Découvrir les bases de données NoSQL

Des SGBD relationnels… au NoSQL

Un SGBD a toujours deux missions : stocker les données et retrouver les données.

Les SGBD relationnels (SGBDR : MySQL, Oracle, SQL Server…) rangent des données bien structurées, de types simples (textes, entiers…), dans des tables : les colonnes sont les propriétés, les lignes sont les données. Ils reposent sur le modèle relationnel d'Edgar Codd et ont prouvé leur efficacité pendant des décennies grâce à :

• une séparation logique et physique (on manipule des tables sans savoir comment elles sont rangées sur le disque) ;
• une forte structuration des données et un fort typage ;
• une représentation tabulaire ;
• un langage déclaratif : le SQL (on dit ce qu'on veut, pas comment le chercher) ;
• des contraintes qui assurent l'intégrité des données (clés primaires, clés étrangères…) ;
• une forte cohérence transactionnelle (les transactions de la partie 1).

Mais les SGBDR montrent leurs limites face aux 3V du Big Data :

Le NoSQL

• NoSQL veut dire Not Only SQL (« pas seulement du SQL ») : une nouvelle manière de gérer les données, sans respecter forcément le modèle relationnel.
• Le NoSQL accepte de nouveaux types de données : XML, collections d'objets, triplets…
• Il relâche certaines contraintes lourdes du relationnel (structure fixe, langage d'interrogation, cohérence stricte) pour favoriser la distribution sur plusieurs serveurs.
• Le NoSQL ne remplace pas les bases SQL : il les complète, par exemple pour le stockage réparti.

Définition

Le mouvement est parti des besoins Big Data des géants du web :

Les serveurs NoSQL ont des architectures distribuées : les données sont réparties sur plusieurs machines. C'est ce qui leur permet de répondre aux problèmes du Big Data.

Les avantages du NoSQL

• Le format repose souvent sur des paires clé-valeur, beaucoup plus simples à mettre en œuvre.
• On peut stocker directement les objets des langages de programmation : listes, collections d'objets, tableaux de valeurs…
• La plupart des bases NoSQL sont open source, sans droits de licence.
• On étend très facilement la base : il suffit d'ajouter des serveurs.
• Les données sont regroupées par unités logiques, pas dans des tables, ce qui facilite leur manipulation.

Exemple : pour avoir les informations du client d'une commande, pas besoin de jointure entre les tables client et commande : le client est rangé dans la commande.

Les inconvénients du NoSQL

• Pas de clé étrangère : aucun mécanisme ne vérifie la cohérence des données. C'est au programme de le faire.
• Le NoSQL n'est pas adapté aux applications qui exigent des transactions sûres et fiables (la gestion bancaire, par exemple).
• Les requêtes SQL et NoSQL ne sont pas compatibles : il faut apprendre un nouveau langage de requêtes.

Ce que tu vas voir (15 min) : les chapitres « Les limites du modèle relationnel », « Qu'est-ce que le NoSQL ? », « Les avantages du NoSQL », « Les inconvénients du NoSQL ». Le formateur explique les limites du modèle relationnel face aux gros volumes, définit le NoSQL, puis présente ses avantages et ses inconvénients : c'est le contenu de cette section.

Tableau: SQL ou NoSQL ?

Tableau: Résumons

SQL et NoSQL stockent et retrouvent tous les deux de l'information, mais ils ne servent pas les mêmes objectifs. Les opposer n'a pas vraiment de sens : on choisit selon le besoin.

Ce que tu vas voir (2 min) : le chapitre « SQL contre NoSQL ». Une comparaison rapide entre SQL et NoSQL, comme le tableau de cette section.

Les bases NoSQL ont six caractéristiques générales :

• un modèle de données sans schéma (schema free) ;
• une architecture distribuée ;
• les propriétés BASE au lieu d'ACID ;
• des langages qui ne sont pas uniquement du SQL ;
• la manipulation de données de structures complexes ou imbriquées ;
• de bonnes performances sur des volumes de données qui grandissent très vite (cas des applications web).

1. Le modèle sans schéma (schema free)

• En relationnel, on modélise d'abord les entités et les associations, puis on en déduit le schéma de la base.
• Cette démarche est rigide : il faut savoir dès le départ comment l'application va évoluer, ce qui est rarement le cas aujourd'hui.
• Les bases NoSQL utilisent des données dénormalisées : au lieu de relations entre tables, on intègre les informations liées dans le même enregistrement (document). On interagit avec les données sans requêtes complexes.

Exemple : des articles (posts) et leurs commentaires.

En SQL, pour afficher un article avec ses commentaires, il faut une jointure. En NoSQL, les commentaires sont dans l'article :

2. L'architecture distribuée

• Le volume de données et les traitements des organisations modernes ne tiennent plus sur une seule machine, même très puissante.
• Solution : distribuer le travail sur plusieurs machines, puis regrouper et agréger les résultats de chaque machine en un résultat final. C'est le principe de MapReduce (Google, 2003-2004).
• Les bases traditionnelles ne permettent pas facilement ce type d'architecture.
• Les bases NoSQL sont conçues pour répartir les données et leurs traitements sur de multiples nœuds (serveurs) : c'est le partitionnement horizontal (on parle aussi de sharding).
• Problème : on ne peut pas avoir en même temps une disponibilité parfaite, une tolérance au partitionnement et une cohérence parfaite. Il faut toujours sacrifier un aspect au profit des autres.

Le théorème CAP

On obtient donc trois familles : CA (cohérence + disponibilité), CP (cohérence + partitionnement) et AP (disponibilité + partitionnement).

3. BASE au lieu d'ACID

Les propriétés ACID ne s'appliquent pas, ou pas complètement, dans un contexte NoSQL distribué. Les bases NoSQL reposent plutôt sur les propriétés BASE :

Les bases NoSQL privilégient en général la disponibilité à la cohérence : AP plutôt que CP.

Ce que tu vas voir (5 min) : les chapitres « Étendre une base NoSQL », « Associer les données en NoSQL ». Le formateur montre comment on étend une base NoSQL en la répartissant sur plusieurs serveurs, puis comment on associe les données sans jointure : c'est l'architecture distribuée et le modèle sans schéma de cette section.

Il existe quatre types de bases NoSQL.

1. Les bases de données clé-valeur

• C'est le type le plus simple.
• Les données sont des couples (clé, valeur).
• La valeur peut être une valeur simple, un objet sérialisé…
• Grâce à sa simplicité, ce type traite efficacement un très grand nombre de requêtes.
• Il est très pratique pour stocker les profils des utilisateurs.

La base ne « comprend » pas la valeur : elle la range et la rend quand on lui donne la clé, comme un vestiaire avec ses tickets numérotés.

Exemples : DynamoDB (Amazon), Berkeley DB (Oracle, utilisée par RPM, SVN…), Voldemort (LinkedIn, et pas le sorcier de Harry Potter), Riak, Redis.

2. Les bases de données orientées document

• C'est une évolution du type clé-valeur.
• La valeur est un document dont la structure est libre.
• Les documents sont au format JSON ou XML.
• Avantage : pas de jointures pour reconstruire une information, car tout est dans le document.

Cette fois, la base lit l'intérieur de la valeur : on peut chercher « tous les stagiaires de niveau 2A ».

Exemples : MongoDB (Adobe, Bosch, Cisco, eBay…), CouchDB (Apache ; Disney, PayPal, Ryanair…), RavenDB (plateformes .NET / Windows).

3. Les bases de données orientées colonne

• Ce type change la représentation traditionnelle en lignes.
• Une requête peut se concentrer sur les colonnes utiles sans lire les autres.
• Il est adapté aux systèmes qui font de gros calculs analytiques : comptages, moyennes, sommes…

Exemple. La représentation traditionnelle, en lignes, laisse beaucoup de cases vides :

La représentation par colonnes range chaque colonne à part, avec seulement les valeurs qui existent :

Pour compter les formateurs, la base lit seulement la colonne Type.

Exemples : BigTable (Google), HBase (Apache), Cassandra (Apache, créée par Facebook). Le résumé cite aussi Spark SQL et Elasticsearch : ce sont plutôt un moteur de calcul et un moteur de recherche, qui utilisent un stockage par colonnes.

4. Les bases de données orientées graphe

• Elles reposent sur la théorie des graphes : des nœuds (les objets) reliés par des arcs (les relations).
• Elles sont conçues pour les données fortement connectées, avec un nombre de relations inconnu à l'avance (les réseaux sociaux, par exemple).
• C'est le type le plus proche du monde réel.

Exemple : les nœuds Ahmed (Formateur), Sanaa et Kamal (Stagiaires), Laila (Formatrice) sont reliés aux nœuds Dev Digital, Infra Digitale, Mobile et aux modules M102, M105, M201, M202. On peut demander : « quels stagiaires suivent un module enseigné par Ahmed ? » en suivant les arcs.

La principale solution est Neo4j.

Ce que tu vas voir (24 min) : les chapitres « Les grandes familles de bases NoSQL », « Le modèle clé-valeur », « Le modèle orienté colonnes », « Le modèle document », « Le modèle graphe ». Le formateur présente les grandes familles de bases NoSQL, puis détaille chaque modèle avec un exemple : clé-valeur, orienté colonnes, document et graphe, dans le même ordre que la section.

Pourquoi choisir MongoDB ?

MongoDB vient de humongous (« gigantesque ») : une base de données gigantesque. C'est la base NoSQL la plus populaire, grâce à ces points forts :

• elle est orientée document et open source ;
• elle se met à l'échelle automatiquement (scalabilité automatique) ;
• elle assure une haute performance et une bonne disponibilité ;
• elle se place du côté CP du théorème CAP : elle choisit la cohérence et la résistance au partitionnement ;
• elle communique facilement avec les langages courants (Java, JavaScript, PHP, Python…) ;
• elle fonctionne sur plusieurs plateformes (machine virtuelle, cloud…) ;
• elle garde les fonctionnalités essentielles des bases relationnelles (index, requêtes riches, agrégations, transactions).

Sa popularité vient de son adoption massive par les développeurs du monde entier, et de sa facilité d'intégration dans toute application qui manipule des documents ou des objets. Le classement DB-Engines (db-engines.com) la place en tête des bases orientées document.

Ce que tu vas voir (5 min) : le chapitre « Mongo, c'est quoi ? ». Le formateur présente MongoDB : une base orientée document, ses points forts et son vocabulaire de départ.