Hello ! Notre ami Max a décidé de partir sur de la conteneurisation, et pour ce faire, choisit d’utiliser Docker. Il s’agit d’un outil de conteneurisation parmi d’autres, mais c’est de loin le plus utilisé aujourd’hui. Nous allons ici nous focaliser sur les avantages de conteneuriser une application sous Docker. À savoir : une fois de plus, cet outil a ses avantages et ses inconvénients, et son utilisation va être plus ou moins pertinente selon le contexte du projet.

Dans ce talk, Wassel nous propose de nous interroger sur les architectures event-driven en nous posant trois questions : Quelle est la promesse des architectures event-driven ? Qu'est ce que ca signifie pour nous, quelles sont les implications concrètes pour notre SI ? Est-ce que je suis prêt ?

La révolution DevOps a introduit une gestion des applications au cycle de vie plus court (des mises en production plus fréquentes) et plus complexes (rollbacks, blue/green, canary deploy, A/B testing…). Elles sont aussi introduit une nouvelle tendance: les micro-services. Dans ce nouveau monde, on cherche à séparer les responsabilités non plus par des critères techniques mais par des critères fonctionnels. Afin de rendre les mises en production indépendantes entre elles et ainsi autonomiser les équipe, on cherche aussi à réduire et isoler les développements. Ce…

Le but de cette mission est de passer du POC, déjà réalisé à un système destiné à la production. Elle se déroule en Suisse, pour une start up américaine. Elle concerne un domaine particulier, légal ou illégal selon les états. Ce marché, qui sera modélisé comme le marché de “la tulipe”, ne possède pas de consensus sur l’accord de vente du produit au niveau fédérale. Ça signifie qu’en boutique, il est obligatoire de payer en cash car les banques n’autorisent pas les moyens de paiement…

Datalab, datalake,  Big Data, IA… Les buzz words autour de la donnée sont foison, et l’on s’accorde sur le fait que la donnée est au cœur même de nos systèmes d’information. Mais lorsqu’il s’agit concrètement de mettre en place une plateforme data, tout ne se passe pas forcément comme prévu... Frédéric Petit, responsable de l’architecture et des données d’entreprise chez MNT, nous raconte comment il a pu initier un datalab avec son équipe, en nous partageant notamment les obstacles qu’ils ont dû surmonter.

Anatomie d'un framework d'entreprise Cela peut paraître curieux mais on peut voir les technologies qui standardisent les déploiements de microservices comme des frameworks d'entreprises. Les frameworks d'entreprise étaient très à la mode il y a environ 10 ans, ils rappelleront sans doute des souvenirs à certains de nos lecteurs. Une définition pourrait être : "un ensemble cohérent d'éléments permettant de bâtir des logiciels d'entreprise avec des objectifs essentiels : plus vite, mieux et moins cher dans la durée".

Pourquoi Spark ? Dans tous les SI complexes, on a la nécessité d’effectuer des traitements sur un grand volume de données. La réponse traditionnelle est celle des batch de traitement, qui consiste à sélectionner un ensemble de données similaires via, par exemple, une requête SQL, puis d’effectuer les traitements en série sur chaque donnée. Ce modèle de traitement a l’avantage d’être simple. Néanmoins, il présente de sérieux inconvénients :