MongoDB Days Silicon Valley: Using MongoDB with Adobe AEM Communities
Morning With MongoDB
-
Upload
fastconnect -
Category
Technology
-
view
6.275 -
download
0
description
Transcript of Morning With MongoDB
Morning With7 Novembre 2012
Novembre 2012
SOA - BRMS - ESB - BPM – CEP – BAM - High Performance – Compute & Data Grid - Cloud Computing - Big Data – NoSQL – Analytics - Mobile
Mathias KlubaManaging Consultant – Responsable offres NoSQL et Big Data
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
3
Nos offres d’accompagnement autour du BigData et NoSQL
Formations Formation générale BigData Formation générale NoSQL Formation Hadoop, MongoDB, Gigaspaces, ActivePivot, Spotfire Formations
ConseilArchitecture
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)
4
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
5
Première approche:
Première approche
SELECT * FROM tableWHERE field LIKE ‘%toto%’
SQL
TROP LENT TROP GROS VOLUME
6
Deuxième approche:
Deuxième approche
TROP LENT TROP RIGIDE
programme
7
For(int i = 0; i < length; i++){ doSomeStuff();}
Approche MongoDB / Hadoop :
MongoDB + Hadoop
1. Fichiers d’origines
2. Filtre un sous ensemble + meta-data
3. Affinage, recherche interactive
8
Approche MongoDB:
MongoDB en solo
MongoDB Map/Reduce
Report BIRT
9
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
10
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
11
Requêtes MongoDB dans Excel
Intégration MongoDB et Excel
12
Statistiques et monitoring sur MongoDB
Statistiques MongoDB
13
Déploiement MongoDB
14
Déploiement avec Cloudify
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
15
Contactez nous www.fastconnect.fr blog.fastconnect.fr [email protected]