Depuis quelques années, le volume de données à traiter sur le Web a mis à rude épreuve les SGBD relationnels qui ont été jugés non adaptés à de nombreuses montées en charge.
Les grands acteurs du Big Data comme Google, Amazon, LinkedIn ou Facebook ont été amenés à créer leurs propres systèmes de stockage et de traitement de l’information (BigTable, Dynamo et Cassandra).
Des implémentations d’architectures open source comme Hadoop et la modélisation des bases de données SGBD comme HBase, Redis, Riak, MongoDB ou encore CouchDB ont permis de démocratiser ce nouveau domaine de l’informatique répartie.
On distingue plusieurs modèles de données parmi les SGBD de type NoSQL :
Plus le modèle est complexe, moins le système est apte à évoluer rapidement en raison de la montée en charge.
Le mode de stockage du modèle clé-valeurs (key-value) s’apparente à une table de hachage persistante qui associe une clé à une valeur (de toute nature et de type divers. La clé 1 pouvant référencer un nom, la clé 2 une date, etc…).
C’est à l’application cliente de comprendre la structure de ce blob. L’intérêt de ces systèmes est de pouvoir mutualiser cette table sur un ou plusieurs serveurs.
Les SGBD les plus connus sont Memcached,CouchBase, Redis et Volde-mort (LinkedIn).
Le modèle orienté colonnes ressemble à une table dénormalisée (sans la présence de NULL, toutefois) dont la structure est dynamique.
Les SGBD les plus connus sont HBase (implémentation du BigTable de Google) et Cassandra (projet Apache qui reprend à la fois l’architecture de Dynamo d’Amazon et BigTable).
Le modèle orienté documents est toujours basé sur une association clé-valeur dans laquelle la valeur est un document (JSON généralement ou XML).
Les implémentations les plus populaires sont CouchDB (Apache), RavenDB, Riak et MongoDB.
Le modèle de données orienté graphes se base sur les nœuds et les arcs orientés et éventuellement valués.
Ce modèle est très bien adapté au traitement des données des réseaux sociaux où on recherche les relations entre individus de proche en proche.
Les principales solutions du marché sont Neo4j (Java) et FlockDB (Twitter).