Base de données Nosql

Orientée Graphe
Table des matières
I.Introduction.....................................................................................................3
II.Presentation....................................................................................................3
III.Concept Généraux..........................................................................................4
IV.BD relationnelle vs BD orienté graphe..........................................................4
V.Caractéristiques et Domaine d’application....................................................4

VI.Forces et faiblessses......................................................................................4
 I. Introduction

Le terme et le concept NoSQL furent inventés en 1998 par Carl Strozz, afin de désigner sa
base de données relationnelle légère et open source. Ce concept a ensuite été adopté et
popularisé par les GAFAM tels que Google, Facebook ou Amazon confrontés à d’immenses
volumes de données. Les bases de données relationnelles étaient devenues trop lentes.
Plutôt que de mettre à jour leur équipement informatique pour accroître les performances des
RDBMS (Relational Database Management System), les géants de la technologie ont choisi
de distribuer la charge sur de multiples serveurs hôtes. C’est la méthode dite du  ‘scaling out’ .
Les bases de données NoSQL sont idéales pour le scaling-out, puisqu’elles sont non
relationnelles.
On distingue quatre principaux types de bases de données NoSQL : paire clé / valeur,
orientée colonne, orientée graph, et orientée document. Chacune de ces catégories a un attribut
unique et des limites spécifiques.

II. Présentation

Les bases de données orientées graphe sont conçues pour stocker et rechercher des relations. Les
relations sont des citoyens de première classe dans les bases de données orientées graphe, et la
majeure partie de la valeur de ces bases de données est issue de ces relations. Les bases de
données orientées graphe recourent à des nœuds pour stocker les entités de données, ainsi qu'à des
périphéries pour stocker les relations entre les entités. Une périphérie possède toujours un nœud de
départ, un nœud de fin, un type et une direction. Un nœud peut décrire les relations, actions,
possession parent-enfant, etc...
Le nombre et le type de relations qu'un nœud peut avoir sont illimités peut décrire les relations,
actions, possession parent-enfant, etc.

III. Concepts Généraux

Les BD orientées graphe introduisent généralement les concepts de :
• Noeud : une entité
• Label : permet de regrouper des nœuds entre eux
 • Relation : matérialise un lien (dirigé) entre deux nœuds, possède un type
• Propriétés : un nœud ou une relation peuvent disposer de propriétés (numériques, chaînes de
caractères, booléens ou une liste des précédents types) 

IV. Types de Base de données graphe

Il existe différents types de graphes permettant le stockage des données tels que :
-le graphe non orienté « single-type » ;
-hypergraph ;
-les Graph Property

V .BD relationnelle vs BD orienté graphe :

Pour récupérer les relations entre les éléments, de nombreuses jointures entre
différentes tables sont nécessaires dans une base relationnelle, ce qui complexifie
les requêtes à mettre en place et augmente nettement les temps de calculs comparé
à une base Nosql graphe.
V. Caractéristiques et Domaines d’application :

 Caractéristiques :

• Stockage optimisé pour données de type graphe

• Permet de traverser le graphe aisément

• Optimisé pour les requêtes orientées voisinage

• Modèle de données flexible

 Principaux domaines applicatifs :

• Recommandation

• Réseaux sociaux
 • Monitoring

• Détection de fraudes

Quelques bases de données orienté graphe :

VI. Forces et faiblesses :

Les forces des bases de données orientées graphes sont entre autres :

 Performances accrues :

Traiter des données fortement connectées en évitant les multiples jointures très
coûteuses qu'il faudrait mettre en œuvre dans les bases de données relationnelles
traditionnelles et ainsi permettre des mises à jour très performantes, même pour un
très grand ensemble de données.

Offrir de meilleures performances en termes de rapidité de temps de réponse pour les

lectures locales, par parcours de graphe.

Développements simples :
L'utilisation de langages de requêtes tels que Cypher ou Gremlin destinés au traitement
des données connectées facilite les développements. Par exemple, la recherche d'amis
prend une seule ligne de code en Cypher.

 Modélisation facile :

Gérer facilement un modèle complexe puisque la base de données ne s'appuie pas sur
un schéma rigide.

Permettre une modélisation parfois plus naturelle et plus lisible selon le cas d'utilisation.

Découverte de nouveaux cas d'usages par une représentation naturelle des données.

 Adaptées aux objets complexes organisés en réseaux, aux données présen-

tant des dépendances fortes
 Permettent d’appliquer les algorithmes de théorie des graphes et la mise en
place de visualisation de graphes nativement
 Beaucoup plus rapides que les autres systèmes de stockage pour manipuler
les données fortement connectées
Mais il n’est pas adapté pour tous les autres contextes que celui des “données
fortement connectées