Découvrez le monde du NoSQL avec notre formation intensive.
Nous commencerons par un rappel des bases de données SQL avant de plonger dans les différences avec le NoSQL.
Vous explorerez les principaux acteurs et solutions du marché NoSQL pour chaque modèle de données, et évaluerez leurs avantages et inconvénients.
À travers des exemples concrets sur diverses bases de données NoSQL, tels que Redis, Cassandra, Elasticsearch, MongoDB, Neo4j, vous comprendrez leurs applications pertinentes.
Nous aborderons également l’utilisation de Presto pour interroger des bases NoSQL à l’aide du langage SQL.
La formation se conclut avec une introduction au NewSQL en utilisant CockroachDB comme exemple pour montrer comment combiner la distribution et le côté relationnel.
Vous apprendrez à identifier les critères de choix et à mettre en œuvre une solution NoSQL dans un SI existant.
Inclus dans votre formation en inter-entreprise
Programme détaillé
Préambule
- Rappel des SGBDR et du langage SQL
- Les propriétés ACID : Atomicité, Cohérence, Isolation et Durabilité
Introduction au NoSQL
- Panorama des solutions
- Les propriétés BASE
- Le mode synchrone et asynchrone
- Introduction au théorème de CAP : comment choisir efficacement une base de données NoSQL ?
- Les 4 familles de bases de données NoSQL, au travers de cas d’usages et d’exemples :
- Clé-valeur : Démonstration de Redis
- Orienté colonne : Démonstration de Cassandra
- Orienté document : Démonstration de MongoDB
- Orienté Graphes : Démonstration de Neo4j
- Les bases de données de recherche Fulltext : Apache Solr ou Elasticsearch
- Les bases de données temporelles (Timeseries) : Prometheus
Le NewSQL
- Mixer les deux approches SQL et NOSQL : le NewSQL
- Le cas CockroachDB
- Interroger des bases de données NoSQL en SQL ? Utilisation de Presto
Mise en œuvre du NoSQL
- Mise en œuvre d’une solution NoSQL dans un SI existant
- Choix d’une solution par rapport à des cas d’usages
NoSQL et Big Data
- Introduction de l’écosystème Hadoop (HDFS / MapReduce / Hbase / etc.)
- La place faite aux cloudeurs (AWS / GCP / Azure)
- Le traitement de données : Le Machine Learning
- Le traitement distribué : Apache Spark et Databricks