EDITIONS ENI : 04. Les fondamentaux du NoSQL
Organisme
44812 ST HERBLAIN CEDEXVoir toutes ses formationsAutres organismes proposant cette formation
Durée
Modalités
- Classe virtuelle
- Présentiel
Par les stagiaires, qui en début et fin de formation, réalisent une auto-évaluation de leurs connaissances et compétences en lien avec les objectifs de la formation.
Prix
Public
Responsables informatique, Chefs de projet, Architectes, Développeurs, décideurs....
Pré-requis
Avoir des connaissances de base des architectures techniques, du management SI et des bases de données
Objectifs pédagogiques
Identifier les différences entre SGBD SQL et SGBD NoSQL
Évaluer les apports et les inconvénients inhérents aux technologies NoSQL
Identifier les principaux acteurs et solutions du marché pour chaque modèle de données
Connaître les champs d'application des SGBD NoSQL en opérationnel et en analytique
Comprendre les différentes architectures, modèles de données et implémentations techniques
Identifier les critères de choix
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