Bases de données NoSQL, enjeux et solutions

Programmes de Bases de données NoSQL, enjeux et solutions

Introduction au NoSQL

• L’historique du mouvement NoSQL.
• Les différentes approches de gestion de BDD à travers le temps : hiérarchiques, relationnelles, objets, XML, NoSQL.
• Les grands acteurs à l’origine du mouvement NoSQL et du Big Data analytique : Google et Amazon.
• Données structurées, semi-structurées et non-structurées : provenance, typologie…
• Vue synoptique des différents types de moteurs NoSQL du point de vue du modèle de données.
• Le NoSQL, la Big Data et les architectures Cloud: principes d’architecture communs et divergents.
• Les modes de distribution : avec maître et décentralisé.
• Le positionnement du NoSQL au sein du Big Analytics : de l’ère de la transaction à l’ère de l’interaction.

Le Relationnel et le NoSQL.

• Les bases de données relationnelles : leurs forces et leurs limites.
• Structuration forte des données (schéma explicite) vs Structure souple (schéma implicite) et la modélisation agile.
• Des qualités ACID aux qualités BASE.
• Théorème CAP (cohérence, disponibilité, tolérance au partitionnement).
• Les différents niveaux de cohérence.
• Le langage SQL, la performance des jointures. L’accès par la clé en NoSQL.
• L’évolution vers le distribué : extensibilité verticale et horizontale.
• Comprendre le NoSQL par le modèle de l’agrégat et de la centralité de la donnée.

Les mondes du NoSQL

• Monde du NoSQL à travers ses choix techniques et différentes bases NoSQL libres (du moins structuré au plus structuré).
• L’architecture distribuée : principes, le shared-nothing.
• Disponibilité et cohérence différée : gossip, timestamps, vector clock, règle de majorité, arbre de Merkle.
• Les patterns et les modèles. Comment modéliser et travailler efficacement en NoSQL.
• Différents modèles de connexion avec le client : sur cluster décentralisé, protocoles comme Thrift ou ProtoBuf, REST…
• Les bases orientées clé-valeur et en mémoire : Redis, Riak, Projet Voldemort, Aerospike.
• Les bases orientées documents : Le format JSON. Couchbase Server, MongoDB, ElasticSearch.
• Les bases orientées colonne distribuées pour le Big Data opérationnel : Hadoop, Hbase, Cassandra, Accumulo…
• Les moteurs orientés graphes : Neo4j, OrientDB…
• L’écosystème Hadoop : les différences avec les SGBDR, les relations avec le NoSQL.

NoSQL et Big Data

• Big Data analytique : l’écosystème Hadoop.
• Stockage et traitements. Les différentes formes de stockage dans HDFS : SequenceFile, Apache Parquet.
• Différents types de traitements : MapReduce, Graphe orienté acyclique, flux, Machine Learning, de graphes distribué…
• Les architectures Big Data : traitements batch, micro-batch, flux. Architecture Lambda, architecture Kappa.
• Les outils intégrés : Apache Spark, Apache Flink.
• Les outils d’analyses de données : développement pour l’analyse Big Data, les outils du data scientist.
• La pérennité des outils du Big Data analytique devant l’évolution très rapide des frameworks.

Choisir et mettre en place

• Le type d’utilisation propice au NoSQL. À quels usages correspondent les bases NoSQL.
• Les choix matériels.
• Qu’est-ce qu’un modèle de données NoSQL ?
• Comment aborder la migration ?
• Les impacts sur le développement client. Comment développer efficacement avec des bases NoSQL ?
• Quels outils de supervision et comment les choisir ?
• Quelle est la complexité administrative et la courbe d’apprentissage ?
• Cas d’utilisation dans des entreprises existantes.
• Et les performances ? Quelques benchmarks ?
• Qu’est-ce que NewSQL ?