MongoDB officialise sa stratégie d’expansion dans le cloud

Après un an en bêta, Atlas Data Lake est maintenant disponible sur GCP, Microsoft Azure et AWS. L’éditeur new-yorkais a ainsi étendu les capacités de sa plateforme Atlas Cloud.

« MongoDB estime que l’architecture d’une application moderne nécessite plus qu’une simple base de données centrale », constate Sahir Azam, chef des produits cloud chez MongoDB.

Atlas Data Lake utilise le langage de requête orienté documents de MongoDB (MQL) et permet aux développeurs d’exécuter des requêtes analytiques sur des données « qui n’ont pas forcément été créées à partir d’une base de données MongoDB », déclare le chef de produits cloud. Les requêtes sont fédérées sur des instances Atlas et sur des données stockées dans des buckets S3.

Un des principaux avantages du service Atlas Data Lake, serait son intégration avec S3 pour faciliter l’archivage de données. Sahir Azam souligne que certains types d’applications, comme les solutions IoT, peuvent générer plusieurs pétaoctets de données, ce qui n’est pas économique à stocker dans un SGBD transactionnel comme MongoDB.

Auparavant, les utilisateurs devaient manuellement copier les données de la base vers le système de stockage d’AWS. Cependant, une fois dans un bucket, il était difficile de les interroger avec MongoDB.

« Nous automatisons le processus afin que les clients puissent établir une règle pour automatiser l’archivage de données. »

« Nous automatisons le processus afin que les clients puissent établir une règle pour automatiser l’archivage de données », assure Sahir Azam. « Nous nous occupons de l’archivage, mais surtout, nous permettons à ces données d’être toujours interrogeables par le système central, sans aucune modification de l’application ».

« Atlas Data Lake étend les capacités de [la base de données] MongoDB pour permettre aux utilisateurs de collecter et d’interroger des données provenant de sources multiples », assure Carl Olofson, analyste chez IDC. « Je ne suis pas sûr que le produit soit en concurrence directe avec les autres offres de Data Lake, mais il semble plutôt déterminé à offrir une capacité analytique complète pour compléter leur SGBD opérationnel ».

Si l’observation de Carl Olofson est juste, MongoDB n’est pas le seul à vouloir fédérer les requêtes. Par exemple, AWS a également présenté une fonctionnalité similaire dans RedShift afin d’interroger les données sur les distributions de PostgreSQL AWS (Amazon RDS et Aurora), ainsi que dans les environnements S3 et Redshift. Seulement, l’éditeur new-yorkais vise en premier lieu les développeurs, tandis que RedShift se destine davantage aux applications BI.

De son côté, la DBaaS Atlas bénéficie d’une nouvelle fonctionnalité nommée « Schema Suggestions ». Celle-ci analyse automatiquement la collection de documents disponible sur la version managée du SGBD, détecte des anti-patrons (des erreurs communes) et effectue des recommandations (des paramètres, des index, des noms à changer) pour améliorer la forme et la manière dont les documents sont placés dans la collection. La fonctionnalité renvoie directement le développeur vers la documentation associée aux erreurs détectées.