Introduction NoSql 201406 - lbroudoux
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Introduction NoSql 201406 - lbroudoux

on

  • 362 views

Légère mise à jour de l'introduction aux bases de données NoSQL faite pour l'Ensim (Ecole Nationale Supérieure d'Ingénieurs du Mans), niveau Master en Janvier 2014. Ajout d'exemples et d'une ...

Légère mise à jour de l'introduction aux bases de données NoSQL faite pour l'Ensim (Ecole Nationale Supérieure d'Ingénieurs du Mans), niveau Master en Janvier 2014. Ajout d'exemples et d'une présentation rapide des APIs majeures.

Statistics

Views

Total Views
362
Views on SlideShare
355
Embed Views
7

Actions

Likes
1
Downloads
20
Comments
0

3 Embeds 7

https://www.linkedin.com 3
https://twitter.com 3
http://www.linkedin.com 1

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Introduction NoSql 201406 - lbroudoux Presentation Transcript

  • 1. Introduction NoSQL Laurent Broudoux (@lbroudoux) | Juin 2014
  • 2. Quelques mots... Laurent Broudoux Le jour ... Architecte IT Senior chez MMA Mots-clés : Java, SOA, Agile, Software factories La nuit … Coder, geek, open source comitter (voir http://github.com/lbroudoux) Me joindre / suivre @lbroudoux laurent.broudoux@gmail.com http://lbroudoux.wordpress.com
  • 3. SQL vs NoSQLComprendre ? ? ?? ? ? ?? ? ?
  • 4. Les bases relationnelles et SQL ? ● Modèle prédominant pour stocker de l'information depuis + de 30 ans ! Nécessité de nombreuses lectures / écritures en simultané. Les RDBMS proposent un système de gestion de transaction efficace permettant d'éviter le pire ! Ecosystème riche et collaboration indispensable. L'écriture puis les lectures dans un RDBMS est un modèle fréquent d'intégration applicative. Les RDBMS ont imposé un paradigme de modélisation et un lanqage de requêtage (SQL) standards globalement partagés entre tous les vendeurs.
  • 5. Les limites des bases relationnelles (i) Impedance mismatch id : 1001 customer : lbroudoux line items : payment details : bird 8 3.25 € 26 € rabbit 4 22 € 88 € cat 2 112 € 224 € card Master Card card number 1234-5678-9101 expiry 12/2014 orders customers order lines credit cards
  • 6. Les limites des bases relationnelles (ii) Scalabilité Le modèle de consistance des RDBMS empêche l'utilisation de plusieurs machines pour répartir la charge (au moins en écriture) Pour augmenter la performance d'accès à la base, pas d'autres moyens que d'acheter un plus gros serveur, puis un autre, puis un autre, …
  • 7. Eléments de contexte ● Plusieurs tendances forment le terreau d'un changement – La SOA (Service Oriented Architecture) ● Intégration applicative maintenant basée sur la notion de service – Le cloud et les besoins en très haute disponibilité ● Prédominance des clusters ● Approche commodity hardware – La réalité économique ● Coût des machines très haute performance ● Facturation « au cœur » par les vendeurs
  • 8. NoSQL ? Terme apparu en 2009 avec plusieurs interprétations possibles : – No SQL – Not Only SQL Pas de définition formelle mais des caractéristiques communes partagées par les bases dites NoSQL : – N'utilise pas de modèle relationnel et donc pas le langage SQL – Conçu pour être exécutée dans un cluster, – Tendance à être Open Source, – Généralement sans schéma et donc permettant de stocker n'importe quelle donnée dans n'importe quelle « ligne » NoSQL s'écarte du modèle de données relationnel pour généralement proposer un modèle par agrégat.
  • 9. Relations & Agrégats (i) ● Soit un modèle relationnel exemple, exprimé en UML, en utilisant des associations
  • 10. Relations & Agrégats (ii) Id Name 123 Broudoux Id Name Price 27 Rabbit 3.25 Id City Street 66 Parigne Le Polin Id OrderId ProductId Quantity Price 991 99 27 3 9.75 Id CustomerId AddressId 55 123 66 Customers Products Address BillingAddress Id CustomerId ShippingAddressId 99 123 66 Orders Items Id OrderId CardNumber TxnId BillingAddressId 991 99 1234-4567-8910 a23ef75cd65b78 66 Payments ● Soit sa projection sur le modèle relationnel physique – Normalisation, pas de répétition, agnostique à l'usage
  • 11. Relations & Agrégats (iii) ● Reprenons le même modèle selon l'approche « agrégat » – On utilisera plutôt des compositions pour marquer les agrégats Un agrégat représente une unité de manipulation des données et de gestion de la cohérence
  • 12. Relations & Agrégats (iv) ● Soit sa projection en JSON (notation communément utilisé dans le monde NoSQL) – Dénormalisation – 2 agrégats principaux – Relations entre agrégats arbitraires et assurées applicativement
  • 13. Conséquences de l'approche agrégats ● L'approche agrégat règle les problèmes d'impédance mismatch mais : – Difficile de déterminer clairement les limites entre agrégats ● Le coté schemaless est un + mais à double tranchant – Difficile de réaliser certaines requêtes non prévues (penser à l'analytique) ● L'approche agrégat présente tout de même l'énorme avantage de limiter le vérouillage transactionnel à l'agrégat – ACID pour RDBMS – BASE pour NoSQL ● Basic Availability Soft-state Eventually consistent
  • 14. DistributionModèles de
  • 15. Sharding (i) Chaque shard lit et écrit ses propres données
  • 16. Sharding (ii) ● Bénéfices – Performance ● En écriture car scaling horizontal ● En lecture lorsque géolocalisation des données – Espace disque des machines – Résilience partielle voire localisée ● Préoccupations – Répartition équitable des données – Localisation des accès communs - d'où les agrégats ;-) – Sharding as application logic ?!
  • 17. Réplication Maître / Esclave (i) Lectures peuvent être faites depuis le maître ou les esclaves Toutes les écritures sont faites sur le maître Maître Esclaves Les changements se propagent vers les esclaves
  • 18. Réplication Maître / Esclave (ii) ● Bénéfices – Pour les applications avec beaucoup de lectures ● Performance ● Résilience – Elasticité par le provisioning de nouveaux esclaves ● Préoccupations – Inconsistance possible en lecture (local read-write à gérer par le driver) – Résilience pour l'écriture fonction de la capacité de changement de rôle (maître est un SPOF) – Algorithme de vote automatique et split brain !
  • 19. Réplication Peer to Peer (i) Tous les nœuds lisent et écrivent toutes les données Noeud Noeud Les nœuds communiquent uniquement leurs écritures
  • 20. Réplication Peer to Peer (ii) ● Bénéfices – Résilience en lecture comme en écriture – Elasticité par le povisionning transparent – Performances des lectures ● Préoccupations – Inconsistances car écritures simultanées possibles – Performances des écritures ● Voir les quorums et versions vectors ... – Volume de données à synchroniser et sens de synchro !
  • 21. Combinaison Sharding & Réplication Maître / Esclave Maître pour 2 shards Maître pour 1 shard – Esclave pour 1 shard Esclave pour 2 shards Esclave pour 1 shard Esclave pour 2 shards Maître pour 2 shard
  • 22. Combinaison Sharding & Réplication Peer to Peer
  • 23. Théorème CAP « Il est impossible pour un système distribué de satisfaire plus de 2 des 3 propriétés suivantes : Cohérence, Disponibilité et Résistance au morcellement » - Eric Brewer, 2000
  • 24. Théorème CAP Cohérence [Consistancy] Disponible [Availability] Résistance au morcellement [Partition tolerance] Tous les clients voient les mêmes données Un nœud recevant une requête doit répondre (et non : le système est ok si panne de noeuds) Le système continue de fonctionner même en cas d'échec de communication entre noeuds CA APCP
  • 25. « Relâcher la consistance » ● Ecritures inconsistantes – Classiquement : pessimiste (verrou) ou optimiste (versionning) – NoSQL : Ces approches ne fonctionnent pas si le système est distribué ! ● Lectures inconsistantes – Classiquement : transaction et verrouillage de plusieurs tables – NoSQL : Cette approche ne fonctionne pas si les données sont réparties sur plusieurs agrégats !
  • 26. « Relâcher la consistance » ● Stratégies alternatives – Enregistrer les écritures inconsistantes, résoudre plus tard (ex : Amazon Cart) – Réduire la fenêtre d'inconsistance en relâchant la durabilité – Les Quorums ● « Combien de nœuds participants pour considérer la consistance comme forte ? » ● Soit W le nombre de nœuds devant acquitter une écriture ● Soit N le nombre de réplicats d'une donnée (replication factor) ● Soit R le nombre de nœuds devant acquitter une lecture Consistance forte quand : W > N / 2 et R + W > N
  • 27. Map Reduce Computation
  • 28. Map Reduce ? ● L'avènement des agrégats est en grande partie due aux clusters – Compromis dans la façon de stocker les données mais pas seulement … – Nécessité de revoir la façon dont les données sont manipulées ! ● Dans « l'ancien monde », il y avait 2 choix : – Faire le traitement sur le client : liberté dans la plate-forme, délestage du serveur mais seulement si peu de données – Faire le traitement sur le serveur : contrainte environnement, peu de données à transférer mais charge !
  • 29. Map Reduce ? ● Avec un cluster : – Plein de puissance car plein de machines ! – Mais encore plus la nécessité de transférer le moins de données possible et de réaliser le travail sur le nœud possédant les données ! ● Map-Reduce est un pattern inspiré de la programmation fonctionnelle map reduce Map transforme chaque élément d'une collection et émet des paires clé / valeur Reduce récolte toutes les paires ayant la même clé et réalise le calcul pour retourner un résultat K V K V K V K R
  • 30. bird : Mon premier Map Reduce (i) id : 1001 customer : lbroudoux line items : shipping address : ... payment details : ... bird 8 3.25 € 26 € rabbit 4 22 € 88 € cat 2 112 € 224 € map Agrégat représentant une facture client : « Quel est le total des ventes par produit ? » Price : 26 € quantity : 8 rabbit : Price : 88 € quantity : 4 cat : Price : 224 € quantity : 2 La fonction « map » lit les enregistrements depuis la base et émet des paires de clés / valeurs. On choisit la clé en fonction du critère de regroupement voulu.
  • 31. Mon premier Map Reduce (ii) bird : price : 26 quantity : 8 price : 13 € quantity : 4 price : 7.5 € quantity : 2 reduce bird : price : 46.5 € quantity : 14 La fonction « reduce » prend plusieurs paires de clés / valeurs ayant la même clé et les aggrège en une seule. Le système rassemble toutes les paires ayant la même clé avant de les transmettre à la fonction de réduction
  • 32. Partitionnement et combinaison ● Sous la forme la plus simple, un job map-reduce exécute la fonction reduce une seule fois … ● … mais n'oublions pas qu'un système NoSQL est naturellement distribué ... ● Que se passe t-il quand il y a plusieurs millions d'agrégats à traiter ? – Quelle quantité de données à transférer ? – Quelle performance ? Il est possible d'augmenter le parallélisme en partitionnant les résultats de la fonction map.
  • 33. Map Reduce partitionné m m bird 12 rabbit 2 rabbit 4 cat 6 bird 3 rabbit 3 fish 20 fish 6 bird 12 cat 6 rabbit 2 rabbit 4 bird 3 rabbit 3 fish 20 fish 6 bird 12 bird 3 cat 6 r rabbit 2 rabbit 4 rabbit 3 fish 20 fish 6 r{ { Le partitionnement permet à la fonction « reduce » de s'exécuter en parallèle sur différentes clés, voir sur différents noeuds
  • 34. Partionnement et combinaison ● La plupart des données transférées est répétitive – Même ensemble de clés Il est possible de diminuer le volume de données en combinant les résultats de la fonction map avant de les transférer. combine reducemap Local Potentiellement distant
  • 35. Map Reduce combiné m bird 3 rabbit 3 fish 20 cat 2 fish 6 rabbit 2 bird 12 cat 1 combine bird 15 rabbit 5 fish 26 cat 3 r r La fonction « combine » permet de réduire les données à transférer au travers du réseau avant la réduction. Une telle fonction est aussi par nature une fonction de réduction.
  • 36. Implémentons ! Bases NoSQLPanorama
  • 37. Panorama des solutions En mémoire Column family Persistante sur disque DocumentClé / valeurs Graph Neo4j FlockDB
  • 38. Bases clés / valeurs (i) ● Grossièrement : une simple hash table où tous les accès se font en utilisant la clé primaire ● Seulement 3 opérations possibles : – Put : donner une valeur à une clé – Get : récupérer la valeur d'une clé – Delete : effacer la clé et sa valeur ● Support de structures basiques (list, hash, set) ● Parfois, notion de bucket ou couplage à un moteur d'indexation (ex : Riak) ● Très haute performance (in-memory possible) ● RESTful ! C'est quoi ?
  • 39. Bases clés / valeurs (ii) – De l'information très volatile ● Session utilisateur, données d'un panier d'achat – De l'information très peu volatile et accédée très fréquemment ● Descriptions produits, paramétrage applicatif A utiliser pour ... A éviter pour ... – Des données possédant des relations ● Relations entre agrégats ou corrélation entre données de différents ensemble de clés – Des opérations impliquant de multiples clés – Des besoins de requêtage par les données
  • 40. Bases clés / valeurs (iii) Comment ? Ecriture d'une paire clé/valeur Lecture d'une valeur Construction d'un objet domain complexe
  • 41. Bases clés / valeurs (iv) Comment ? Interface REST : écriture Interface REST : lecture
  • 42. Bases document (i) ● Bases stockant des documents qui peuvent être des arbres Xml, JSON, BSON, etc … – Pensez à des bases clés-valeurs où le contenu est examinable ● Documents souvent regroupés par Collection – 2 documents de la même Collection ne possèdent pas nécessairement la même structure ● Requêtes possibles en utilisant des syntaxes analogues à Xpath, Xquery, Javascript, JXPath ● Parfois, fonctions d'agrégation : sum, count, group C'est quoi ?
  • 43. Bases document (ii) – Données avec partie structurée et partie non structurée ● Evénements des applicatifs (sharding possible par application) – Données de publication variables ● CMS, Blogging avec commentaires, contenu dynamique, etc … – Données de suivi temps réel ou analytiques A utiliser pour ... A éviter pour ... – Opérations nécessitant consistance sur plusieurs agrégats – Des structures d'agrégat très changeante avec des besoins de requêtage forts ● Inconvénient du schemaless
  • 44. Bases document (iii) Comment ? Ecriture d'un document Requête : Query by example
  • 45. Bases document (iv) Comment ? MapReduce : moyenne des notes des articles d'un blog
  • 46. Bases column-family (i) ● Données définies par une clé à laquelle peut correspondre plusieurs familles de colonnes étant elles même des maps de données ● Langage de requête souvent pauvre C'est quoi ? name ''broudoux'' billingAddress data ... payment data ... odr1001 data ... odr1002 data ... odr1003 data ... odr1004 data ... 123 Clé de ligne Famille de colonnes « profile » Famille de colonnes « orders » Clé de colonne Valeur de colonne
  • 47. Bases column-family (ii) – Données avec partie structurée et partie non structurée ● Evénements des applicatifs (sharding possible par application) – Données de publication variables ● CMS, Blogging avec commentaires, contenu dynamique, etc … – Compteurs et analytiques – Données avec TTL A utiliser pour ... A éviter pour ... – Des besoins de requêtage complexes – Des besoins de calcul d'agrégation simples (nécessité de passer systématiquement par Map-Reduce aujourd'hui)
  • 48. Bases column-family (iii) Comment ? Création d'un schéma en CQL
  • 49. Bases column-family (iv) Comment ? Requête en CQL
  • 50. Bases graph (i) ● Stockage sous forme d'entités (nodes) et d'associations (edges) ● Les nodes possèdent des propriétés (penser à un objet) ● Les edges possèdent un type (likes, author) ● Optimisées pour traverser le graph rapidement dans n'importe quel sens – « Quelles sont les personnes employées par X dont les amis aiment le film Y ? » ● Modèle de distribution contraint : souvent pas de sharding automatique, seulement réplication ● Langages de requête « exotiques » : Gremlin, Cypher ● Parfois, complété par un moteur d'indexation C'est quoi ?
  • 51. Bases graph (ii) – Les moteurs de recommandations ● « Les autres clients ayant acheté ce produit ont aussi acheté ... » – Les données naturellement connectées ● Réseaux sociaux – Les services basés sur la localisation ou le calcul d'itinéraires A utiliser pour ... A éviter pour ... – Les cas où de nombreux nœuds doivent être mis à jour
  • 52. Bases graph (iii) Comment ? Neo4j Création de nœuds et de relations Recherche simple et parcours des relations
  • 53. Bases graph (iv) Comment ? Neo4j Recherche de tous les nœuds liés, transitivement Recherche des chemins possibles entre 2 nœuds
  • 54. Get lucky with API ? ● Des initiatives pour tenter d'uniformiser, abstraire le développement avec bases NoSQL ? – Spring Data : nouvelle API ● Support correct de MongoDB, Neo4j, Redis, Riakn, Gemfire, JPA (?) ● Support émergent de Hadoop/HTable, CouchDB, Elasticsearch, Cassandra – Hibernate OGM : construit sur JPA ● Support de Infinispan, MongoDB, Neo4j – GORM : origine Grails, maintenant utilisable en standalone ● Support natif de Hibernate et MongoDB ● Autres bases via encapsulation de Spring Data
  • 55. Au delà de NoSQL... « Polyglot Persistence » from Thoughtworks NoSQL Intro
  • 56. Au delà de NoSQL... BigData et Hadoop FileSystem – Principes analogues mais appliqués à un file system ● Sharding, replication, quorums pour la lecture / écriture ● Map/Reduce pour la manipulation des données
  • 57. Merci !