Votre entreprise évolue. Vos données évoluent. Vous ne pouvez pas lutter en essayant de modéliser toutes ces données dans un seul schéma relationnel. Vous avez besoin d'une base de données multi-modèle pour gérer toutes vos données sur une seule plate-forme unifiée. Pour paraphraser un client de MarkLogic, les modèles de données flexibles « libèrent du carcan des technologies relationnelles ».

MarkLogic est fondamentalement une base de données multi-modèle. Elle permet le stockage en natif des formats JSON, XML, RDF, géospatiaux et des fichiers binaires volumineux (PDF, images, vidéos). Cette approche permet d'assimiler facilement toutes vos données et de les modifier ultérieurement. Chargez vos données telles quelles , qu'elles soient structurées ou pas (même les métadonnées) sans avoir recours aux ETL peu pratiques. Si vous avez besoin d'ajouter une nouvelle source de données ou de modifier vos schémas ultérieurement, ce n'est pas un problème ! C'est flexible, rapide et itératif.

FICHE TECHNIQUE

Chargez vos données depuis n'importe quelle source

  • Données structurées
  • Unstructured data
  • Métadonnées
  • Données réglementées
  • Système ERP
  • Données Mainframes
  • Données géospatiales
  • IoT, parcours de visite
  • + PLUS
  • Oracle
  • IBM DB2
  • Serveur SQL
  • Sybase
  • Teradata
  • Netsuite
  • MS Excel
  • NoSQL
  • Hadoop
  • Système de fichiers
  • + PLUS

Modèle orienté documents : flexible et conçu pour les utilisateurs

La base de données centrée sur les documents est le modèle de données NoSQL le plus flexible et le plus apprécié. Les documents sont parfaitement adaptés pour gérer des données variées et complexes. Ils sont lisibles par les utilisateurs, s'adaptent au modèle conceptuel ou commercial des données et évitent les problèmes de décalage d'impédance que rencontrent les bases de données relationnelles.

Qu'il s'agisse d'objets Java représentant des entités commerciales ou d'un texte libre d'un « document » plus traditionnel (documents Microsoft Word, PDF, etc.), ils sont stockés naturellement en tant que documents JSON et XML dans MarkLogic.
  • Développement rapide
  • Schema-agnostic
  • Conçu pour l'utilisateur
  • Données « dé-normalisées » 
  • Recherches et requêtes améliorées
  • Utilise tous les attributs 
  • Requêtes en contexte
  • Idéal pour l'intégration des données

Exemple d'un document JSON illustrant une opération chirurgicale dans un hôpital :

{ « hôpital » : « Johns Hopkins »,
  « Type d'opération » : « Transplantation cardiaque »,
  « chirurgien » : « Dorothy Oz »,
  « identifiant opération » : 13,
  « médicaments administrés » : [
    { « nom du médicament » : « Minicillan »,
      « fabricant » : « Drugs R Us »,
      « dosage » : 200, « unité de dosage » : « mg » },
    { « nom du médicament » : « Maxicillan »,
      « fabricant » : « Canada4Less »
      « dosage » : 400, « unité de dosage » : « mg » },
    { « nom du médicament » : « Minicillan »,
      « fabricant » : « Drugs USA »,
      « dosage » : 150, « unité de dosage » : « mg » }

Base de données de graphes intégrée pour les relations

Les documents sont parfaitement adaptés pour stocker les entités. Mais lorsqu'il s'agit des relations dans les données, une base de données de graphes est plus adaptée. Une base de données de graphes est conçue pour stocker et gérer les relations entre les personnes, les clients, les fournisseurs, etc.

MarkLogic possède une unité de stockage de triplets RDF intégrée (un type de base de données de graphes) pour stocker et gérer les données sémantiques. Nous nommons cette fonctionnalité la sémantique MarkLogic. La sémantique améliore le modèle centré sur les documents en fournissant un moyen intelligent de connecter et améliorer les documents JSON et XML stockés par MarkLogic, ce qui est indispensable à l'intégration des données et des recherches plus puissantes.

La sémantique fournit également un contexte à vos données. On peut par exemple imaginer une base de données qui regroupe des informations sur des pièces et que l'une d'elles est répertoriée avec une taille « 42 ». Il manque les informations contextuelles : quelle est l'unité de « 42 » ? Quelle est la tolérance ? Qui a effectué cette mesure ? Quand la mesure a-t-elle été effectuée ? Qui peut voir cette donnée ? Ces informations contextuelles constituent la sémantique de vos données.

En savoir plus

Vous voulez disposer d'une vue relationnelle et structurée de vos données ?

Il est parfois nécessaire d'obtenir une vue relationnelle et structurée de vos données sous forme de tableau que vous pouvez interroger avec le bon vieux SQL. Avec MarkLogic, vos développeurs ne seront pas perdus.

MarkLogic prend en charge SQL. Les données sous-jacentes ne changent pas, ce sont toujours des documents dans MarkLogic. Mais nous avons inclus la possibilité de créer une vue relationnelle de vos données pour visionner les documents sous forme de tableau relationnel.

La technologie qui permet ce niveau de prise en charge SQL est unique et exclusive à MarkLogic. Cette technologie se nomme extraction pilotée par modèle (TDE)et vous permet de définir un objectif relationnel sur l'ensemble de vos données de documents afin de pouvoir interroger une partie de vos données en utilisant SQL.

Vous pouvez également utiliser le nouvel API Optic pour interroger vos vues relationnelles. L'API Optic offre une interface de requête unifiée pour interroger tous les documents, vues relationnelles ou graphiques (ou une combinaison de ces éléments). Vous pouvez également utiliser l'API Optic pour associer ou agréger les documents, ce qui est impossible avec les autres bases de données centrées sur les documents.

Comment l'approche multi-modèle améliore-t-elle l'intégration des données ?

MarkLogic ne dépend pas de schémas, cela ne signifie pas qu'elle n'en utilise pas. Ne pas dépendre de schémas signifie simplement que le schéma peut changer et que plusieurs schémas peuvent coexister dans la même base de données. Cette fonctionnalité facilite et accélère l'intégration des données, car contrairement au relationnel vous n'avez pas à mapper vos données en fonction d'un schéma prédéterminé. Grâce aux puissants index MarkLogic, vous pouvez rechercher et interroger toutes vos données en utilisant le langage de votre choix : JavaScript, XQuery, SQL ou SPARQL.

  • Load and search source data as is
  • Preserve lineage, provenance, other metadata
  • Harmonize only what you need
  • Update the model later without re-ingesting
  • Les nouveaux schémas n'ont pas d'impact sur les données et applications existantes.

Des ressources pour tous

Entreprises, êtes-vous prêtes à sortir de la matrice ?

Vous souhaitez découvrir pourquoi l'approche multi-modèle de l'intégration de données est plus adaptée que l'approche relationnelle traditionnelle ? David Gorbet, SVP of Engineering chez MarkLogic, vous explique comment sortir de la matrice et vous libérer de la dictature des machines tout en vous montrant comment réaliser l'impossible.

Pour les architectes : avantages techniques de la base de données multi-modèle

Découvrez dans l'e-book gratuit de la collection O'Reilly « Building on Multi-Model Databases » (S'appuyer sur les bases de données multi-modèles) comment gérer plusieurs schémas sur une seule plate-forme. Des exemples pratiques illustrent comment les bases de données multi-modèles réduisent la complexité et les risques et améliore la valorisation.

Télécharger l'e-book gratuit de la collection O'Reilly

Pour les développeurs : modélisation multi-modèle de données en 16 minutes

Ce court didacticiel vous offre une vue d'ensemble technique des meilleures pratiques de la modélisation de données avec des documents et triplets en utilisant des méthodes telles que les motifs d'enveloppe ou l'amélioration progressive.

Très complet et conçu pour les entreprises

Ce site utilise des cookies.

En continuant votre navigation sur ce site, vous acceptez l'utilisation de cookies en accord avec la Déclaration de confidentialité MarkLogic.