De normalisation & dénormalisation à CQRS

Qu'est-ce que la normalisation des données ? Et la dénormalisation ? Comment placer le curseur ? Faire les deux avec CQRS.

Transcript

1. De norm./dénorm. à CQRS 1 par
2. Hello! Geoffroy Aubry CTO AlumnForce geoffroy.aubry@alumnforce.com 2
3. 3 • Normalisation des données • Dénormalisation • Comment placer le curseur • Faire les deux avec CQRS
4. Normalisation : exemple 4 ID First Name Last Name Diplomas 1 Jean Dupont licence A, master B 2 John Doe licence C USER
5. Normalisation : exemple 5 ID First Name Last Name Diplomas Diploma 1 Diploma 2 1 Jean Dupont licence A master B 2 John Doe licence C USER
6. Normalisation : exemple 6 ID First Name Last Name Diploma Diploma 2 1 Jean Dupont licence A master B 1 Jean Dupont master B 2 John Doe licence C USER
7. Normalisation : exemple 7 ID First Name Last Name 1 Jean Dupont 2 John Doe USER User ID Diploma 1 licence A 1 master B 2 licence C USER_DIPLOMA
8. Normalisation : exemple 8 ID First Name Last Name 1 Jean Dupont 2 John Doe USER ID Name 10 licence A 20 master B 30 licence C DIPLOMA User ID Diploma ID 1 10 1 20 2 30 USER_DIPLOMA
9. Formes normales 9 1NF 2NF 3NF BCNF ... pas de répétition pas de dépendance à une sous-partie de la clé pas de dépendance à un autre attribut
10. Normalisation : avantages 10 • éviter redondance des données • augmenter l'intégrité / interdire les incohérences • stabilité de la modélisation • modélisation plus informative
11. Tout normaliser ? 11
12. Normalisation : usage 12 • besoin d'écritures rapides & simples • un back office ! • partout si peu de data ou partitionnement efficace
13. Pourquoi ne pas normaliser ? 13 • coût des jointures à la restitution ID First Name Last Name 1 Jean Dupont 2 John Doe USER ID Name 10 licence A 20 master B 30 licence C DIPLOMA User ID Diploma ID 1 10 1 20 2 30 USER_DIPLOMA
14. Pourquoi ne pas normaliser ? 14 • coût des jointures à la restitution • pour faire du quick and dirty • (NoSQL)
15. Dénormalisation 15 • l'art de dupliquer l'information… • … pour la performance en lecture User ID First N. Last N. Dipl. ID 1 Dipl. Name 1 Dipl. ID 2 Dipl. Name 2 1 Jean Dupont 10 licence A 20 master B 2 John Doe 30 licence C null null USER
16. Reprenons : 16 normalisation dénormalisation si besoin écritures si besoin lectures
17. “ Normalize until it hurts, denormalize until it works. a design rule 17
18. Et si on faisait les 2 ? 18
19. Et si on faisait les 2 ? 19 • tables normalisées + données dénormalisées : ◦ colonnes calculées ◦ tables calculées / vues matérialisées ◦ DB NoSQL + USER_FLAT USER DIPLOMA USER_DIPLOMA +
20. CQRS « Command Query Responsibility Segregation » 20 DB UI Query service Query model Command service Command model writes reads USER_FLAT USER DIPLOMA USER_DIPLOMA ?
21. Différentes techniques 21 • fil de l'eau synchrone : ◦ via trigger SQL ◦ code applicatif • full rebuild via cron • fil de l'eau asynchrone via events
22. Nouvelles notions 22 • recalcul complet / fil de l'eau • consistance à terme ( « Eventual Consistency » )
23. CQRS + event sourcing 23 UI Query service Query model Command service Command model Event store Event bus Denormalizer RDBMS Elastic search + events events events
24. 24 Thanks! À vos questions @AlumnForceDevs