Formation MySQL gestion de données basée sur des modèles, tutoriel & guide de travaux pratiques en pdf.

Gestion de données basée sur des modèles

La méthode reconnue par les professionnels confirmés des bases de données comme étant la plus efficace pour gérer la capture, la définition et la mise en œuvre des données au sein d’une entreprise s’appuie sur des modèles. Elle dépend, autrement dit, de la modélisation de l’utilisation des données et des relations qui existent entre celles-ci dans les catégories évoquées dans la section précédente. Cela s’applique aussi bien aux systèmes existants qu’à ceux qui sont en cours de construction.
Les modèles sont le meilleur moyen de représenter al définition des éléments de données prenant en charge les divers magasins de données que l’on trouve dans une entreprise. Il n’est donc pas surprenant que la plupart des entreprises informatiques utilisent des pratiques telles que les diagrammes de relations entre entités (ERD) ou d’autres formes de modélisation pour capturer et préserver leurs structures de données. La pratique consistant à gérer des données à base de modèles est apparue fin 2005 dans une enquête développeurs menée en Amérique du Nord conjointement par IDC et Info world. Celle-ci montrait que les entreprises recherchaient des outils de modélisation pour les aider à capturer et à mettre en œuvre leurs données :
On notera avec intérêt que même les entreprises de petite taille en termes de nombre d’employés continuent d’utiliser une méthode basée sur des modèles pour gérer leurs données. Près des ¾ des grandes entreprises utilisent ou comptent utiliser prochainement une méthode à base de modèles.
Pour que son usage soit aussi répandu, il faut que cette méthode de gestion des données présente des avantages réels et concrets. Nous allons donc examiner brièvement ces avantages, puis nous les approfondirons pour mieux comprendre pourquoi les utilisateurs privilégient cette approche à base de modèles.

Avantages de la gestion de données basée sur des modèles

La gestion des données basée sur des modèles présente de nombreux avantages, dont les plus concrets sont les suivants :
• Gestion des métadonnées: elle garantit la cohérence des données, fait respecter les règles d’utilisation des éléments de données dans toute l’entreprise et aide à identifier et à cataloguer ces éléments en vue de la gouvernance des données
• Rapidité de livraison des applications : elle réduit le temps nécessaire pour élaborer etmettre en œuvre une nouvelle conception physique des donné es, ainsi que l’application qui fait appel à la base de données sous-jacente
• Gestion du changement : elle aide à gérer les modifications entre différentes itérations des conceptions de données
• Gestion des applications packagées : elle supprime l’effet de « boîte noire » des applications packagées grâce à une représentation graphique de ce qui constitue le cœur de toute application, c’est-à-dire la base de données.
• Reporting et communication : elle simplifie considérablement la communication et le reporting des conceptions de données nouvelles ou modifiées
• Gestion des performances : elle permet de repérer plus rapidement les défauts de conception dans les conceptions de données, défauts qui nuisent à l’efficacité des temps de réponse dans les systèmes réels basés sur des données
Chacun des ces avantages sera examiné plus en détail dans les paragraphes suivants.

Gestion des métadonnées

Les entreprises ont parfaitement compris qu’il était important de bien définir les éléments de données et de normaliser leurs définitions. Elles se sont donc attelées à la tâche ardue consistant à identifier et à fixer l’utilisation d’objets de données ayant la même signification ou se référant à une même chose, mais n’ayant pas la même définition dans les applications et systèmes divers. S’assurer par exemple qu’un élément de données nommé CUSTOMER_ID est défini de manière cohérente dans l’ensemble des systèmes qui l’utilisent (c’est-à-dire avec un type de données et une signification corrects, etc.) facilitera la tâche lorsqu’il s’agira de l’employer dans des applications futures ou dans des magasins de données analytiques alimentés par de nombreux systèmes opérationnels.
En outre, les réglementations gouvernementales et sectorielles ont introduit une foule de raisons supplémentaires pour que la gestion des métadonnées devienne impérative. La nécessité de garantir aux données la plus haute qualité possible (aucune donnée invalide ; les données doivent correspondre à 100 % à leur objet et à leur définition), la protection des données privées (internes seulement, ou externes), la sécurité des données (hautement sensibles, non sensibles, etc.), l’entité à laquelle appartient l’élément de données (ex : Finances, etc.) et la règlementation respectée (Sarbanes Oxley, Basel II etc.) ont désormais toutes été intégrées aux besoins des entreprises modernes.
Une méthode basée sur des modèles pour gérer les métadonnées permet aux architectes de données et autres responsables de la gestion des données dans l’entreprise de capturer et de cataloguer tous les aspects des éléments de données. Les modèles et les outils qui facilitent la gestion des métadonnées offrent également un moyen aisé de référencer les aspects touchant à la maîtrise du changement pour tous les éléments de données qui ont été définis en leur sein. Ils permettent également d’établir des rapports, de procéder à des recherches et d’examiner ces aspects.

Rapidité de livraison des applications

Le cœur de la grande majorité des applications modernes est la base de données sous-jacente. Il est donc crucial qu’il n’y ait aucun délai entre la conception et la mise en œuvre physique des structures de données qui vont soutenir des applications métiers stratégiques.
Il n’existe véritablement aucune solution de remplacement à ce qu’apporte une méthode basée sur des modèles lorsqu’il s’agit de livrer rapidement de bonnes conceptions de bases de données physiques. Le design d’une base de données commence souvent de manière conceptuelle, ce qui équivaut à définir des entités de données, leurs relations et leurs attributs de telle manière que cela ne soit spécifique à aucune base de données d’un fournisseur existant. Une fois un modèle de données logique approuvé, il est transformé en conception physique ciblant un RDBMS spécifique (ex : MySQL, Oracle, etc.). Le modèle logique est souvent amendé pour répondre aux exigences d’une plate-forme physique particulière et pour des raisons de performances (ex : partitionner des tables, etc.).
Outre la modélisation d’objets standards relatifs à des données (tables, index, etc.), du code peut aussi être ajouté à certains modèles physiques afin que tout ce qui est lié aux données et qui les concerne soit conservé en un même lieu. Cela revient à inclure da ns un modèle des objets tels que des procédures stockées, des déclencheurs, etc. Des considérations de sécurité peuvent aussi être apportées à une conception afin d’enregistrer les coordonnées d’identification d’un utilisateur ou les autorisations individuelles d’objets. Ces possibilités (qui figurent toutes dans MySQL Workbench) permettent aux développeurs d’aller beaucoup plus loin dans leurs projets, car tout ce dont ils ont besoin pour créer et gérer ce qui touche aux données dans leurs applications se trouve dans leurs outils basés sur des modèles.
Tous les bons outils de modélisation, tels que MySQL Workbench, prennent en charge la pro-ingénierie des conceptions physiques, ce qui signifie que tout le code SQL utilisé pour créer une base de données et ses objets dépendants est automatiquement écrit et exécuté correctement dès la première fois. Cela supprime le processus long et périlleux qui oblige un développeur ou un DBA à coder manuellement une syntaxe de création de base de données.

Gestion du changement

Tout comme les applications, les conceptions de données et les bases de données correspondantes doivent tenir compte d’impératifs de contrôle des versions et de gestion du cycle de vie. Il est donc important que les architectes de données, les DBA et les développeurs comprennent la nécessité de gére correctement les changements au sein de leurs bases de données et de leurs conceptions de métadonnées. Une approche à base de modèles, associée d’une manière ou d’une autre à un référentiel, sera la meilleure solution, bien que des méthodes manuelles d’archivage de modèles de données classées par version et de schémas de métadonnées puissent également fonctionner.
L’une des principales difficultés auxquelles doivent faire face les professionnels de la gestion des données pour gérer le changement est peut-être de parvenir à effectuer des modifications complexes dans des conceptions physiques de bases de données existantes. L’analyse détaillée de l’impact des changements envisagés et la préparation des scripts de modifications de la base de données peut être une tâche lon gue et hasardeuse, ce qui pose problème lorsque l’on sait que les erreurs commises lors de la modification de bases de données peuvent se révéler fort coûteuses.
Heureusement, la plupart des bons outils de modélisation, tels que MySQL Workbench, limitent ces difficultés en proposant des utilitaires de synchronisation qui permettent aux DBA ou aux développeurs de modifier des modèles de données physiques, puis de synchroniser ces modifications dans les bases de données physiques existantes. L’outil se charge entièrement de l’analyse d’impact et de la création du bon code modifiant la base de données. Toutes les modifications peuvent être facilement pré-visualisées avant leur exécution sur la base de données cible.
La plupart de ces outils peuvent également réaliser l’opération inverse : un modèle de données peut être modifié pour intégrer les changements opérés sur une base de données physique existante. Il s’agit d’un aspect important dans la mesure où, bien souvent, i l faut pouvoir exécuter des changements urgents sur une base de données. Or, si l’on a utilisé des modèles pour gérer le changement et les révisions, ces modèles doivent être actualisés pour refléter l’état réel de l’infrastructure informatique.

INTRODUCTION
1 TYPES DE DONNEES A GERER
2 GESTION DE DONNEES BASEE SUR DES MODELES
3 AVANTAGES DE LA GESTION DE DONNEES BASEE SUR DES MODELES
3.1 Gestion des métadonnées
3.2 Rapidité de livraison des applications
3.3 Gestion du changement
3.4 Gérer les applications packagées
3.5 Reporting et communication
3.6 Gestion des performances
4 MYSQL WORKBENCH – MODELISATION/CONCEPTION DE DONNEES POUR MYSQL 8
4.1 Conception de bases de données
4.2 Pro-ingénierie et rétro-ingénierie
4.3 Gestion du changement
4.4 Reporting et documentation
4.5 Vue d’ensemble des fonctions de MySQL Workbench
5 CONCLUSION