• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
NoSQL User Group Paris - 21 Juin 2011 - GigaSpaces
 

NoSQL User Group Paris - 21 Juin 2011 - GigaSpaces

on

  • 1,141 views

Présentation GigaSpaces réalisée pour le groupe NoSQL à Paris lors de la session du 21 Juin 2011 (http://bit.ly/lDb1y4).

Présentation GigaSpaces réalisée pour le groupe NoSQL à Paris lors de la session du 21 Juin 2011 (http://bit.ly/lDb1y4).

Statistics

Views

Total Views
1,141
Views on SlideShare
1,121
Embed Views
20

Actions

Likes
0
Downloads
20
Comments
0

2 Embeds 20

http://blog.fastconnect.fr 19
http://localhost 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
  • Provides the equivalent of Amazon services (SimpleDB, SQS, Map/Reduce) for enterprise applications (Standard API, Transaction support,..).

NoSQL User Group Paris - 21 Juin 2011 - GigaSpaces NoSQL User Group Paris - 21 Juin 2011 - GigaSpaces Presentation Transcript

  • NOSQL User Group Paris21 Juin 2011  www.fastconnect.fr  
  • Agenda    Introduc0on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc<onnalités  principales    Cas  d’u<lisa<on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • Qui  sommes  nous  ?  > SELECT * FROM nosqlparis.speakers WHEREcompany = ‘FastConnect’+-------------------------------------------------------------------------------+| Name | Company | Role |+-------------------------------------------------------------------------------+| Gauvain Girault | FastConnect | Resp. Dpt Conseil & Solutions, CTO fondateur || Luc Boutier | FastConnect | Resp. Pôle Grid/DataGrid & SOA Open Source |+-------------------------------------------------------------------------------+> nosqlparis.speakers.find({name:“Gauvain Girault”}){ name:“Gauvain Girault”, company: { name:“FastConnect”, domains:[“SOA” “EAI/ESB” “Grid”,“DataGrid”,“Cloud/PaaS” “Optimisation”] expertise:“Architectures Distribuées” } role:“CTO”,}
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac0onnelle  scalable     Fonc<onnalités  principales    Cas  d’u<lisa<on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • Historique   Applica<ons  
  • Au  commencement,  il  y  avait  Jini  …   API Jini/JavaSpaces •  Write – écrit un objet Applica<ons  Jini Write •  Read – lit un objet•  Entry •  Take – lit un objet et•  Discovery & join l’efface (atomique !)•  Distributed Leasing •  Notify – génère une(lease management & notification sur lerenewal) Read, T changement d’état d’un•  Distributed Event ake, objetprogramming model Notify Read, Take,•  Transaction model & Write Notifysemantics
  • Et  son  modèle  tuple   •  Base de l’interopérabilité entre Applica<ons   langages •  Le tuple porte les méta données : répliqué, persisté, indexé, relations, etc…
  • Et  GigaSpaces  clusterisa  JavaSpaces   In-­‐Memory  Clustering   par00oned/replicated  ,   sync/async,   with  or  w/o  backups  ClusteringRéplicationFail-OverRépartition de chargeFournit: •  Découplage code – déploiementScalabilité •  Objectif : rendre flexible leHaute Disponibilité déploiement par configuration dePerformance l’infrastructure GigaSpaces sans changer le code
  • Evolu0on  vers  un  Cache  Distribué  •  Optimisation des temps d’accès en lecture•  Déchargement de la base de données Applica<ons  •  Multi langages : Java, C++, .Net serveurs d’applications cache distribué sources de données
  • Le  cache  distribué    Qu’est  ce  que  c’est  ?     Hashmap distribuée, clusterise la mémoire d’un ensemble de machines  A  quoi  çà  sert  ?     Op<mise  les  temps  d’accès  en  lecture  (et  écriture)  :  en  millisecondes     Mais  la  base  de  données  reste  garante  de  l’intégrité  des  données  (System  Of  Records)  et   donc  se  trouve  sur  le  chemin  cri<que  des  données  (en  écriture)    Technologies  phares     Memcached, Tangosol (maintenant Oracle) Coherence, IBM eXtreme Scale, GigaSpaces   Diverses implémentations et fonctionnalités : hash-based, consistent hashing, appels multiples ou non, divers langages supportés suivant les technos  Cas  d’usage     Sites Web : données de session, pages Web   HPC : données de référence nécessaires au calcul
  • Puis  vers  une  grille  de  données  /  DataGrid  •  Optimisation des temps d’accès en lecture et écriture•  Déchargement de la base de données•  Multi langages : Java, C++, .Net•  Transactionnel : local, distribué, XA pour certains Applica<ons  Serveurs grille de donnéessourcesde données
  • La  grille  de  données    Qu’est  ce  que  c’est  ?     Un cache distribué ++ : requêtage avancé (“SQL like”), map/reduce, multi langage et interopérabilité ( Java,C++, .Net)   Intégration aux sources de données pilotée par le data grid   Gestion cohérence/intégrité (locks, transactions)  A  quoi  çà  sert  ?     Op<mise  les  temps  d’accès  en  lecture  (et  écriture)  :  en  millisecondes     Le  back  end  (base  de  données  ou  mainframe)  n’est  plus  sur  le  chemin  cri<que  de  l’applica<on  (stockage   asynchrone)    Technologies  phares     Tangosol (maintenant Oracle) Coherence, IBM eXtreme Scale, GigaSpaces, Gemstone  Cas  d’usage     Systèmes transactionnels frontaux (devant Back Ends type mainframe)   Finance : plates-formes de routage d’ordre   Référentiels virtualisés (performance, scalabilité)
  • Serveur  d’applica0ons  transac0onnel  distribué  
  • JEE  vs  GigaSpaces  XAP   Component   J2EE   XAP  Persistency   JPA   Hibernate,  JPA  Messaging   JMS,MDB   JMS,  Polling/No<fy  Container  ,   Na<ve  Messaging  API  Security   JASS,  SSL   Spring  Security,  SSL  (incl  Data  !)  Web  Session  Management   HYpSession   HYpSession  (via  JeYy)  Transac<on  Management   JTA   Spring  Transac<on  via  Jini   Transac<on  Manager  Data  Access   JDBC  ,  Session  Bean,  En<ty  Bean   JDBC,  Space,  JPA,  Document  Remo<ng   EJB,  IIOP,  RMI   Spring  remo<ng  over  LRMI  Web   Servlet,  JSP     Servlet,  JSP  (via  JeYy)  Packaging  and  deployment   ear  ,  war   jar  ,  war  Contexts  and  Dependency   JSR  299   Spring  IOC  Injec<on  System  Management   JMX   JMX  ,  SNMP,  Na<ve  Admin  API  Java  Naming  and  Directory  Service   JNDI   Jini  Lookup  Service  
  • Une  plate-­‐forme  transac0onelle  élas0que  Plusieurs  API  pour  :    •   accéder  aux  mêmes  données  (  mode   Applica<ons  tx    ou  non)  !  •   permet  d’héberger    (services)  ou  exécuter  du  code  (map/reduce)  •   déployer  ses  applis  Web  sous  Je]y  (war)   1  console  Web  et   APIs  de  supervision   et  d’administra0on   •   Contrôle   Montée  en   •   Visualisa0on   charge   •   Alertes   Elas0cité              =   dynamique   (  contrôlée  par   des  SLAs)  
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc0onnalités  principales    Cas  d’u<lisa<on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • Au  cœur  de  GigaSpaces  :  Space  Based  Architecture   La Processing Unit Cloud de ProcessingUn Space: •  Unité de scalabilité Units•  Elégance – 4 API simples •  Ensemble de : services, données, •  Scalabilité à travers le•  Gère: événementiel partitionnement •  Etat •  Colocalisation au sein du même •  Virtualisation •  Messaging espace mémoire (VM) middleware et •  Workflow •  Gestion unifiée Evénements et infrastructure •  Parallel processing Données (DataCenter, Cloud •  In-Memory + colocalisation = privé, public, …) latence minimisée
  • Un  middleware  en  mémoire  souple    •  Accès  unifié  aux  données  en  mémoire  •  Topologie  flexible,  une  API  (“Write  Once  Scale  Anywhere”)   –  Embarqué,  clusterisé,  quelque  soit  le  type  (par<<onné,  répliqué,   avec  ou  sans  réplicas/backups)   –  Local  ou  distribué  ou  mixte  (master-­‐local  +  évic<on)  •  Une  variété  d’API  clientes   –  Map/Jcache,  Space,  Document,  en  Java,  .Net,  C++  
  • Embarqué  /  Distribué  /  Master-­‐Local  
  • Scalabilité  par  le  par00onnement   Routage contrôlé Scalabilité (Hash % #partitions) dynamique par => latence optimisée Par00on  1   la dissociation JVM/ partitions LoadUsers Balancer •  une JVM peut contenir Reader (Proxy) Par00on  2   plusieurs Writer ‘partitions’ (Proxy) •  ajoût JVM et rebalancing Par00on  3   automatisé => scalabilité Scalabilité : dynamique •  données Par00on   •  requêtes #N  
  • Résilience  à  travers  l’u0lisa0on  de  replicas/backups   Par00on  1   Replica  1  Users Load Balancer Reader (Proxy) Par00on  1   Replica  1   Writer (Proxy) Par00on  1   Replica  1   Par00on  1   Replica  1  
  • Résilience  controlée  :  placement  zones  (DR,  main)   Active/Active deployment Site failure SITE A SITE B SITE A SITE B Recovery after Site failure Rebalancing… SITE A SITE B SITE A SITE B
  • Ges0on  fédéra0ons  de  clusters  mul0-­‐sites   SITE SITE A B Mirror Mirror WAN Mirror Mirror SITE SITE C D23  
  • File  Based  Wan  Gateway  v1  (FastConnect)  
  • Configura0on  des  paramètres  CAP  •  Nombre  configurable  de  réplicas/backups  par  par<<on  •  Eventual  consistency  (Réplica<on  asynchrone)   –  Meilleure  performance  pour  les  opéra<ons  “destructrices”  (write/update/take/clear)   –  Peut  créer  des  probèmes  de  consistance  dans  les  lectures  (pas  de  quorum  reads  par  défaut)   –  Résilience  –  possibilité  de  perte  de  données  •  Strong  consistency  (Réplica<on  synchrone)   –  Performance  en  écriture  divisée  par  2  au  moins  (aYente  acquiYement  réplicas)   –  Consistance  garan<e  •  Combinaison  des  2  :  Write  behind   (GigaSpaces  Mirror)   –  Synchrone  en  mémoire   –  Asynchrone  vers  le  disque  
  • Plusieurs  APIs  d’accès  aux  données  •  Objec<fs   –  Minimiser  le  “lock-­‐in”  au  niveau  code   –  Faciliter  la  migra<on  d’applica<ons   existantes   –  Choisir  le  meilleur  ou<l  en  fonc<on  du   besoin   –  Réunir  les  mondes  SQL  et  non-­‐SQL  •  Fonc<onnalités   –  Mul<  langages  (Java,  .Net,  C++)   –  Support  de  JPA   –  API  orientée  Document   –  Support  JDBC   –  Memcached    
  • Exemples  de  requêtes  •  GigaSpaces  Object  oriented  API  •  GigaSpaces  JDBC  API  •  Memcached  API  •  Map/Reduce  
  • JPA  •  GigaSpaces  JPA  
  • Modèle  document   Metadata   Schema  free   Nested  documents   Query  SQL     like  approach  
  • Ges0on  des  collec0ons  
  • Containers  d’abstrac0on  One to One One to Many~JMS queue ~ JMS topic
  • Map-­‐Reduce  dans  GigaSpaces   Reader   Space   Writer   Read all Web   Reader   Space   Writer   Reader   Space   Writer   Read- Map/ReduceImplicit Map/Reduce:Explicit Map/Reduce:
  • Ou0ls  d’exploita0on  •  Objec<fs   –  Simplifier  la  transi<on  du  développement  à  la  produc<on   –  Automa<sa<on  sans  perte  de  contrôle  •  Fonc<onnalités   –  Mode  de  packaging   GigaSpaces  PU  (services  +  données,  ou  services,  ou  données)=  jar,  Web  PU  =  war   –  Elas<c  middleware   •  Simplifica<on  des  déploiements  à  grande  échelle   •  Support  na<f  de  SLAs  pour  la  montée  en  charge  (et  la  redescente)   •  Support  Mul<  cloud   –  Console  de  supervision  et  contrôle  Web   –  Dev  Ops  API  pour  la  customisa<on   •  Intégrer  finement  l’applica<on  à  l’environnement  (infastructure,   custom  SLA)   •  Automa<sa<on  
  • Simplifica0on  et  centralisa0on  déploiement   Caractéris<ques   •  Déploiement  centralisé   –  Provisionnement  en  1  click   •  Mul<-­‐tenant   –  U<lise  des  ressources  partagées   (ges<on  sécurité  à  tous  les   Déploie un Data Grid Déploie un Data Grid niveaux)   Min (10G), Max (100G) Min (10G), Max (200G) •  Montée  en  charge   automa<sée   –  Alloca<on  de  ressources  en   Chargement   fonc<on  de  SLAs  Chargement   données   –  Désalloue  les  ressources  si   données   nécessaire  (en  fonc<on  des   SLAs)   •  Résilient   –  Ges<on  automa<que  des   pannes  :  réalloca<on  PU,   redémarrage  containers/VMs   –  Le  DataGrid  gère  la  résilence   des  données   Ressources matérielles partagées –   interac<on  avec  infrastructures   virtuelles  :  VMWare,  Xen,   AmazonEC2,  …  
  • Elas0c  Management  API   Gestion déclarative•  Autres  op<ons:     –  Permet  d’arrêter  ou  démarrer  des  machines   –  Security     35  
  • Console  d’administra0on  •  Permet  le  contrôle  de  tous  les  aspects  d’une  applica<on   distribuée:   –  Déploiement  /  Retrait   –  Alloca0on  et  ges0on  des  ressources     –  Arrêt  /  Redémarrage  de  tout  ou  par0e  •  Supervision  proac<ve   de  l’applica<on   et  de  l’infrastructure  sous  jacente:   –  Alertes     –  Indicateurs  visuels  
  • APIs  «  DevOps  »  •  Visibilité  opéra<onnelle  sur  l’applica<on   déployée  à  travers  des  APIs  •  Intégra<on  à  systèmes  <ers  •  Ou<ls  d’administra<on  :   –  Informa<ons  sur  le  comportement  de  l’applica<on   –  Réac<ons  face  aux  événements  de  panne  ou  montée  en   charge   –  Trouble  shoo<ng   –  S’assurer  que  le  SLA  applica<f  est  respecté  
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc<onnalités  principales    Cas  d’u0lisa0on     Le  DataGrid  main0ent  la  performance  et  gère  la  scalabilité  du  Grid   Compu0ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • Exemple  d’architecture  HPC  
  • DataGrid  dans  architecture  HPC    Généralement  calculs  de  risques  :  historical  VaR,  Stress  Var    Ges0on  de  temps  de  réponse  très  faibles  en  lecture     En  millisecondes     (Ges0on  d’un  proxy  de  connexion)    Requêtes  semi  complexes  -­‐  type  SQL  (where)    Le  DataGrid  Supporte  de  quelques  centaines  à  quelques  milliers  de  nœuds   Grid  Compu0ng  en  produc0on    Ges0on  de  plusieurs  centaines  de  milliers  de  requêtes  par  seconde  en  pic    Ges0on  de  plusieurs  centaines  de  Giga  Octets  en  mémoire  
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc<onnalités  principales    Cas  d’u0lisa0on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen0el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • Référen0el  de  données  virtualisé    Architecture     Clients  en  .Net  &  Java     Font  du  Request/reply     S’abonnent  en  No0fica0ons     A  des  données  de  référen0el  marché  et  sta0ques  (XML  compressé)     Back-end GigaSpaces + connecteurs d’intégration aux référentiels amonts  GigaSpaces  adopté  en  2008     Usage  :     DataGrid     par00oned-­‐sync2backup_32,1  =  32  par00ons  (1  backup/par00on)  x  6GB     Event  container  colocalisé,    publisher/subscriber  no0fica0on     Caractéris0ques     DataGrid  (ALL_IN_CACHE  mode)     Intégra0on  na0ve  à  une  base  de  données  sous-­‐jacente     Requêtes  complexes     Services  d’accès  aux  données     Ges0on  transac0onnelle     Mul0-­‐sites  gateway  (en  cours)     Ges0on  des  SLA  (par  configura0on)     Système  de  no0fica0ons  scalable  
  • Référen0el  de  données  virtualisé    En  produc0on  depuis  2008     Sert  60  à  80  applica0ons  clientes     Tourne  sur  8  machines  :     CPU  Bi-­‐pro  8  cores     OS  RedHat  5.5     RAM  48  Go     JVM  :  Sun  JDK  1.6.24  –  64bits     GigaSpaces  6.6.6  build  3333  (JVM  size  :  6  Go/container)  ;  en  migra0on  vers  GigaSpaces  8     Oracle  DB  10g     Sta0s0ques  journalières     1.7  millions  d’objets  mé0ers  stockés  en  mémoire     14  Milliards  de  lecture  en  Mai  2011  (  contre  4  Milliards  en  Janvier  2011)     3.7  millions  d’inser0ons  /  mises  à  jour     56  millions  de  no0fica0ons  en  Mai  2011  (contre  2.2  millions  en  Janvier  2011)     1  million  d’effacements  (purge)     Temps  de  réponse  en  ms     Supervision  &  repor0ng     Solu0on  maison  
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc<onnalités  principales    Cas  d’u0lisa0on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna0onale    Résumé    Démo  
  • Plate-­‐forme  de  routage  d’ordres    Architecture  haut-­‐niveau   Stats journalières   Différents  type  de  clients     Web,  clients  lourds,  console  d’administra0on,  jBPM   •  5 millions objets   Services  applica0fs  WebLogic   métiers + 100k static   DAO  layer  access  to  the  space     objects  GigaSpaces     •  36 millions reads   DataGrid devant une base de données   Fournisseur d’événements sur les changements d’états des données (pas de middleware type JMS) •  5 millions writes/   Fonc0onnalités  u0lisées   updates   DataGrid  (ALL_IN_CACHE  mode),  scalabilité  mé0er     Intégra0on  à  la  base  de  données  (Hibernate)   •  800K notifications   Queries  complexes     Ges0on  transac0onnelle  (cri0que  et  indispensable)     Gateway  WAN  mul0-­‐site  en  cours  de  déploiement,  ges0on   •  7K takes intégrité  des  données  remontée  à  l’applica0on  !     SLA  management     No0fica0ons  vers  les  consoles  u0lisateurs   •  Temps de réponse en ms
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc<onnalités  principales    Cas  d’u<lisa<on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • GigaSpaces    :  entre  SGBD  en  mémoire  et  système  NoSQL     Beaucoup  de  concepts  communs  entre  GigaSpaces  (DataGrid  en  général)   et  les  approches  NoSQL  et  similarités  avec  les  bases  de  données     Fonc<onnalités  d’entreprise  :  transac<ons,  intégra<on  sources  de  données   externes,  WAN,  supervision  et  administra<on     Fonc<onnalités  permeYant  la  migra<on  plus  aisée  d’applica<ons   existantes  vers  les  concepts  distribués  /  NoSQL     Prouvé  et  opérable  (avec  la  forma<on  nécessaire)     Flexibilité  laissée  à  l’architecte/développeur  sur  le  choix  de  l’API  à  u<liser   en  fonc<on  du  besoin  :  très  puissant     Nécessité  de  bonnes  connaissances  d’architecture  distribuées  comme  sur   les  plates-­‐formes  NoSQL  
  • SGDB,  DataGrid  ou  NoSQL,  comment  choisir  ?  Attention cette grille a été réalisée en 2010 dans un contexte particulier. Elle est présente à titre informatif, et ne doit pas servir àeffectuer des choix non raisonnés ;-)
  • Doit  on  vraiment  choisir  ?    •  GigaSpaces  +  NoSQL  =  plate-­‐forme  tx  Big  Data   In  Memory  Data  Grid  /  App   Server   •  Temps-­‐réel   Sources •  Evénemen<el   •  Exécu<on  de  code  au  plus   proche  des  données   Write Behind (async) Combien d’erreurs aujourd’hui ? NoSQL    (stockage  fichier)   •  Stockage  à  coût  modéré   Quels sont les erreurs (rapport  prix/perfs  linéaire)   qui se produisent en •  Scalabilité  Write/Read   même temps ?Application Analytique •  Montée  en  charge   dynamique  
  • Agenda    Introduc<on    GigaSpaces     Historique   d’un  cache  distribué  à  une  plate-­‐forme  transac<onnelle  scalable     Fonc<onnalités  principales    Cas  d’u<lisa<on     Le  DataGrid  main<ent  la  performance  et  gère  la  scalabilité  du  Grid  Compu<ng     Référen<el  de  données     Plate-­‐forme  de  routage  d’ordres  interna<onale    Résumé    Démo  
  • Démo    Intégra<on  de  GigaSpaces  serveur  d’applica<ons  distribués  et  cluster  de   données  scalable  en  mémoire   et  Cassandra  comme  stockage  persistant  et  scalable   hYp://www.gigaspaces.com/wiki/display/SBP/Cassandra+Mirror+Service  
  • FastConnect   CREE EN 2004 80 CONSULTANTS   CONSEIL   IMPLEMENTATION   EXPERTISE   FORMATION Sites   SUPPORT •  Paris •  Rennes (2011) •  Toulouse (2011) Nos consultants apportent leur expertise dans les domaines suivants  Architecture Orientée Services (SOA) et Événements (EDA)  Conception, implémentation et optimisation d’architectures Java/EE et .Net (et clients C++ parfois)  Intégration d’Applications et d’Informations (EAI, ESB)  Présentation de l’information : Rich Internet-based Applications (RIA), Rich Desktop Applications (RDA)  eXtrem Transaction Processing (XTP), Grid Computing et Data Grid  Virtualisation applicative – Cloud Computing Fabric (PaaS)  Gestion de processus et d’activités (BPM – BAM), gestion de règles (BRMS)  Gestion complexe d’événements (CEP)  Business Transaction Monitoring (BTM)
  • Nos  Partenaires  et  leurs  Posi0onnements  Nos   partenariats   éditeurs   représentent   une   part   importante   dans   notre   stratégie,   ils  nous   perme]ent   de   développer   une   exper0se   technique   «   éditeur   »   et   d’offrir   une  forte  valeur  ajoutée  à    nos  clients.   SaaS = Software As A Service iPaaS   Supervision transaction PaaS  Development  (Legacy  technologies)   de bout en bout aPaaS   PaaS  :  Private  Cloud  Fabric   IaaS = Infrastructure As A Service Private  Data   Virtualised  /   Public  Data   Center   HodtedPrivate   Center   Data  Center