Académique Documents
Professionnel Documents
Culture Documents
Projet NoSQL :
Réalisé par :
OBISSY-ELINGABATO Albert
Encadrante :
Wiem Mrabet
Bienvenue dans cette présentation sur MongoDB, une base de données NoSQL
orientée document qui offre une grande flexibilité et évolutivité pour stocker et
traiter des données variées et volumineuses.
MongoDB a été créée en 2007 par la société 10gen, qui a changé son nom pour
MongoDB Inc. en 2013. Depuis, MongoDB est devenue l'une des bases de
données NoSQL les plus populaires, avec une communauté d'utilisateurs en
constante expansion.
Les documents sont des paires de clés / valeurs servant d’unité de données de
base. Les collections quant à elles contiennent des ensembles de documents et
de fonctions. Elles sont l’équivalent des tableaux dans les bases de données
relationnelles classiques.
MongoDB est utilisé par de nombreuses entreprises de premier plan pour des
applications web, mobiles, Big Data et IoT. Sa popularité s'explique en partie par
sa capacité à offrir des performances élevées, une haute disponibilité et une
grande facilité d'utilisation, ainsi que par sa capacité à s'adapter facilement à
des modèles de données qui évoluent rapidement.
Les documents n’ont pas de schéma prédéfini et des champs peuvent être
ajoutés à volonté. Le modèle de données disponible au sein de MongoDB
permet de représenter des relations hiérarchiques ou autre structure complexe
plus facilement.
Enfin, le JSON (JavaScript Object Notation) est un format en texte clair pour
exprimer les données structurées. Il est pris en charge par de nombreux
langages de programmation.
2 .2 - Pourquoi utiliser MongoDB ? Quels sont les avantages ? :
De par ces nombreux avantages, MongoDB est aujourd’hui un outil très utilisé
dans le domaine de l’ingénierie des données. Il s’agit d’une solution à maîtriser
impérativement pour les Data Engineers.
2.3 - MongoDB vs RDBMS : quelles sont les différences ?
En outre, l’intégrité des données n’est pas une contrainte sur MongoDB. Les
données n’ont pas non plus besoin d’être » normalisées « avant usage comme
sur un SGBDR. C’est un véritable avantage, car la contrainte de normalisation
peut atténuer les performances à mesure que la base de données prend de
l’ampleur.
Supposons que nous sommes une entreprise de vente en ligne, et que nous
avons besoin d'une base de données pour stocker des informations sur nos
produits, nos clients et les commandes passées. Nous allons créer une base de
données MongoDB pour cela.
Tout d'abord, nous allons installer MongoDB et lancer le serveur. Ensuite, nous
allons créer une nouvelle base de données en utilisant la commande "use" dans
l'interface de ligne de commande de MongoDB :
Maintenant que nous avons créé notre base de données, nous allons créer des
collections pour stocker nos données. Dans MongoDB, une collection est
l'équivalent d'une table dans une base de données relationnelle. Nous allons
créer trois collections pour stocker les informations sur les produits, les clients
et les commandes :
Maintenant que nous avons créé nos collections, nous pouvons insérer des
données. Commençons par insérer des informations sur un produit dans la
collection "products". Nous allons utiliser la méthode "insertOne()" pour cela :
Nous avons maintenant inséré un document (ou enregistrement) dans la
collection "products" qui contient des informations sur notre t-shirt. Notez que
le document est un objet JSON avec des champs pour le nom, la description, le
prix, les tailles disponibles et les couleurs disponibles.
Ensuite, nous allons insérer des informations sur un client dans la collection
"customers" :
Ceci conclut notre exemple détaillé d'une base de données MongoDB. Nous
avons créé une base de données pour stocker des informations sur les produits,
les clients et les commandes, et nous avons inséré des données dans ces
collections en utilisant des documents JSON.
3.1 -Quel est l'utilité de MongoDB dans une entreprise de vente en
ligne ? :
MongoDB peut être très utile dans une entreprise de vente en ligne pour
plusieurs raisons :
-Scalabilité : MongoDB est conçu pour être facilement scalable, ce qui signifie
qu'il peut s'adapter à des volumes de données croissants sans nécessiter
beaucoup de ressources supplémentaires.