Designing Data-Intensive Applications

Notes sur le chapitre 2 de Designing Data-Intensive Applications — modèle relationnel vs modèle document, langages de requêtes et bases de données orientées graphe.

Comment les bases de données stockent et récupèrent les données — des moteurs à structure de journal (LSM-trees) aux moteurs orientés pages (B-trees), en passant par les stratégies d'indexation, OLTP vs OLAP et le stockage orienté colonnes.

Parcours en livestream du chapitre 3 de DDIA -- explications visuelles du stockage en lignes vs en colonnes, B-trees vs LSM trees, et pourquoi les bases de donnees OLTP et OLAP sont concues differemment.

Résumé du chapitre de Kleppmann sur les formats d'encodage des données, l'évolution des schémas et la compatibilité dans les systèmes data-intensive.

Notes d'un live stream sur le chapitre 5 de DDIA (Réplication) : single-leader, primary et read replicas, scaling des lectures, haute disponibilité et availability zones.

Résumé du chapitre de Kleppmann sur la réplication : pourquoi répliquer, réplication single-leader, multi-leader et leaderless, et les compromis de cohérence.

Vidéo sur DDIA Chapitre 6 (partitionnement/sharding) : explications et schémas sur key-range vs hash, index secondaires, rebalancing et routage des requêtes.

Résumé du chapitre de Kleppmann sur le partitionnement (sharding) : répartition des données, stratégies, index secondaires, rééquilibrage et routage des requêtes.

Parcours en direct du chapitre 7 de DDIA : pourquoi les transactions comptent, ACID, niveaux d'isolation et pièges de nommage, MVCC et vacuum dans Postgres, et undo logs dans MySQL/InnoDB.

Résumé du chapitre de Kleppmann sur les transactions : ACID, anomalies d'isolation, snapshot isolation, two-phase locking et serializable snapshot isolation.

Résumé pratique du chapitre 8 de DDIA couvrant les défaillances partielles, les réseaux non fiables, les hypothèses temporelles et les patterns de fiabilité en production.

Notes en cours sur le chapitre 8 de DDIA : défaillances partielles, réseaux non fiables, hypothèses temporelles et patterns défensifs pour les systèmes distribués.

Une exploration accessible du chapitre le plus difficile de Designing Data-Intensive Applications — comment les systèmes distribués se mettent d'accord sur ce qui est vrai.

Une visite guidée et accessible du traitement par lots dans Designing Data-Intensive Applications — les pipes Unix, MapReduce et l'essor d'Apache Spark.

Notes sur le stream processing dans Designing Data-Intensive Applications — flux d'événements, brokers, CDC, event sourcing, sémantique du temps, stream joins et tolérance aux pannes.

Notes sur le chapitre final de DDIA — intégration du batch et du stream processing, découplage des bases de données, exactitude de bout en bout, et l'éthique des systèmes data-intensive. Lecture en cours.