MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
Morning with MongoDB Paris 2012 - Fast Connect
1. SOA - BRMS - ESB - BPM – CEP – BAM - High Performance – Compute & Data Grid - Cloud Computing - Big Data – NoSQL – Analytics - Mobile
Morning With
7 Novembre 2012
Mathias Kluba
Managing Consultant – Responsable offres NoSQL et Big Data
Novembre 2012
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
3
4. Nos
offres
d’accompagnement
autour
du
BigData
et
NoSQL
Formations
§ Formation générale BigData
§ Formation générale NoSQL
Forma9ons
§ Formation Hadoop, MongoDB, Gigaspaces, ActivePivot, Spotfire
Conseil et architecture
§ Conseil en architecture et évolution SI
§ Accompagnement au choix des solutions
Conseil
§ Audit pré ou post production
§ Propositions d’architectures cibles
Architecture
§ 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,
Ingénierie
développement itératif
§ Intégration avec les standards et technologies existants
§ Mise en place de solutions de visualisation
(dashboard/reporting/data navigation)
Exploitation et Support
§ Mise en place d’une infrastructure middleware robuste et opérable
§ Intégration avec le SI existant
Infogérance
§ Mise en place de solutions de supervision de bout en bout
et
Support
(SLAs, applications, système et réseaux)
§ Production 24x7
§ Support 1er niveau et TMA
4
5. Cas d’usage
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 »
5
10. En résumé
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)
10
11. Approche MongoDB + Hadoop
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
11
15. Approche MongoDB
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 » ?
15
16. § Contactez
nous
§ www.fastconnect.fr
§ blog.fastconnect.fr
§ sales@fastconnect.fr