excellent
Schéma dynamique Faible Faible Faible Excellent
Lang. OOP natif Faible Excellent Excellent Excellent
Coût en matière de
logiciel
Faible Excellent Excellent Excellent
Performances Faible Excellent Excellent Excellent
Montée en charge Faible Excellent Excellent Excellent
Cohérence des
données
Excellent Faible Faible Excellent
Requêtes enrichies Excellent Faible Faible Excellent
Facilité d'utilisation Correct Correct Faible Excellent
Méthode d'empilement des bases de données
VALEUR DE NOSQL
VALEUR DE MONGODB
Atouts de MongoDB Les points à améliorer dans MongoDB
• Duplication directe
• Performances élevées sur les charges
de travail mixtes pour les lectures,
écritures et mises à jour
• Montée en charge à la demande
• Déploiements géodépendants
• Requêtes géospatiales
• Haute disponibilité et basculement
automatique
• Schéma et indexation secondaire
flexibles
• Développement agile pour la plupart
des langages de programmation
• Infrastructure courante
• Analyses en temps réel
• Indexation de texte
• Cohérence des données
• Compression
• Gestion des ressources *
• Analyse de collection pendant le
chargement *
• Disponibilité d'écriture absolue
• Recherche par facettes
• Jointures entre les collections
• SQL*
• Transactions entre plusieurs
documents
Quels sont les points forts de la base de
données MongoDB ?
Atouts de MongoDB
• Duplication directe
• Performances élevées sur les charges
de travail mixtes pour les lectures,
écritures et mises à jour
• Montée en charge à la demande
• Déploiements géodépendants
• Requêtes géospatiales
• Haute disponibilité et basculement
automatique
• Schéma et indexation secondaire
flexibles
• Développement agile pour la plupart
des langages de programmation
• Infrastructure courante
• Analyses en temps réel
• Indexation de texte
• Cohérence des données
• Compression
Quels sont les points forts de la base de
données MongoDB ?
Simple à initialiser
Toutes les lectures, mixtes et surtout les
écritures
Pas de surprovisionnement coûteux
Un cluster peut s'étendre à un niveau mondial
Facilite le développement d'applications
mobiles pertinentes
Opérations à faible pression
Pas d'obligation d'établir un modèle de
données complexe
Pas d'obligation d'abandonner votre langage de
développement favori
Pas de dépendance vis-à-vis d'un fournisseur en
termes de matériel
Rentabilisez vos données immédiatement !
Fonctionnalité de recherche de base
Simplification de la conception des applications
Avec la nouvelle version 3.0
Les points à améliorer dans MongoDB
• Gestion des ressources *
• Analyse de collection pendant le
chargement *
• Disponibilité d'écriture absolue
• Recherche par facettes
• Jointures entre les collections
• SQL*
• Transactions entre plusieurs
documents
Quels sont les points forts de la base de
données MongoDB ?
Doit être effectuée au niveau de l'infrastructure
Les analyses simultanées peuvent perturber la
plage de travail
Cohérence par rapport à la disponibilité
Principales valeurs des moteurs de recherche
Le modèle de document en réduit les besoins
Certaines solutions partielles (ODBC)
Transféré au niveau de l'application Rarement
nécessaire lorsque la conception du schéma est
efficace
Cas d'utilisation MongoDB
Vue unique Internet des objets Mobile
Analyses en temps
réel
Catalogue Personnalisation Gestion de contenus
Points forts de MongoDB Points à améliorer de MongoDB
• Vue unique
• Internet des objets : données de vos
capteurs
• Applications mobiles : géospatial
• Analyses en temps réel
• Catalogue
• Personnalisation
• Gestion de contenus
• Gestion des stocks
• Moteurs de personnalisation
• Panier d'achat
• Datamarts dépendants
• Archivage pour une recherche rapide
• Outils collaboratifs
• Applications de messagerie
• Agrégation de fichiers journaux
• Mise en cache
• Publicité
• ……
• Moteur de recherche
• Le fait de décomposer et de
décortiquer des données de façon
imprévue requiert des jointures et des
analyses complètes
• Latence de quelques nanosecondes
lors de l'écriture (données de
fluctuation en temps réel)
• Disponibilité au-delà de 99,999 %,
basculement instantané
• Traitement par lot
Cas d'utilisation où MongoDB est particulièrement
efficace
Points forts de MongoDB
• Vue unique
• Internet des objets : données de vos
capteurs
• Applications mobiles : géospatial
• Analyses en temps réel
• Catalogue
• Personnalisation
• Gestion de contenus
• Gestion des stocks
• Moteurs de personnalisation
• Panier d'achat
• Datamarts dépendants
• Archivage pour une recherche rapide
• Outils collaboratifs
• Applications de messagerie
• Agrégation de fichiers journaux
• Mise en cache
• Publicité
Cas d'utilisation où MongoDB est
particulièrement efficace
Tâches d'analyse et d'archivage
Développement d'informations à partir des
données en temps réel
Extraction à partir des entrepôts de
données pour l'analyse
Volume important, requêtes ciblées
Partage en temps quasi-réel
Applications similaires à Twitter
Par exemple : SPLUNK
Permet des lectures en masse de données
consolidées
Points à améliorer de MongoDB
• Moteur de recherche
• Le fait de décomposer et de décortiquer
des données de façon imprévue requiert
des jointures et des analyses complètes
• Latence de quelques nanosecondes lors
de l'écriture (données de fluctuation en
temps réel)
• Disponibilité au-delà de 99,999 %,
basculement instantané
• Traitement par lot
Cas d'utilisation où MongoDB est
particulièrement efficace
Indexation de texte uniquement pour les
utilisations de base
Utilisations des entrepôts de données
classiques. MongoDB requiert des modèles
de requête connus.
Des bases de données spécialisées, telles
que Kdb, sont développées à cet effet
MongoDB requiert un délai de quelques
secondes pour effectuer un basculement
C'est pour cela que Hadoop a été conçu…
Remarque : le traitement des transactions ne requiert aucune
transaction de bases de données. Les virements de compte à
compte ne sont jamais instantanés et nécessitent un véritable
traitement... Généralement par lot
Consolidation des données
Entrepôt de
données
En temps réel ou
Par lot
Application de
fidélisation
Application de
fidélisation
Plateforme de données opérationnelle
Avantages
• Temps réel
• Détails complets
• Agilité
• Amélioration de la
fidélisation des clients
• Augmentation de la
part de portefeuille
• Gestion proactive des
exceptions
Créationde
rapportssurla
stratégie
Création de
rapports sur les
opérations
Cartes
Prêts
Dépôts
CartesSource de
données
1
PrêtsSource de
données
2
Dépôts
…
Source de
données n
Plateforme de données pour une grande
banque d'investissement
Flux et données par lot
• Tarification
• Comptes
• Titres
• Opérations sur titre
Source de
données de
référence
(RDBMS)
Par lot
Par lot Par lot
Par lot
Par lot
Par lot
Par lot
Données de
destination
(RDBMS)
Chacune représente
• des personnes $
• du matériel $
• des licences $
• des amendes
réglementaires $
• et d'autres problèmes
en aval
Plateforme de données pour une grande
banque d'investissement
Flux et données par lot
• Tarification
• Comptes
• Titres
• Opérations sur titre
Source de
données de
référence
(RDBMS)
Par lot
Par lot Par lot
Par lot
Par lot
Par lot
Par lot
Données de
destination
(RDBMS)
Chacune représente
• des personnes $
• du matériel $
• des licences $
• des amendes
réglementaires $
• et d'autres problèmes
en aval
• Délais allant jusqu'à 36 heures
lors de la distribution des
données par lot
• Plusieurs facturations pour les
mêmes données
• Risques d'amendes
réglementaires pour non-
respect d'un ANS
• Obligation de gérer
20 systèmes distribués
contenant les mêmes données
Plateforme de données pour une grande
banque d'investissement
Flux et données par lot
• Tarification
• Comptes
• Titres
• Opérations sur titre
Temps réel
Temps réel Temps réel
Temps réel
Temps réel
Temps réel
Temps réel
Chacune représente
• Aucune personne $
• Moins de matériel $
• Moins de licences $
• Aucune amende $
• et bien moins de
problèmes
Membres
secondaires
MongoDB
MongoDB
Primaire
Plateforme de données pour une grande
banque d'investissement
Flux et données par lot
• Tarification
• Comptes
• Titres
• Opérations sur titre
Temps réel
Temps réel Temps réel
Temps réel
Temps réel
Temps réel
Temps réel
Chacune représente
• Aucune personne $
• Moins de matériel $
• Moins de licences $
• Aucune amende $
• et bien moins de
problèmes
Membres
secondaires
MongoDB
MongoDB
Primaire
• Permet d'économiser
40 000 000 $ de dépenses et
d'amendes sur 5 ans
• Une seule facturation pour les
mêmes données
• Les données sont
synchronisées de manière
globale et lues en local
• Capacité de passer à un service
de données partagé global
Base de données de ressemblance
moléculaire
• Stockage de composants
chimiques : empreintes
• Objectif : recherche des
composants « proches » d'un
composant donné
• Après une requête, un ensemble
réduit de candidats acceptables
doit être renvoyé rapidement
• Quelques chercheurs travaillent en
simultané
• Le coefficient d'association de
Tanimoto est utilisé pour comparer
deux composants selon leurs
empreintes communes
Big Data pour la génomique
• Base d'extraits de séquences
d'ADN très volumineuse
– Origine, méthode de collecte,
séquence, date...
• Énumération des mutations
relatives à la séquence de
référence
– Positions, type de mutation,
base
• Besoin de récupérer
efficacement toutes les
séquences comportant une
mutation particulière
• Similaire à un modèle de
système de gestion de contenus
• Ajout d'un tableau d'indicateurs
dans un document de séquence
répertoriant les noms des
mutations
• Indexation du tableau
d'indicateurs
• Les requêtes recherchant les
séquences affectées sont
indexées et très rapides
• Facile à configurer,
représentation flexible et
présentation détaillée des
séquences, évolution flexible
• Possibilité de montée en charge
pour traiter des volumes
importants
IoT (Internet des objets) : grand fabricant de
véhicules industriels
Partition 1
Secondaire
Partition 2
Secondaire
Partition 3
Secondaire
Partition 1
Primaire
Partition 1
Secondaire
Partition 1
Primaire
Partition 1
Secondaire
Partition 1
Primaire
Partition 1
Secondaire
Plateforme
de données
centrale
Plateforme
de données régionale
Plateforme
de données régionale
Plateforme
de données
régionale
Quelle base de donnée choisir pour
votre entreprise ?
Quel véhicule utiliser pour une course ?
QUELS SONT
VOS OBJECTIFS ?
Caractéristiques importantes de MongoDB
• La base de données MongoDB n'a pas été
conçue pour les cas d'utilisations de niche
• MongoDB s'efforce de se doter de
caractéristiques excellentes pouvant s'appliquer
à des cas d'utilisation très variés
MongoDB est la base de données la plus
équilibrée pour les applications et les
performances d'entreprise
Du point de vue technique : pourquoi
MongoDB
• Performances élevées (1 000 millions
de requêtes/secondes) en lecture et
écriture
• Vous avez besoin de schémas
flexibles, de requêtes enrichies
indépendamment du nombre d'index
secondaires
• Vous avez besoin d'une capacité de
duplication sur plusieurs centres de
données, même à l'échelle mondiale
• Vous avez besoin d'effectuer des
déploiements et des montées en
charge à la demande rapidement
(système réduit et rapide lors de la
mise en place, simple à agrandir)
• Disponibilité de 99,999 %
• Analyse en temps réel de la base de
données, pendant les chargements
• Requêtes géospatiales
• Traitement en temps réel, pas par lot
• Vous avez besoin de promouvoir des
méthodologies de codage agile
• Déploiement sur le matériel
informatique et les architectures de
stockage les plus couramment utilisés
• Récupération à un moment précis
• Vous avez besoin d'une forte
cohérence des données
• Sécurité avancée
Du point de vue technique : pourquoi
MongoDB
• Performances élevées (1 000 millions
de requêtes/secondes) en lecture et
écriture
• Vous avez besoin de schémas
flexibles, de requêtes enrichies
indépendamment du nombre d'index
secondaires
• Vous avez besoin d'une capacité de
duplication sur plusieurs centres de
données, même à l'échelle mondiale
• Vous avez besoin d'effectuer des
déploiements et des montées en
charge à la demande rapidement
(système réduit et rapide lors de la
mise en place, simple à agrandir)
• Disponibilité de 99,999 %
• Analyse en temps réel de la base de
données, pendant les chargements
• Requêtes géospatiales
• Traitement en temps réel, pas par lot
• Vous avez besoin de promouvoir des
méthodologies de codage agile
• Déploiement sur le matériel
informatique et les architectures de
stockage les plus couramment utilisés
• Récupération à un moment précis
• Vous avez besoin d'une forte
cohérence des données
• Sécurité avancée
Du point de vue des entreprises : pourquoi
MongoDB
• Outils et services de gestion
• Facilité d'adoption
• Licence commerciale
• Facilité d'adoption par les développeurs
• Assistance technique mondiale
• Services professionnels mondiaux
• Intégration à l'écosystème informatique
• Stabilité de l'entreprise
• Norme de facto pour les bases de données de nouvelle
génération
Du point de vue des entreprises : pourquoi
MongoDB
• Outils et services de gestion
• Facilité d'adoption
• Licence commerciale
• Facilité d'adoption par les développeurs
• Assistance technique mondiale
• Services professionnels mondiaux
• Intégration à l'écosystème informatique
• Stabilité de l'entreprise
• Norme de facto pour les bases de données de nouvelle
génération
Résumé
• MongoDB est adapté aux systèmes de fidélisation
• Il complète les moteurs de recherche, Hadoop et les
entrepôts de données
– Il ne remplace pas ces technologies
• Vaste gamme de cas d'utilisation : il s'agit ici d'un point
essentiel !
– Très efficace dans de nombreux cas d'utilisation, et pas
simplement dans quelques situations
• Reconnu par Gartner et Forrester
• Norme de facto pour les bases de données de nouvelle
génération
• Maturité et intégration pour l'entreprise
Nous pouvons vous aider
MongoDB Enterprise Advanced
La meilleure méthode pour exécuter MongoDB dans votre centre de données
MongoDB Management Service (MMS)
La méthode la plus simple pour exécuter MongoDB dans le Cloud
Assistance technique de production
En production et sous contrôle
Assistance technique pour le développement
Pour le bon déroulement de vos projets
Offres de conseil
Nous pouvons résoudre vos problèmes
Formation
Maintenez la réactivité de vos équipes
Quand utiliser MongoDB	… Et quand vous en passer…

Contenu connexe

Tendances

BigData_TP5 : Neo4J
BigData_TP5 : Neo4JBigData_TP5 : Neo4J
BigData_TP5 : Neo4J
Lilia Sfaxi
 
BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
Lilia Sfaxi
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
Amal Abid
 
Hadoop Hbase - Introduction
Hadoop Hbase - IntroductionHadoop Hbase - Introduction
Hadoop Hbase - Introduction
Blandine Larbret
 
BigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopBigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans Hadoop
Lilia Sfaxi
 
BigData_TP3 : Spark
BigData_TP3 : SparkBigData_TP3 : Spark
BigData_TP3 : Spark
Lilia Sfaxi
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQL
kamar MEDDAH
 
Chapitre 2 hadoop
Chapitre 2 hadoopChapitre 2 hadoop
Chapitre 2 hadoop
Mouna Torjmen
 
Modélisation de données pour MongoDB
Modélisation de données pour MongoDBModélisation de données pour MongoDB
Modélisation de données pour MongoDB
MongoDB
 
Hive ppt (1)
Hive ppt (1)Hive ppt (1)
Hive ppt (1)
marwa baich
 
Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -
IliasAEA
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
Alexia Audevart
 
TP1 Big Data - MapReduce
TP1 Big Data - MapReduceTP1 Big Data - MapReduce
TP1 Big Data - MapReduce
Amal Abid
 
Introduction au langage SQL
Introduction au langage SQLIntroduction au langage SQL
Introduction au langage SQL
Olivier Le Goaër
 
Le langage sql
Le langage sqlLe langage sql
Le langage sql
Abderrahim Aitali
 
Cours Big Data Chap3
Cours Big Data Chap3Cours Big Data Chap3
Cours Big Data Chap3
Amal Abid
 
Cours data warehouse
Cours data warehouseCours data warehouse
Cours data warehouse
khlifi z
 
Intégration des données avec Talend ETL
Intégration des données avec Talend ETLIntégration des données avec Talend ETL
Intégration des données avec Talend ETL
Lilia Sfaxi
 
Bases de Données non relationnelles, NoSQL (Introduction) 1er cours
Bases de Données non relationnelles, NoSQL (Introduction) 1er coursBases de Données non relationnelles, NoSQL (Introduction) 1er cours
Bases de Données non relationnelles, NoSQL (Introduction) 1er cours
Hatim CHAHDI
 
Hadoop et son écosystème
Hadoop et son écosystèmeHadoop et son écosystème
Hadoop et son écosystème
Khanh Maudoux
 

Tendances (20)

BigData_TP5 : Neo4J
BigData_TP5 : Neo4JBigData_TP5 : Neo4J
BigData_TP5 : Neo4J
 
BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
 
Hadoop Hbase - Introduction
Hadoop Hbase - IntroductionHadoop Hbase - Introduction
Hadoop Hbase - Introduction
 
BigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopBigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans Hadoop
 
BigData_TP3 : Spark
BigData_TP3 : SparkBigData_TP3 : Spark
BigData_TP3 : Spark
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQL
 
Chapitre 2 hadoop
Chapitre 2 hadoopChapitre 2 hadoop
Chapitre 2 hadoop
 
Modélisation de données pour MongoDB
Modélisation de données pour MongoDBModélisation de données pour MongoDB
Modélisation de données pour MongoDB
 
Hive ppt (1)
Hive ppt (1)Hive ppt (1)
Hive ppt (1)
 
Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -Les Base de Données NOSQL -Presentation -
Les Base de Données NOSQL -Presentation -
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 
TP1 Big Data - MapReduce
TP1 Big Data - MapReduceTP1 Big Data - MapReduce
TP1 Big Data - MapReduce
 
Introduction au langage SQL
Introduction au langage SQLIntroduction au langage SQL
Introduction au langage SQL
 
Le langage sql
Le langage sqlLe langage sql
Le langage sql
 
Cours Big Data Chap3
Cours Big Data Chap3Cours Big Data Chap3
Cours Big Data Chap3
 
Cours data warehouse
Cours data warehouseCours data warehouse
Cours data warehouse
 
Intégration des données avec Talend ETL
Intégration des données avec Talend ETLIntégration des données avec Talend ETL
Intégration des données avec Talend ETL
 
Bases de Données non relationnelles, NoSQL (Introduction) 1er cours
Bases de Données non relationnelles, NoSQL (Introduction) 1er coursBases de Données non relationnelles, NoSQL (Introduction) 1er cours
Bases de Données non relationnelles, NoSQL (Introduction) 1er cours
 
Hadoop et son écosystème
Hadoop et son écosystèmeHadoop et son écosystème
Hadoop et son écosystème
 

Similaire à Quand utiliser MongoDB … Et quand vous en passer…

Gestion des données d'entreprise à l'ère de MongoDB et du Data Lake
Gestion des données d'entreprise à l'ère de MongoDB et du Data LakeGestion des données d'entreprise à l'ère de MongoDB et du Data Lake
Gestion des données d'entreprise à l'ère de MongoDB et du Data Lake
MongoDB
 
What's new in MongoDB 3.6
What's new in MongoDB 3.6What's new in MongoDB 3.6
What's new in MongoDB 3.6
MongoDB
 
Denodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie APIDenodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie API
Denodo
 
Event: Petit-déjeuner MongoDB France
Event: Petit-déjeuner MongoDB FranceEvent: Petit-déjeuner MongoDB France
Event: Petit-déjeuner MongoDB France
MongoDB
 
Big data: NoSQL comme solution
Big data: NoSQL comme solutionBig data: NoSQL comme solution
Big data: NoSQL comme solution
JEMLI Fathi
 
MongoDB 3.6 Customer Deck pptx.pptx
MongoDB 3.6 Customer Deck pptx.pptxMongoDB 3.6 Customer Deck pptx.pptx
MongoDB 3.6 Customer Deck pptx.pptx
MongoDB
 
Les nouveautés de MongoDB 3.6
Les nouveautés de MongoDB 3.6Les nouveautés de MongoDB 3.6
Les nouveautés de MongoDB 3.6
MongoDB
 
Introduction à Neo4j - La base de données de graphes - 2016
Introduction à Neo4j - La base de données de graphes - 2016Introduction à Neo4j - La base de données de graphes - 2016
Introduction à Neo4j - La base de données de graphes - 2016
Cédric Fauvet
 
MongoDB .pptx
MongoDB .pptxMongoDB .pptx
MongoDB .pptx
meriemchebbi2
 
J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...
J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...
J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...
MS Cloud Summit
 
Morning with MongoDB Paris 2012 - Fast Connect
Morning with MongoDB Paris 2012 - Fast ConnectMorning with MongoDB Paris 2012 - Fast Connect
Morning with MongoDB Paris 2012 - Fast Connect
MongoDB
 
Livre blanc Rubedo - Plateforme digitale open-source
Livre blanc Rubedo - Plateforme digitale open-sourceLivre blanc Rubedo - Plateforme digitale open-source
Livre blanc Rubedo - Plateforme digitale open-source
Rubedo, a WebTales solution
 
Serverless low cost analytics by Adways y Audric Guigon
Serverless low cost analytics by Adways y Audric GuigonServerless low cost analytics by Adways y Audric Guigon
Serverless low cost analytics by Adways y Audric Guigon
The Incredible Automation Day
 
Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
Antoine Augusti
 
Benchmarking NoSQL DataBase dans le cadre d'un projet IoT
Benchmarking NoSQL DataBase dans le cadre d'un projet IoTBenchmarking NoSQL DataBase dans le cadre d'un projet IoT
Benchmarking NoSQL DataBase dans le cadre d'un projet IoT
CHAKER ALLAOUI
 
Découvrez les nouvelles fonctionnalités de Talend 6
Découvrez les nouvelles fonctionnalités de Talend 6Découvrez les nouvelles fonctionnalités de Talend 6
Découvrez les nouvelles fonctionnalités de Talend 6
Jean-Michel Franco
 
BigData on change d'ère !
BigData on change d'ère ! BigData on change d'ère !
BigData on change d'ère !
Excelerate Systems
 
20140130 mug lyon - post-mortem d'une application métier
20140130   mug lyon - post-mortem d'une application métier20140130   mug lyon - post-mortem d'une application métier
20140130 mug lyon - post-mortem d'une application métier
Matthieu DUFOURNEAUD
 
OWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysanceOWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysance
Paris Open Source Summit
 

Similaire à Quand utiliser MongoDB … Et quand vous en passer… (20)

Gestion des données d'entreprise à l'ère de MongoDB et du Data Lake
Gestion des données d'entreprise à l'ère de MongoDB et du Data LakeGestion des données d'entreprise à l'ère de MongoDB et du Data Lake
Gestion des données d'entreprise à l'ère de MongoDB et du Data Lake
 
What's new in MongoDB 3.6
What's new in MongoDB 3.6What's new in MongoDB 3.6
What's new in MongoDB 3.6
 
Denodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie APIDenodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie API
 
Event: Petit-déjeuner MongoDB France
Event: Petit-déjeuner MongoDB FranceEvent: Petit-déjeuner MongoDB France
Event: Petit-déjeuner MongoDB France
 
Big data: NoSQL comme solution
Big data: NoSQL comme solutionBig data: NoSQL comme solution
Big data: NoSQL comme solution
 
MongoDB 3.6 Customer Deck pptx.pptx
MongoDB 3.6 Customer Deck pptx.pptxMongoDB 3.6 Customer Deck pptx.pptx
MongoDB 3.6 Customer Deck pptx.pptx
 
Les nouveautés de MongoDB 3.6
Les nouveautés de MongoDB 3.6Les nouveautés de MongoDB 3.6
Les nouveautés de MongoDB 3.6
 
Introduction à Neo4j - La base de données de graphes - 2016
Introduction à Neo4j - La base de données de graphes - 2016Introduction à Neo4j - La base de données de graphes - 2016
Introduction à Neo4j - La base de données de graphes - 2016
 
MongoDB .pptx
MongoDB .pptxMongoDB .pptx
MongoDB .pptx
 
J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...
J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...
J1 T1 2 - Azure DocumentDB, une base de données extrêmement rapide à l’échell...
 
Morning with MongoDB Paris 2012 - Fast Connect
Morning with MongoDB Paris 2012 - Fast ConnectMorning with MongoDB Paris 2012 - Fast Connect
Morning with MongoDB Paris 2012 - Fast Connect
 
Livre blanc Rubedo - Plateforme digitale open-source
Livre blanc Rubedo - Plateforme digitale open-sourceLivre blanc Rubedo - Plateforme digitale open-source
Livre blanc Rubedo - Plateforme digitale open-source
 
Serverless low cost analytics by Adways y Audric Guigon
Serverless low cost analytics by Adways y Audric GuigonServerless low cost analytics by Adways y Audric Guigon
Serverless low cost analytics by Adways y Audric Guigon
 
Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
 
Benchmarking NoSQL DataBase dans le cadre d'un projet IoT
Benchmarking NoSQL DataBase dans le cadre d'un projet IoTBenchmarking NoSQL DataBase dans le cadre d'un projet IoT
Benchmarking NoSQL DataBase dans le cadre d'un projet IoT
 
Découvrez les nouvelles fonctionnalités de Talend 6
Découvrez les nouvelles fonctionnalités de Talend 6Découvrez les nouvelles fonctionnalités de Talend 6
Découvrez les nouvelles fonctionnalités de Talend 6
 
BigData on change d'ère !
BigData on change d'ère ! BigData on change d'ère !
BigData on change d'ère !
 
20140130 mug lyon - post-mortem d'une application métier
20140130   mug lyon - post-mortem d'une application métier20140130   mug lyon - post-mortem d'une application métier
20140130 mug lyon - post-mortem d'une application métier
 
Sgbd oss-27012006
Sgbd oss-27012006Sgbd oss-27012006
Sgbd oss-27012006
 
OWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysanceOWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysance
 

Plus de MongoDB

MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB AtlasMongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB
 
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB
 
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB
 
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDBMongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB
 
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB
 
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series DataMongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB
 
MongoDB SoCal 2020: MongoDB Atlas Jump Start
 MongoDB SoCal 2020: MongoDB Atlas Jump Start MongoDB SoCal 2020: MongoDB Atlas Jump Start
MongoDB SoCal 2020: MongoDB Atlas Jump Start
MongoDB
 
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB
 
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB
 
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB
 
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB
 
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your MindsetMongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB
 
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas JumpstartMongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB
 
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB
 
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB
 
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB
 
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep DiveMongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB
 
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & GolangMongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB
 
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB
 
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB
 

Plus de MongoDB (20)

MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB AtlasMongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
 
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
 
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
 
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDBMongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
 
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
 
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series DataMongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
 
MongoDB SoCal 2020: MongoDB Atlas Jump Start
 MongoDB SoCal 2020: MongoDB Atlas Jump Start MongoDB SoCal 2020: MongoDB Atlas Jump Start
MongoDB SoCal 2020: MongoDB Atlas Jump Start
 
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
 
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
 
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
 
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
 
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your MindsetMongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
 
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas JumpstartMongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
 
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
 
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
 
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
 
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep DiveMongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
 
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & GolangMongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
 
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
 
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
 

Quand utiliser MongoDB … Et quand vous en passer…

  • 2. Quand utiliser MongoDB … Et quand vous en passer… Docteur Edouard Servan-Schreiber Directeur d'architecture de solution MongoDB edss@mongodb.com
  • 3. Sommaire • Qu'est-ce que MongoDB ? • À quoi sert MongoDB ? • Les points forts de MongoDB... Les points à améliorer • Ce que les clients peuvent faire et ne pas faire avec MongoDB • Cas d'utilisation inhabituels • Quand utiliser MongoDB
  • 4. CRÉER DES APPLICATIONS IMPOSSIBLE AUPARAVANT AGILITÉ SCALABILITÉ
  • 5. À quoi sert MongoDB ? • Un espace de stockage de données pour tous les systèmes de fidélisation – ANS exigeants, en temps réel – Différents jeux de données mixtes – Simultanéité massive – Déploiement global sur plusieurs sites – Aucun temps d'arrêt toléré – Capacité d'évolution en fonction des besoins des utilisateurs – Incertitude élevée concernant la taille – Besoins de montée en charge rapide – Expérience transparente et cohérente
  • 10. MongoDB N'EST PAS • Une suite analytique – Un concurrent de SAS ou SPSS • Une technologie d'entrepôt de données – N'entre pas en concurrence avec Teradata, Netezza, Vertica • Un outil de BI – N'entre pas en concurrence avec Tableau ou QlikView • Traitement des transactions de service comptable – N'entre pas en concurrence avec les mainframes IBM • Serveur principal d'un système de facturation ou d'un système de comptabilité générale – N'entre pas en concurrence avec Oracle RAC • Un moteur de recherche – N'entre pas en concurrence avec Elasticsearch, SOLR
  • 11. MongoDB et le stack informatique d'entreprise
  • 12. MongoDB et le stack informatique d'entreprise Traitement de transactions en ligne (ou OLTP, pour OnLine Transaction Processing) Traitement analytique en ligne (ou OLAP, pour OnLine Analytical Processing)
  • 13. Facteurs menant au développement d'applications modernes Données • 90 % des données ont été créées au cours des 2 dernières années • 80 % des données d'entreprise ne sont pas structurées • La quantité de données non structurées augmente 2 fois plus vite que la quantité de données structurées Mobile • 2 milliards de smartphones en 2015 • Les mobiles représentent actuellement plus de 50 % des moyens d'accès à Internet • 26 milliards d'appareils sur l'IoT (Internet des objets) en 2020 Social • Internet est utilisé à 72 % pour des interactions sur les réseaux sociaux • Ces réseaux comptent jusqu'à 2 milliards d'utilisateurs actifs chaque mois • 93 % des entreprises utilisent les réseaux sociaux Cloud • Les coûts de calcul ont baissé de 33 % année après année • Les coûts de stockage ont baissé de 38 % année après année • Les coûts de réseau ont baissé de 27 % année après année
  • 14. Avantages stratégiques de MongoDB Scalabilité horizontale Partitionnement Agilité Flexibilité Performances élevées et cohérence forte Application Haute disponibilité Jeux de réplicas { author: “eliot”, date: new Date(), text: “MongoDB”, tags: [“database”, “flexible”, “JSON”]}
  • 15. Modèle de données basé sur des documents Base de données relationnelle MongoDB { first_name: ‘Paul’, surname: ‘Miller’, city: ‘London’, location: [45.123,47.232], cars: [ { model: ‘Bentley’, year: 1973, value: 100000, … }, { model: ‘Rolls Royce’, year: 1965, value: 330000, … } ] }
  • 16. Utilisez vos données de manière plus productive MongoDB { first_name: ‘Paul’, surname: ‘Miller’, city: ‘London’, location: [45.123,47.232], cars: [ { model: ‘Bentley’, year: 1973, value: 100000, … }, { model: ‘Rolls Royce’, year: 1965, value: 330000, … } } } Requêtes enrichies Rechercher les voitures de Paul Rechercher toutes les personnes vivant à Londres qui possèdent une voiture construite entre 1970 et 1980 Géospatial Rechercher tous les propriétaires de voiture dans un rayon de 5 km autour de Trafalgar Sq. Recherche de texte Rechercher toutes les voitures dont la description indique « sièges en cuir » Agrégation Calculer la valeur moyenne de la collection de voitures de Paul Opération MapReduce Comment évolue le modèle de propriété des couleurs par emplacement géographique au fil du temps ? (le pourpre est-il tendance en Chine ?)
  • 17. Configurations requises pour ces problématiques Adresses Configuration requise Description Types de données Structure de données hiérarchique Peut correspondre à la structure des objets dans les langages OOP d'aujourd'hui Types de données, Agile Schéma dynamique Peut gérer des données de formes différentes dans une table/collection et non pas dans un schéma prédéfini Agilité Langage OOP natif Maintient les développeurs dans un environnement et encapsule les fonctionnalités/validations/règles dans un même emplacement Volume Montée en charge Peut gérer efficacement des centaines de téra/pétaoctets de données Volumes, nouvelle architecture Performances Débit élevé sur un nœud unique et montée en charge horizontale simplifiée Toujours nécessaire Coût en matière de logiciel Open Source avec services ajoutés de niveau Premium Toujours nécessaire Cohérence des données Délai entre l'écriture des données et leur lecture Toujours nécessaire Requêtes enrichies Requêtes basées sur n'importe quel champ, comme les index secondaires Toujours nécessaire Facilité d'utilisation Courbe d'apprentissage réduite et conception simple
  • 18. Méthode d'empilement des bases de données Configuration requise RDBMS Clé/valeur Colonne large MongoDB Données hiérarchiques Faible Faible Correct Excellent Schéma dynamique Faible Faible Faible Excellent Lang. OOP natif Faible Excellent Excellent Excellent Coût en matière de logiciel Faible Excellent Excellent Excellent Performances Faible Excellent Excellent Excellent Montée en charge Faible Excellent Excellent Excellent Cohérence des données Excellent Faible Faible Excellent Requêtes enrichies Excellent Faible Faible Excellent Facilité d'utilisation Correct Correct Faible Excellent
  • 19. Configuration requise RDBMS Clé/valeur Colonne large MongoDB Données hiérarchiques Faible Faible Correct Excellent Schéma dynamique Faible Faible Faible Excellent Lang. OOP natif Faible Excellent Excellent Excellent Coût en matière de logiciel Faible Excellent Excellent Excellent Performances Faible Excellent Excellent Excellent Montée en charge Faible Excellent Excellent Excellent Cohérence des données Excellent Faible Faible Excellent Requêtes enrichies Excellent Faible Faible Excellent Facilité d'utilisation Correct Correct Faible Excellent Méthode d'empilement des bases de données VALEUR DE NOSQL
  • 20. Configuration requise RDBMS Clé/valeur Colonne large MongoDB Données hiérarchiques Faible Faible Correct Excellent Schéma dynamique Faible Faible Faible Excellent Lang. OOP natif Faible Excellent Excellent Excellent Coût en matière de logiciel Faible Excellent Excellent Excellent Performances Faible Excellent Excellent Excellent Montée en charge Faible Excellent Excellent Excellent Cohérence des données Excellent Faible Faible Excellent Requêtes enrichies Excellent Faible Faible Excellent Facilité d'utilisation Correct Correct Faible Excellent Méthode d'empilement des bases de données VALEUR DE NOSQL VALEUR DE MONGODB
  • 21. Atouts de MongoDB Les points à améliorer dans MongoDB • Duplication directe • Performances élevées sur les charges de travail mixtes pour les lectures, écritures et mises à jour • Montée en charge à la demande • Déploiements géodépendants • Requêtes géospatiales • Haute disponibilité et basculement automatique • Schéma et indexation secondaire flexibles • Développement agile pour la plupart des langages de programmation • Infrastructure courante • Analyses en temps réel • Indexation de texte • Cohérence des données • Compression • Gestion des ressources * • Analyse de collection pendant le chargement * • Disponibilité d'écriture absolue • Recherche par facettes • Jointures entre les collections • SQL* • Transactions entre plusieurs documents Quels sont les points forts de la base de données MongoDB ?
  • 22. Atouts de MongoDB • Duplication directe • Performances élevées sur les charges de travail mixtes pour les lectures, écritures et mises à jour • Montée en charge à la demande • Déploiements géodépendants • Requêtes géospatiales • Haute disponibilité et basculement automatique • Schéma et indexation secondaire flexibles • Développement agile pour la plupart des langages de programmation • Infrastructure courante • Analyses en temps réel • Indexation de texte • Cohérence des données • Compression Quels sont les points forts de la base de données MongoDB ? Simple à initialiser Toutes les lectures, mixtes et surtout les écritures Pas de surprovisionnement coûteux Un cluster peut s'étendre à un niveau mondial Facilite le développement d'applications mobiles pertinentes Opérations à faible pression Pas d'obligation d'établir un modèle de données complexe Pas d'obligation d'abandonner votre langage de développement favori Pas de dépendance vis-à-vis d'un fournisseur en termes de matériel Rentabilisez vos données immédiatement ! Fonctionnalité de recherche de base Simplification de la conception des applications Avec la nouvelle version 3.0
  • 23. Les points à améliorer dans MongoDB • Gestion des ressources * • Analyse de collection pendant le chargement * • Disponibilité d'écriture absolue • Recherche par facettes • Jointures entre les collections • SQL* • Transactions entre plusieurs documents Quels sont les points forts de la base de données MongoDB ? Doit être effectuée au niveau de l'infrastructure Les analyses simultanées peuvent perturber la plage de travail Cohérence par rapport à la disponibilité Principales valeurs des moteurs de recherche Le modèle de document en réduit les besoins Certaines solutions partielles (ODBC) Transféré au niveau de l'application Rarement nécessaire lorsque la conception du schéma est efficace
  • 24. Cas d'utilisation MongoDB Vue unique Internet des objets Mobile Analyses en temps réel Catalogue Personnalisation Gestion de contenus
  • 25. Points forts de MongoDB Points à améliorer de MongoDB • Vue unique • Internet des objets : données de vos capteurs • Applications mobiles : géospatial • Analyses en temps réel • Catalogue • Personnalisation • Gestion de contenus • Gestion des stocks • Moteurs de personnalisation • Panier d'achat • Datamarts dépendants • Archivage pour une recherche rapide • Outils collaboratifs • Applications de messagerie • Agrégation de fichiers journaux • Mise en cache • Publicité • …… • Moteur de recherche • Le fait de décomposer et de décortiquer des données de façon imprévue requiert des jointures et des analyses complètes • Latence de quelques nanosecondes lors de l'écriture (données de fluctuation en temps réel) • Disponibilité au-delà de 99,999 %, basculement instantané • Traitement par lot Cas d'utilisation où MongoDB est particulièrement efficace
  • 26. Points forts de MongoDB • Vue unique • Internet des objets : données de vos capteurs • Applications mobiles : géospatial • Analyses en temps réel • Catalogue • Personnalisation • Gestion de contenus • Gestion des stocks • Moteurs de personnalisation • Panier d'achat • Datamarts dépendants • Archivage pour une recherche rapide • Outils collaboratifs • Applications de messagerie • Agrégation de fichiers journaux • Mise en cache • Publicité Cas d'utilisation où MongoDB est particulièrement efficace Tâches d'analyse et d'archivage Développement d'informations à partir des données en temps réel Extraction à partir des entrepôts de données pour l'analyse Volume important, requêtes ciblées Partage en temps quasi-réel Applications similaires à Twitter Par exemple : SPLUNK Permet des lectures en masse de données consolidées
  • 27. Points à améliorer de MongoDB • Moteur de recherche • Le fait de décomposer et de décortiquer des données de façon imprévue requiert des jointures et des analyses complètes • Latence de quelques nanosecondes lors de l'écriture (données de fluctuation en temps réel) • Disponibilité au-delà de 99,999 %, basculement instantané • Traitement par lot Cas d'utilisation où MongoDB est particulièrement efficace Indexation de texte uniquement pour les utilisations de base Utilisations des entrepôts de données classiques. MongoDB requiert des modèles de requête connus. Des bases de données spécialisées, telles que Kdb, sont développées à cet effet MongoDB requiert un délai de quelques secondes pour effectuer un basculement C'est pour cela que Hadoop a été conçu… Remarque : le traitement des transactions ne requiert aucune transaction de bases de données. Les virements de compte à compte ne sont jamais instantanés et nécessitent un véritable traitement... Généralement par lot
  • 28. Consolidation des données Entrepôt de données En temps réel ou Par lot Application de fidélisation Application de fidélisation Plateforme de données opérationnelle Avantages • Temps réel • Détails complets • Agilité • Amélioration de la fidélisation des clients • Augmentation de la part de portefeuille • Gestion proactive des exceptions Créationde rapportssurla stratégie Création de rapports sur les opérations Cartes Prêts Dépôts CartesSource de données 1 PrêtsSource de données 2 Dépôts … Source de données n
  • 29. Plateforme de données pour une grande banque d'investissement Flux et données par lot • Tarification • Comptes • Titres • Opérations sur titre Source de données de référence (RDBMS) Par lot Par lot Par lot Par lot Par lot Par lot Par lot Données de destination (RDBMS) Chacune représente • des personnes $ • du matériel $ • des licences $ • des amendes réglementaires $ • et d'autres problèmes en aval
  • 30. Plateforme de données pour une grande banque d'investissement Flux et données par lot • Tarification • Comptes • Titres • Opérations sur titre Source de données de référence (RDBMS) Par lot Par lot Par lot Par lot Par lot Par lot Par lot Données de destination (RDBMS) Chacune représente • des personnes $ • du matériel $ • des licences $ • des amendes réglementaires $ • et d'autres problèmes en aval • Délais allant jusqu'à 36 heures lors de la distribution des données par lot • Plusieurs facturations pour les mêmes données • Risques d'amendes réglementaires pour non- respect d'un ANS • Obligation de gérer 20 systèmes distribués contenant les mêmes données
  • 31. Plateforme de données pour une grande banque d'investissement Flux et données par lot • Tarification • Comptes • Titres • Opérations sur titre Temps réel Temps réel Temps réel Temps réel Temps réel Temps réel Temps réel Chacune représente • Aucune personne $ • Moins de matériel $ • Moins de licences $ • Aucune amende $ • et bien moins de problèmes Membres secondaires MongoDB MongoDB Primaire
  • 32. Plateforme de données pour une grande banque d'investissement Flux et données par lot • Tarification • Comptes • Titres • Opérations sur titre Temps réel Temps réel Temps réel Temps réel Temps réel Temps réel Temps réel Chacune représente • Aucune personne $ • Moins de matériel $ • Moins de licences $ • Aucune amende $ • et bien moins de problèmes Membres secondaires MongoDB MongoDB Primaire • Permet d'économiser 40 000 000 $ de dépenses et d'amendes sur 5 ans • Une seule facturation pour les mêmes données • Les données sont synchronisées de manière globale et lues en local • Capacité de passer à un service de données partagé global
  • 33. Base de données de ressemblance moléculaire • Stockage de composants chimiques : empreintes • Objectif : recherche des composants « proches » d'un composant donné • Après une requête, un ensemble réduit de candidats acceptables doit être renvoyé rapidement • Quelques chercheurs travaillent en simultané • Le coefficient d'association de Tanimoto est utilisé pour comparer deux composants selon leurs empreintes communes
  • 34. Big Data pour la génomique • Base d'extraits de séquences d'ADN très volumineuse – Origine, méthode de collecte, séquence, date... • Énumération des mutations relatives à la séquence de référence – Positions, type de mutation, base • Besoin de récupérer efficacement toutes les séquences comportant une mutation particulière • Similaire à un modèle de système de gestion de contenus • Ajout d'un tableau d'indicateurs dans un document de séquence répertoriant les noms des mutations • Indexation du tableau d'indicateurs • Les requêtes recherchant les séquences affectées sont indexées et très rapides • Facile à configurer, représentation flexible et présentation détaillée des séquences, évolution flexible • Possibilité de montée en charge pour traiter des volumes importants
  • 35. IoT (Internet des objets) : grand fabricant de véhicules industriels Partition 1 Secondaire Partition 2 Secondaire Partition 3 Secondaire Partition 1 Primaire Partition 1 Secondaire Partition 1 Primaire Partition 1 Secondaire Partition 1 Primaire Partition 1 Secondaire Plateforme de données centrale Plateforme de données régionale Plateforme de données régionale Plateforme de données régionale
  • 36. Quelle base de donnée choisir pour votre entreprise ?
  • 37. Quel véhicule utiliser pour une course ?
  • 39. Caractéristiques importantes de MongoDB • La base de données MongoDB n'a pas été conçue pour les cas d'utilisations de niche • MongoDB s'efforce de se doter de caractéristiques excellentes pouvant s'appliquer à des cas d'utilisation très variés MongoDB est la base de données la plus équilibrée pour les applications et les performances d'entreprise
  • 40. Du point de vue technique : pourquoi MongoDB • Performances élevées (1 000 millions de requêtes/secondes) en lecture et écriture • Vous avez besoin de schémas flexibles, de requêtes enrichies indépendamment du nombre d'index secondaires • Vous avez besoin d'une capacité de duplication sur plusieurs centres de données, même à l'échelle mondiale • Vous avez besoin d'effectuer des déploiements et des montées en charge à la demande rapidement (système réduit et rapide lors de la mise en place, simple à agrandir) • Disponibilité de 99,999 % • Analyse en temps réel de la base de données, pendant les chargements • Requêtes géospatiales • Traitement en temps réel, pas par lot • Vous avez besoin de promouvoir des méthodologies de codage agile • Déploiement sur le matériel informatique et les architectures de stockage les plus couramment utilisés • Récupération à un moment précis • Vous avez besoin d'une forte cohérence des données • Sécurité avancée
  • 41. Du point de vue technique : pourquoi MongoDB • Performances élevées (1 000 millions de requêtes/secondes) en lecture et écriture • Vous avez besoin de schémas flexibles, de requêtes enrichies indépendamment du nombre d'index secondaires • Vous avez besoin d'une capacité de duplication sur plusieurs centres de données, même à l'échelle mondiale • Vous avez besoin d'effectuer des déploiements et des montées en charge à la demande rapidement (système réduit et rapide lors de la mise en place, simple à agrandir) • Disponibilité de 99,999 % • Analyse en temps réel de la base de données, pendant les chargements • Requêtes géospatiales • Traitement en temps réel, pas par lot • Vous avez besoin de promouvoir des méthodologies de codage agile • Déploiement sur le matériel informatique et les architectures de stockage les plus couramment utilisés • Récupération à un moment précis • Vous avez besoin d'une forte cohérence des données • Sécurité avancée
  • 42. Du point de vue des entreprises : pourquoi MongoDB • Outils et services de gestion • Facilité d'adoption • Licence commerciale • Facilité d'adoption par les développeurs • Assistance technique mondiale • Services professionnels mondiaux • Intégration à l'écosystème informatique • Stabilité de l'entreprise • Norme de facto pour les bases de données de nouvelle génération
  • 43. Du point de vue des entreprises : pourquoi MongoDB • Outils et services de gestion • Facilité d'adoption • Licence commerciale • Facilité d'adoption par les développeurs • Assistance technique mondiale • Services professionnels mondiaux • Intégration à l'écosystème informatique • Stabilité de l'entreprise • Norme de facto pour les bases de données de nouvelle génération
  • 44. Résumé • MongoDB est adapté aux systèmes de fidélisation • Il complète les moteurs de recherche, Hadoop et les entrepôts de données – Il ne remplace pas ces technologies • Vaste gamme de cas d'utilisation : il s'agit ici d'un point essentiel ! – Très efficace dans de nombreux cas d'utilisation, et pas simplement dans quelques situations • Reconnu par Gartner et Forrester • Norme de facto pour les bases de données de nouvelle génération • Maturité et intégration pour l'entreprise
  • 45. Nous pouvons vous aider MongoDB Enterprise Advanced La meilleure méthode pour exécuter MongoDB dans votre centre de données MongoDB Management Service (MMS) La méthode la plus simple pour exécuter MongoDB dans le Cloud Assistance technique de production En production et sous contrôle Assistance technique pour le développement Pour le bon déroulement de vos projets Offres de conseil Nous pouvons résoudre vos problèmes Formation Maintenez la réactivité de vos équipes

Notes de l'éditeur

  1. Observons les autres technologies disponibles sur le marché... Les bases de données relationnelles ont posé les fondations de ce que vous attendez de votre base de données Un accès aux données complet et rapide, à l'aide d'un langage de requête expressif et d'index secondaires Une cohérence forte, pour toujours exécuter la version la plus récente de vos données Ces bases ne sont toutefois plus adaptées au monde actuel Elles sont développées pour des cycles de développement en cascade et des données structurées Elles sont conçues pour des utilisateurs internes et non pas de nombreux utilisateurs à travers le monde (elles proviennent de fournisseurs souhaitant collecter d'importants frais de licence à l'avance) --> Ce qu'elles gagnent en matière d'accès aux données et en cohérence, elles le perdent en flexibilité, scalabilité et performance
  2. Les bases de données NoSQL ont tenté de répondre aux nouveaux défis... Elles possèdent toutes des modèles de données relativement flexibles Elles ont toutes été conçues pour une montée en charge horizontale Elles sont également orientées performances Ce faisant, leurs concepteurs ont toutefois sacrifié les principales capacités de base de données dont vous avez besoin pour développer des applications dotées de toutes les fonctionnalités requises, telles que l'interrogation complète, l'indexation secondaire et la cohérence renforcée
  3. Nous avons conçu MongoDB pour répondre aux changements actuels tout en préservant les principales capacités de base de données requises pour développer des applications fonctionnelles. MongoDB est la seule base de données exploitant les innovations du NoSQL tout en conservant les fondements des bases de données relationnelles.
  4. Nous avons conçu MongoDB pour répondre aux changements actuels tout en préservant les principales capacités de base de données requises pour développer des applications fonctionnelles. MongoDB est la seule base de données exploitant les innovations du NoSQL tout en conservant les fondements des bases de données relationnelles.
  5. MongoDB s'inscrit dans la pile informatique d'entreprise existante. MongoDB est un espace de stockage de données opérationnelles utilisé pour les données en ligne, de la même manière qu'Oracle est un espace de stockage de données opérationnelles. Il prend en charge des applications qui acquièrent, stockent, gèrent et analysent des données en temps réel (par rapport à Hadoop et aux entrepôts de données, qui sont utilisés pour des charges de travail d'analyse par lots hors ligne).
  6. MongoDB s'inscrit dans la pile informatique d'entreprise existante. MongoDB est un espace de stockage de données opérationnelles utilisé pour les données en ligne, de la même manière qu'Oracle est un espace de stockage de données opérationnelles. Il prend en charge des applications qui acquièrent, stockent, gèrent et analysent des données en temps réel (par rapport à Hadoop et aux entrepôts de données, qui sont utilisés pour des charges de travail d'analyse par lots hors ligne).
  7. Plusieurs facteurs ont eu un impact sur la conception et l'exécution des applications actuelles : Les méthodes de développement sont passées de modèles en cascade durant entre 12 et 24 mois à des modèles itératifs évoluant tous les mois. Les organisations ont besoin de logiciels et d'infrastructures prenant en charge une accélération de la commercialisation. Les coûts des applications ont évolué : ils ne sont plus dominés par les frais d'infrastructures, mais par les coûts associés aux ingénieurs. Les organisations ont besoin de logiciels et d'infrastructures pour réduire leurs dépenses d'ingénierie. En arrière-plan a eu lieu ce que Gartner appelle une « connexion des forces », qui a modifié radicalement les méthodes employées par les organisations pour mener à bien leurs activités. L'utilisation des mobiles représente à présent plus de 50 % des activités sur Internet. Les utilisateurs sont continuellement en ligne, tout au long de la journée, et ils sont de plus en plus nombreux. Les interactions sociales dominent l'utilisation d'Internet, incluant 93 % de l'utilisation des réseaux sociaux par les entreprises. La croissance des données est sans précédent. 90 % des données créées au cours de l'histoire de l'humanité l'ont été durant les deux dernières années. La quantité de données non structurées augmente 2 fois plus vite que celle des données structurées. Les coûts d'infrastructure Cloud ont diminué d'environ 30 % année après années durant les 2 dernières décennies. MongoDB a été conçu pour aider les organisations à tirer profit de ces tendances, en se dotant d'une base de données accélérant considérablement la commercialisation de leurs applications et exploitant les tendances d'infrastructures actuelles pour réduire leurs dépenses.
  8. Nous avons considérablement réduit le modèle des données relationnelles pour cette application à deux tables. En réalité, aucune base de données n'a deux tables. Elles en comptent généralement des centaines, voire des milliers. En tant que développeur, par quoi commencez-vous lorsque vous disposez d'un modèle de données complexe ? Lorsque vous développez une application, vous ne prenez réellement en compte qu'un nombre restreint de paramètres, tels que les produits. Or, ceux-ci peuvent être représentés dans un document bien plus facilement que dans un modèle de base de données relationnelle où les données sont divisées de telle façon qu'elles ne reflètent plus votre point de vue sur les données ou l'application à écrire.
  9. Ajouter É-M-F
  10. Ajouter É-M-F
  11. Ajouter É-M-F
  12. Notre produit Nous sommes les experts de MongoDB. Plus d'un millier d'organisations font confiance à nos produits, notamment des startups et une trentaine de sociétés classées au Fortune 100. Nous offrons des logiciels et des services pour vous faciliter la vie : MongoDB Enterprise Advanced est la meilleure méthode pour exécuter MongoDB dans votre centre de données. Il s'agit d'un package de pointe de logiciels avancés, d'assistance technique, de certifications et d'autres services conçus pour s'adapter à la manière dont vous conduisez votre activité. MongoDB Management Service (MMS) est la méthode la plus simple pour exécuter MongoDB dans le Cloud. Il fait de MongoDB le système qui vous pose le moins de problèmes et qui est le plus facile à gérer. Notre Assistance technique de production vous permet de garder votre système opérationnel et de rester serein. Les ingénieurs de MongoDB vous aident à résoudre vos problèmes de production, ainsi que toute autre caractéristique de votre projet. Notre Assistance technique de développement vous permet d'être rapidement fonctionnel. Elle vous permet de bénéficier d'un ensemble complet de logiciels et de services pour les premières étapes de votre projet. Les offres de conseil combinées de MongoDB vous aident à parvenir plus rapidement à la phase de production, à régler les performances en production et à libérer du temps pour vous concentrer sur la prochaine version. Les formations MongoDB vous aident à devenir un expert MongoDB, de la conception à l'exploitation de systèmes stratégiques. Que vous soyez développeur, DBA ou architecte, nous pouvons vous aider à vous perfectionner à l'utilisation de MongoDB.