NFE204 - Bases de données documentaires et distribuées  [ 6  crédits ]

Public Concerné
Prérequis: M1 ou niveau Bac+4 informatique
Public: cycle d'ingénieur CNAM, Master M2

Finalité de l'unité d'enseignement

Objectifs pédagogiques
Le cours est consacré à le gestion de données documentaires, non-structurées ou semi-structurées. L'information documentaire constitue une part majoritaire des systèmes d'information d'entreprise, et on la trouve bien entendu de manière proéminente sur le Web où l'essentiel des données est accessible sous forme de "documents" souvent dénués de structure connu (e., documents images, vidéos, documents Office, etc) ou d'une structure très souple (documents hypertextes).
Dans un tel contexte les notions de modèles de données et de langage d'interrogation sont à revoir. De plus le volume des données considérées implique la mise en place d'infrastructure à grande échelle typique des systèmes de gestion des données du Web.
Le cours couvre les sujets suivants:

Données peu structurées. Représentation de données complexes et/ou dotée d'une structure variable. Application à la représentation de documents textuels par des langages comme XML ou JSON. Notions essentielles sur la navigation dans une structure de document, le typage de documents, et la gestion de documents dans des bases de données.
Systèmes NoSQL. Des systèmes de gestion de données qui renoncent à certaines fonctionnalités fortes (transactions, langage d'interrogation) des bases relationnelles, au profit du passage à l'échelle, émergent à l'heure actuelle. Ces systèmes sont fortement orientés vers la distribution dans des environnements de type cloud, et leur conception varie selon l'objectif visé (accès temps réel, ou traitement analytiques). La structure des données reprend les principes vus dans la première partie du cours. Nous étudions les principes généraux des systèmes NoSQL, et en étudions certains: MongoDB, CouchDB, Hadoop, Voldemort, etc. Les problèmes de passage à l'échelle, de fiabilité, de sécurité, de reprise sur panne et de cohérence seront évoqués.
La Recherche d'Information (RI) consiste à effectuer des recherches sur des ensembles de données peu structurées, en effectuant un classement par pertinence. Avec l'avènement de gros moteurs d'indexation tels que Google ou Amazon, les technologies de recherche textuelle devient incontournable et donne un véritable intérêt à toutes ses techniques de stockage et d'index orienté texte.
Passage à l'échelle, distribution. Avec le développement du Web, le volume des données manipulées par les moteurs de recherche, les sites de commerce électronique ou les sites communautaires rassemblant des millions d'utilisateurs, a atteint des niveaux inédits: le téraoctets est un ordre de grandeur courant, bientôt ce sera le pétaoctets. De nouvelles techniques de gestion de ces données massives ont émergé récemment, sous l'impulsion notamment des entreprises
(Google, Amazon) directement  confrontées aux problèmes liés à ces volumes inédits. L'exposé sera consacré à ces nouvelles techniques, en mettant l'accent sur les solutions s'appuyant sur la distribution du stockage et des traitements dans des parcs de machines extensibles appelés "Cloud Computing".  Je présenterai quelques solutions-phares,  fortement influencées par quelques articles publiés récemment par les équipes de Google (GFS, Bigtable, MapReduce).
 
Capacité et compétences acquises
Compréhension des défis et des enjeux actuels dans la gestion de l'information, de plus en plus orientée vers l'intégration de ressources documentaires. Maîtrise des techniques de base concernant ces nouvelles technologies. Systèmes NoSQL, techniques de distribution de données, techniques de recherche d'information.
Organisation
6 Crédits 
Contenu de la formation
Modélisation de données peu structurées
- XML, JSON
- XPath,  XQuery, services REST
Recherche d'information
- introduction à la recherche textuelle dans les documents, indexation textuelle et Recherche d'Information (ie. Google, Amazon, ...)
Distribution et partage d'information sur le Web
- systèmes distribués, équilibrage, partitionnement, réplication
- illustration concrète avec quelques systèmes NoSQL



 

Trouvez votre formation

Trouvez une Unité d'Enseignement

Please install the Flash Plugin


Accés à PLEIAD

     
Formations en alternance Formation continue Cours du soir Formation à distance, e-learning Formations courtes DIF CIF Congé individuel de formation CIF CDI, CIF CDD, CIF HTT Contrat de professionnalisation Centre de bilan de compétences Compte Personnel de Formation CPF