MongoDB ? Elasticsearch ? Ces techonologies sont elles faites pour être concurrentes ? C'est l'histoire d'une rencontre entre ces deux produits. A l'occasion de cette conférence vous apprendrez comment MongoDB et Elastic peuvent se compléter, comment tirer partie du meilleur de chaque monde : "le bon outil pour le bon usage". Enfin, nous vous présenterons les principaux patterns d'architecture permettant d'intégrer ces deux technologies.

1. MongoDB et
Elasticsearch,
meilleurs ennemis ?

2. <Nous />

3. <Serli />

4. Petit sondage ...

5. MongoDB

6. Elasticsearch

7. Projets types Mongo et Elasticsearch

8. Beaucoup de points communs

9. Mongo ou Elasticsearch ?

10. Comment choisir ?

11. Popularité ?

12. db-engines.com

13. db-engines.com

14. db-engines.com

15. Pas très fiable ...

16. Démarrage
rapide

17. Developer friendly

18. Vers le Minimum Viable Product

19. Installation d’un cluster Elasticsearch
2 minutes
cluster.name: my_cluster
$ ./elasticsearch
$ ./elasticsearch
config/elasticsearch.yml

20. Installation d’un replicaset Mongo
$ mongod --dbpath=~/mongo-data/0 --replSet rs0
$ mongod --dbpath=~/mongo-data/1 --replSet rs0 --port 27018
$ mongod --dbpath=~/mongo-data/2 --replSet rs0 --port 27019
rs.initiate()
rs.add("<hostname>:27018")
rs.add("<hostname>:27019")
mongo shell
2 minutes + 30 sec

21. Démarrer un noeud Elasticsearch en
Java
Settings settings = Settings. builder()
.put("http.port", "9200")
.put("network.host" , "localhost")
.put("path.home", "/tmp/es-unit-tests" )
.put("path.data", "/tmp/es-unit-tests-data" )
.build();
Node node = NodeBuilder. nodeBuilder()
.local( true)
.data(true)
.clusterName( "elasticsearch-unit-tests" )
.settings(settings)
.build();
node.start();

22. Data IN
Data OUT

23. MongoDB

24. MongoDB

25. Index dans MongoDB

26. Storage Engines (Mongo > 3.0)

27. Ecriture dans Elasticsearch

28. Near real-time ?

29. Index Inversé
⇒
Terme Documents
brian #1
sens #2
vie #2 #1

30. Mise à jour dans Elastic

31. Relations

32. Disclaimer

33. Relations dans MongoDB
⇒

34. Relations dans MongoDB

35. ⇒
Relations dans Elasticsearch

36. Full Text Search

37. Je veu fair du fotbal

38. MongoDB Full Text Search

39. Full Text Search

40. Agrégations

41. Les agrégations

42. MongoDB aggregation pipeline
json
json
json
json
$match $unwind $group
$sum $avg $min $max
$addToSet$year $month$week

43. Les agrégations dans Elasticsearch
2015
1974json
json
json
json
json
json
2015
batte sabre
1974
gun sabre
2015
sabre
145.3
1974
gun
2.4
sabre
0.34
batte
245.3

44. Stockage de
fichiers

45. GridFS

46. Attachment Type

47. GridFS / Attachment Type

48. Pour stocker des fichiers...

49. Modèle
distribué

50. Modèle distribué
⇒

51. Modèle distribué

52. Write Consistency

53. Modèle distribué
⇒

54. Sharding

55. CAP
⇒

56. Call me maybe : Kyle Kingsbury
https://aphyr.com/tags/jepsen

57. Call me maybe - Elasticsearch

58. Call me maybe - MongoDB

59. Performances

60. Benchmark

61. Benchmark

62. Benchmarks sucks !

63. Production

64. Allez, on passe en Prod !

65. Systèmes vivants !

66. Ecosystème

67. Ecosystème MongoDB

68. Ecosystème MongoDB

69. Client Elastic

70. Ecosystème Elastic

71. Cloud

72. Alors, Mongo ou
Elasticsearch ?

73. Alors ? MongoDB ou ElasticSearch ?

74. Les deux ?

75. Même paradigme

76. Une solution
write read

77. Mais ...
write read
?

78. Teeing
write read
write

79. Batch Maison
write read

80. Message Queue
write read
read write
Write
Push

81. Rôle de l’Indexer

82. Dénormaliser

83. Exemple (sans Parent Child)
Tweets
Users
Tweets

84. Exemple update
Tweets
Users
Tweets

85. Précalculer

86. Exemple pré-calcul : nbTweets
Tweets
Users
Tweets

87. Exemple pré-calcul
Tweets
Users
Tweets

88. Pour conclure

89. Conclusion

90. Conclusion

91. Storage Mashup ;-)

92. Merci !

93. Drink & Food Time