Bonjour tout le monde,
Cette semaine, c'est Thomas Fabre qui nous propose un article sur le sujet suivant : Des données basées sur le temps façon MongoDB
Dans cet article vous découvrirez comment une base de données comme Mongo propose d'organiser des données type "timeseries". Si la notion de timeseries ne vous est pas familière, dites-vous que ce sont des données dont la date d'écriture en base revêt une importance primordiale. Les données de type timeseries sont typiquement des métriques envoyées par des sondes pour mesurer l'évolution d'une valeur en fonction du temps. Par exemple l'évolution de la température, du nombre de "click" d'un utilisateur donné etc. Ce qui caractérise ces données, c'est qu'elles partagent souvent un certain nombre de "métadonnées" telles que l'identifiant de la sonde, l'utilisateur qui initie l'action etc. Il faut voir également que ces données doivent être présentes en très grand nombre pour pouvoir effectuer des analyses pertinentes dessus. Afin d'optimiser le stockage de ces données, des bases de données se sont spécialisées comme InfluxDB. MongoDB dans ses dernières versions, propose une façon efficace d'organiser et de stocker ces données. Vous découvrirez, entre autres, l'approche de mongo dans cet article, comment exploiter ces données, gérer leur cycle de vie etc. Cet article très complet m'a été d'une grande aide pour bien comprendre comment fonctionnaient les timeseries mongo.
Le lien : https://www.peerislands.io/timeseries/
Langue : Anglais
Bonne lecture !
Votre équipe TakiVeille
Source image de couverture : https://ak.picdn.net/shutterstock/videos/1027123451/thumb/1.jpg
