Introduction au NoSQL

• L'historique du mouvement NoSQL.
• Les différentes approches de gestion de SGBD à travers le temps : hiérarchiques, relationnelles, objets, XML, NoSQL.
• Les cinq « V » du big data : Volume, Variété, Vélocité, Véracité, Validité.
• Données non structurées : activité web, échange de documents, réseaux sociaux, open data, IoT.
• Les grands acteurs à l'origine du mouvement NoSQL et du big data analytique : Google et Amazon.
• Vue synoptique des différents types de moteurs NoSQL du point de vue du modèle de données.
• Le NoSQL, le big data et les architectures cloud : principes d'architecture communs et divergents.
• Les modes de distribution : avec maître et décentralisé.
• Transactions distribuées, failover, points de sauvegarde, parallélisation des requêtes, équilibrage de charge.
• Le positionnement du NoSQL au sein du big data analytique : 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) versus 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.
• le NewSQL, un redesign des moteurs relationnels pour la distribution. Étude de CockroachDB.

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, la règle de majorité, l'arbre de Merkle.
• Les patterns et les modèles. Comment modéliser et travailler efficacement en NoSQL.
• Les bases orientées clé-valeur et en mémoire : Redis, Riak, Aerospike.
• Les bases orientées documents : le format JSON. Couchbase Server, MongoDB.
• Les bases orientées colonnes distribuées pour le big data opérationnel : Hbase, Cassandra, ScyllaDB...
• Les moteurs orientés graphes : Neo4j, OrientDB...
• Les moteurs de recherche JSON : Elasticsearch, SOLR.
• Les bases de données de séries de temps : InfluxDB, KDB, Prometheus.

Choisir et mettre en place

• À quels usages correspondent les bases NoSQL ?
• Comment aborder la migration ?
• 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.
• Gérer les interactions avec les bases de données relationnelles.
• Implémenter des stratégies NoSQL avec des moteurs relationnels. L’exemple de PostgreSQL et ses extensions.
• Implémenter le NoSQL dans les clouds publics. Les pratiques et les offres de bases de données en tant que service.

NoSQL et Big Data

• Big data analytique : l'écosystème Hadoop.
• Stockage et traitements. Les différentes formes de stockage dans HDFS : SequenceFile, Apache Parquet.
• Fonctions et usages : moteurs de recherche, outils de suggestion commerciale, détecteurs d'intrusion...
• Différents types de traitements : MapReduce, graphe orienté acyclique, flux, machine learning, graphes distribués...
• Fonctionnalités, outils et algorithmes : moteurs de recherche, Google Search, l'algorithme PageRank.
• L'outil intégré : Apache Spark.
• Connexion avec les moteurs opérationnels : ETL, Apache Sqoop.