Bonjour à tous !
Je poste aujourd'hui dans une démarche purement informative, car je m'intéresse beaucoup au phénomène Big Data, et beaucoup des questions que je me pose restent sans réponse !
Je m'informe tout particulièrement en ce moment sur les bases de données NoSQL. On trouve pas mal de ressources sur internet expliquant les différences entre les bases de données key/value, colonnes, documents ou graphes.
Beaucoup de solutions existent pour chacune d'entre elles, par exemple HBase (colonnes), MongoDB (document), Riak (key/value) etc...
Au travers de mes recherches, j'ai également pu me rendre compte que beaucoup d'architectures physiques de stockage et de traitement étaient disponibles.
On retrouve :
- Les clusters, soit l'archi la plus utilisée pour du traitement Big Data, avec plein de machines clones qui bossent ensemble à la réalisation d'une même tâche
- Les Grids, soit un cluster de machines hétérogènes. Donc il faut bien coordonner le tout.
- MPP. Une même machine, plein de processeurs qui travaillent en même temps à la réalisation d'une tache. Mémoire non partagée
- SMP. pareil que le MPP, mais la mémoire est commune à tous les processeurs, du coup y'a une limite à la capacité de traitement
- Le cloud, soit tout ce qu'il y a au dessus, sans choisir une archi spécifique, vu qu'on sait pas ce qu'il se passe derrière.
Voici enfin ma question : Les bases de données NoSQL sont-elles dépendantes d'architectures en particulier? Si ce n'est pas le cas, les solutions (HBase, mongo, tout ca), qu'elles soient open source ou propriétaires sont elles dépendantes d'architectures en particulier?
Les comparatifs que l'on trouve ne sont jamais clair la dessus, enfin, ceux que j'ai pu trouver.
Existe-t-il selon vous d'autres architectures physiques pouvant acceuillir des solutions Big Data?
Connaissez-vous des solutions Big Data adaptées à des architectures de type SMP, MPP, ou adaptées à du Grid computing?
Si vous avez des sources à faire partager, je suis preneur, j'aime la lecture =)
Je vous remercie d'avance pour toute information que vous voudrez bien partager.
N'hésitez pas à me reprendre si j'ai dis des bêtises, c'est en faisant des erreurs qu'on apprend!
Cordialement,
Partager