L'élasticité des bases de données sur le cloud computing - CoDE

More documents

Recommendations

Info

Figure 3.8 – Un ensemble de réplicats[25] Figure 3.9 – Défaillance du serveur primaire, procédure d’élection[25] Figure 3.10 – Défaillance du serveur primaire, un nouveau serveur est élu[25] 27
3.4.5 Modèle de consistance Par défaut, les requêtes sont donc consistantes mais il est possible de modéliser d’autres degrés de consistance [39], notamment via l’utilisation des instances de stockages secondaires (ou esclaves selon le mode de réplication) (voir section 3.4.4). 3.4.6 Modèle de requête Grâce à son modèle de données en documents, MongoDB propose une interface de programmation assez riche (sans doute parmi les plus riches du mouvement NoSQL). A titre d’exemple, nous proposons deux listes non-exhaustives de ses fonctions. La première liste illustre les différents opérateurs pour filtrer une sélection : – les opérateurs , ≥ – l’opération exists : utilisée pour filtrer les entrées telles qu’il existe ou non un certain attribut – l’opérateur in : qui vérifie qu’une valeur doit être présente dans l’entrée retournée – des expressions régulières qui peuvent être appliquées aux champs retournés La seconde liste reprend quelques méthodes proposées par MongoDB : – COUNT qui retourne le nombre de documents correspondant aux critères de recherche – LIMIT qui limite le nombre de documents retournés – SORT qui trie les documents retournés – SKIP qui permet de ne pas retourner les n premiers documents De plus, Mongo propose une mise en oeuvre de MR. Les fonctions doivent être écrites en JavaScript [9]. 3.5 Cassandra Cassandra est un SGBD NoSQL orienté colonnes développé à l’origine par la société Facebook et repris par la suite sous licence Apache. Le but du projet est de faire tourner un système sur des milliers de serveurs [27]. A cette taille, les défaillances (grandes et petites) sont courantes. Cassandra propose une nouvelle façon de gérer l’état persistant de ses instances pour pallier à ces problèmes. Cassandra a été développé dans l’optique de diminuer les coûts hardware et de gérer des données avec des fréquentes écritures. 3.5.1 Modèle de données Cassandra propose un modèle de données orienté colonnes. Nous décrivons ce modèle de données via une approche top-down. Keyspace Un Keyspace est le point de départ de stockage, l’équivalent d’une base de données dans les SGBDR. Il est conseillé d’avoir un et un seul Keyspace par application [33]. Famille de colonnes Une famille de colonnes est un conteneur pour un ensemble ordonné de colonnes (super ou simples colonnes). Les familles de colonnes étaient statiques et définies manuellement dans 28
Page 1 and 2: Faculté de Sciences Département I
Page 3 and 4: Table des matières 1 Introduction
Page 5 and 6: 5.3 Réplication de données . . .
Page 7 and 8: au cloud (les systèmes NoSQL, SQL-
Page 9 and 10: Chapitre 2 Le cloud computing et se
Page 11 and 12: dans cette couche. Cette classifica
Page 13 and 14: Le cloud dans la littérature “A
Page 15 and 16: Cette différence de vocation fait
Page 17 and 18: Par “assumer”, on entend fourni
Page 19 and 20: Définition 9. Dans un service tol
Page 21 and 22: on-OLTP applications that ured and
Page 23 and 24: Or la richesse du modèle de requê
Page 25 and 26: 3.2.5 Les solutions SQL-MR Map-Redu
Page 27 and 28: Le modèle en graphe Figure 3.3 - B
Page 29 and 30: MongoDB ne pose aucune restriction
Page 31: Réplication maître-esclave Ce mod
Page 35 and 36: Figure 3.13 - Cassandra - Un modèl
Page 37 and 38: égal au facteur de réplication, a
Page 39 and 40: Figure 3.14 - Architecture HDFS Les
Page 41 and 42: - Les Serveurs de régions prennent
Page 43 and 44: Système Modèle de données choix
Page 45 and 46: Figure 4.1 - YCSB - Cassandra - Pas
Page 47 and 48: 4.3.1 Scénario de tests Considéro
Page 49 and 50: importants que voulus durant une ce
Page 51 and 52: d’autant plus élastique que ce t
Page 53 and 54: Figure 4.7 - Perturbation de la pé
Page 55 and 56: - la distribution de génération d
Page 57 and 58: pour répartir les données. Dans u
Page 59 and 60: Rappelons que µ = 0.5 pour systèm
Page 61 and 62: - Taille initiale du cluster : 4 n
Page 63 and 64: De manière générale, on remarque
Page 65 and 66: 31.93 temps de reponse (millisecond
Page 67 and 68: temps de reponse (millisecondes) 55
Page 69 and 70: La forme de l’adaptation (α1, li
Page 71 and 72: Comme illustré en figure 4.17, la
Page 73 and 74: Figure 4.19 - Elasticité observée
Page 79 and 80: L’élasticité Tel que défini da
Page 81 and 82: Chapitre 5 Influence des choix tech
Page 83 and 84:
(pour les déplacer ou pour les mod
Page 85 and 86:
Remarquons que le fait de la distin
Page 87 and 88:
Chapitre 6 Conclusion Dans ce trava
Page 89 and 90:
étude (plus théorique que pratiqu
Page 91 and 92:
[18] E. Brewer. Towards Robust Dist
Page 93 and 94:
Annexe A Liste d’accronymes - API
Page 95 and 96:
Cassandra n’est pas évidente. Ce
Page 97 and 98:
ase sur le constat que, même si il
Page 99 and 100:
de tirer profit de toutes ses quali
Page 101 and 102:
• la couche insère les paramètr
Page 103 and 104:
[3] Apache Cassandra - Wiki, API. h
Page 105 and 106:
The R&D director’s blog Euranova
show all

L'élasticité des bases de données sur le cloud computing - CoDE

Create successful ePaper yourself

Delete template?

Save as template?