Morning With MongoDB

Transcript

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