NoSQL

JBoss Data Grid 6 une solution NoSQL signée Red Hat pour le Big Data

Soumis par fredericmazue le

Red Hat présente Red Hat JBoss Data Grid 6, une solution de tableau de données en mémoire. Red Hat JBoss Data Grid 6 offre plusieurs nouvelles fonctionnalités pour aider les entreprises à réduire leurs besoins de bases de données relationnelles et à mieux gérer l’évolution de leurs applications et leurs gros volumes de données.

La gestion des très gros volumes de données confronte les entreprises à des difficultés d’une ampleur inédite. Ces difficultés vont s’intensifier, les analystes prévoyant que, d’ici 2015, le trafic Internet mondial aura atteint le seuil du zettaoctet, soit un trafic quatre fois supérieur à celui de 2010. Cette explosion du trafic entraînera une augmentation du nombre d’applications, aussi capturer, conserver et exploiter toutes ces données risque bien de coûter cher aux entreprises en termes de gestion et d’évolution. Or l’extraction de la valeur réelle de ces données toujours plus volumineuses via les technologies traditionnelles de gestion des données relationnelles et structurées pose des difficultés économiques et techniques.

Basé sur le projet Infinispan de JBoss Community et incluant des éléments de JBoss Enterprise Application Platform et JBoss Operations Network, Red Hat JBoss Data Grid 6 est un produit intégré conçu dans le but de faciliter l’implémentation par les entreprises de vastes grilles de données avec support transactionnel. Red Hat JBoss Data Grid fournit une approche ouverte des grilles de données grâce à la prise en charge des applications Java et non Java et de multiples points d’accès client, notamment REST, Memcached et Apache Hot Rod. Cette approche donne aux entreprises les moyens d’implémenter plus facilement les avantages du NoSQL sur un large éventail d’applications existantes.

L'éditeur souligne la tolérances aux pannes de sa solutions. Les données sont distribuées automatiquement à mesure que des nœuds sont ajoutés et retirés de la grille, celle-ci pouvant être configurée pour fonctionner au sein de datacenters physiques ou virtuels.

Craig Muzilla, vice-président et directeur général de la division middleware de Red Hat : « L’énorme foisonnement de données crée de nouvelles attentes vis-à-vis des applications d’entreprise. En plus d’être très longues et très coûteuses, les approches traditionnelles de l’évolution de la couche des données s’avèrent parfois inefficaces. Red Hat JBoss Data Grid 6 aborde ce problème différemment, conférant aux entreprises des niveaux accrus d’agilité et de flexibilité vis-à-vis d’autres approches propriétaires. »

Big Data Paris 2012 : le grand show de la grosse donnée !

Soumis par francoistonic le

Les 20 et 21 mars, le monde du Big Data s’est retrouvé à Paris pour deux jours de conférences, de rencontres. C’est un des sujets chauds du moment. Mais le sujet est finalement délicat à traiter car comment définir le concept de big data ? Cela fait longtemps que les entreprises traitent d’importantes masses de données, plus ou moins hétérogènes, là ce qui change, c’est l’explosion volumétrique des données et le caractère hétérogène de celles-ci : toute origine, tout type. Et la donnée qu’il faut traiter peut être structurée ou non structurée. Certains introduisent du semi-structuré, mais là, la subtilité sémantique paraît limite. Il n’est pas rare que les données dépassent le Po de stockage comme sur Yahoo, Amazon, eBay. Ce sont parfois plusieurs Go de données qui se rajoutent chaque jour. Prenez Facebook : chaque jour, il faut rajouter des vidéos, des liens, des applications, les commentaires, les utilisateurs, les images.

En big data, le stockage est un problème secondaire dirons-nous. La véritable question est : qu’est-ce que je peux en faire ? Comment traiter un volume de données aussi important ? Qu’est-ce je veux en tirer comme valeur ? Car une donnée non exploitée est une donnée inerte qui ne sert finalement pas grand chose. Or, le big data a pour but de fournir des analyses, des statistiques, bref une valeur à la donnée. Par exemple, connaître l’image d’une société sur les réseaux sociaux, c’est faire des traitements de données très lourds en collectant des centaines de Go, mises à jour chaque jour. Il faut pour cela des outils d’analyses, de statistiques, et surtout de compréhension du contenu. Car il faut savoir ce qui se dit dans la donnée. Puis l’exploitation de ces résultats se fait dans la visualisation, ce que l’on appelle la dataviz. Car une analyse big data est inutilisable en soi, il faut être capable de l’afficher de manière compréhensible, d’où le rôle crucial de la 'data visualization'. D’ailleurs, plusieurs interventions ont clairement mis en avant le décisionnel dans le big data et toute la couche Business Intelligence puis la partie visualisation.

Sur la partie technologique, technique, l’accent a été mis sur l’infrastructure et les outils d’infrastructure, peut être un peu trop. D’ailleurs plusieurs standards se concentraient sur le matériel comme SGI, EMC, TeraData et même Oracle via les offres exa. Sur les outils, nous retrouvons Hadoop, le framework phare du big data, puis tout ce qui est NoSQL, parallélisme dans les traitements, le cloud computing particulièrement avec Windows Azure et Amazon Web Services. Jean-Yves Pronier (EMC) a rappelé qu’en France, nous avons un problème de compétences et qu’il est difficile, voire impossible, de trouver des experts big data…

Beaucoup de monde, quelques centaines de personnes ont assisté à cette conférence, preuve que le sujet intéresse. Le profil était plutôt DSI, responsable IT, responsables marketing. Rendez-vous est déjà pris pour avril 2013 !