book

Données sur les mailles

by Zhamak Dehghani

November 2024

Intermediate to advanced

386 pages

13h 11m

French

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Pourquoi j'ai écrit ce livre et pourquoi maintenantQui devrait lire ce livre ?Comment lire ce livreConventions utilisées dans ce livreApprentissage en ligne O'ReillyComment nous contacterRemerciements
Data Mesh en actionUne culture de la curiosité et de l'expérimentation des donnéesUn partenariat intégré avec les données et la MLLa plateforme et les politiques invisiblesÉchelle illimitée avec des produits de données autonomesL'effet positif du réseauPourquoi se transformer en Data Mesh ?La voie à suivre
Les résultatsLes changementsLes principesPrincipe de la propriété des domainesPrincipe des données en tant que produitPrincipe de la plateforme de données en libre-servicePrincipe de gouvernance informatique fédéréeInteraction des principesLe modèle Data Mesh en un coup d'œilLes donnéesDonnées opérationnellesDonnées analytiquesL'origine
Bref aperçu de la conception pilotée par les domainesAppliquer la conception stratégique de DDD aux donnéesArchétypes de données de domaineDonnées de domaine alignées sur la sourceDonnées agrégées sur le domaineDonnées de domaine alignées sur le consommateurTransition vers la propriété d'un domainePousser la propriété des données vers le hautDéfinir plusieurs modèles connectésAdopte les données de domaine les plus pertinentes : Ne t'attends pas à une source unique de véritéCache les pipelines de données en tant qu'implémentation interne des domainesRécapitulation
Appliquer la pensée produit aux donnéesAttributs d'utilisabilité de base d'un produit de donnéesTransition vers les données en tant que produitInclure la propriété des produits de données dans les domainesRecadrer la nomenclature pour créer le changementConsidère les données comme un produit et non comme un simple actifInstaurer une culture de la confiance mais de la vérification des donnéesJoindre les données et calculer comme une seule unité logiqueRécapitulation
Plateforme Data Mesh : Comparaison et contrasteAu service d'équipes autonomes orientées domaineGérer des produits de données autonomes et interopérablesUne plateforme continue de capacités opérationnelles et analytiquesConçu pour une majorité de généralistesFavoriser les technologies décentraliséesAgnostique au domaineRéflexion sur la plateforme Data MeshPermettre aux équipes autonomes de tirer profit des donnéesÉchanger de la valeur avec des produits de données autonomes et interopérablesAccélérer l'échange de valeur en réduisant la charge cognitiveDévelopper le partage des donnéesSoutenir une culture d'innovation intégréeTransition vers une plateforme de Data Mesh en libre-service.Conçois d'abord les API et les protocolesPrépare-toi à l'adoption des généralistesFais l'inventaire et simplifieCréer des API de niveau supérieur pour gérer les produits de donnéesConstruis des expériences, pas des mécanismesCommence par la base la plus simple, puis récolte pour évoluerRécapitulation
Appliquer la pensée systémique à la gouvernance des Data Mesh.Maintenir un équilibre dynamique entre l'autonomie du domaine et l'interopérabilité globaleAdopter la topologie dynamique comme état par défautUtilise l'automatisation et l'architecture distribuéeAppliquer la fédération au modèle de gouvernanceL'équipe fédéréeValeurs directricesPolitiquesIncitationsAppliquer le calcul au modèle de gouvernanceLes normes en tant que codeLes politiques en tant que codeTests automatisésSurveillance automatiséeTransition vers une gouvernance informatique fédéréeDéléguer la responsabilité aux domainesIntégrer l'exécution de la politique dans chaque produit de donnéesAutomatiser l'activation et la surveillance des interventionsModélise les lacunesMesurer l'effet de réseauPrivilégie le changement à la constanceRécapitulation

De grandes attentes en matière de donnéesLe grand fossé des donnéesÉchelle : Rencontre d'un nouveau genreAu-delà de l'ordreS'approcher du plateau de retourRécapitulation
Réponds avec grâce au changement dans une entreprise complexeAligner les données commerciales, techniques et maintenant analytiquesCombler le fossé entre les données analytiques et opérationnellesLocaliser les changements de données dans les domaines d'activitéRéduire la complexité accidentelle des pipelines et de la copie des données.Soutiens l'Agilité face à la croissanceSupprimer les goulets d'étranglement centralisés et monolithiquesRéduire la coordination des pipelines de donnéesRéduire la coordination de la gouvernance des donnéesFavoriser l'autonomieAugmenter le rapport entre la valeur des données et l'investissementAbandonner la complexité technique grâce à une plateforme de donnéesIntégrer la réflexion sur les produits partoutGo au-delà des frontièresRécapitulation
Évolution des architectures de données analytiquesPremière génération : Architecture de l'entrepôt de donnéesDeuxième génération : Architecture du lac de donnéesTroisième génération : Architecture de cloud multimodaleCaractéristiques de l'architecture de données analytiquesMonolithiquePropriété centralisée des donnéesOrienté vers la technologieRécapitulation
Interfaces de partage de données analytiques orientées domaineConception de l'interface opérationnelleConception de l'interface des données analytiquesDépendances des données analytiques interdomainesLe produit de données en tant que quantum d'architectureLes composants structurels d'un produit de donnéesProduit de données Partage de données InteractionsDécouverte de données et API d'observabilitéLa plate-forme de données MultiplaneUn avion plate-formePlan d'infrastructure de données (utilitaire)Plan d'expérience des produits de donnéesPlan d'expérience du maillageExemplePolitiques informatiques intégréesSidecar de produits de donnéesProduit de données Conteneur informatiquePort de contrôleRécapitulation
Concevoir une plateforme guidée par les parcours des utilisateursParcours du développeur de produits de donnéesIncept, Explore, Bootstrap et Source.Construire, tester, déployer et exécuterMaintenir, évoluer et se retirerProduit de données Parcours du consommateurIncept, Explore, Bootstrap, SourceConstruire, tester, déployer, exécuterMaintenir, évoluer et se retirerRécapitulation
Affordances des produits de donnéesCaractéristiques de l'architecture des produits de donnéesConception influencée par la simplicité des systèmes adaptatifs complexesComportement émergent à partir de règles locales simplesPas d'orchestrateur centralRécapitulation
Servir les donnéesLes besoins des utilisateurs de donnéesPropriétés de conception des données de serveurServez la conception des donnéesConsommer des donnéesArchétypes de sources de donnéesLocalité de la consommation de donnéesConception de la consommation de donnéesTransformer les donnéesTransformation programmatique ou non programmatiqueTransformation basée sur le flux de donnéesML en tant que transformationTransformation en fonction du tempsConception de la transformationRécapitulation
Découvrir, comprendre, faire confiance et explorerCommence la découverte avec l'auto-inscriptionDécouvre l'URI mondialComprendre les modèles sémantiques et syntaxiquesÉtablir la confiance avec des garanties de donnéesExplorer la forme des donnéesApprendre avec la documentationDécouvrir, explorer et comprendre la conceptionComposer des donnéesPropriétés de conception des données de consommationApproches traditionnelles de la composabilité des donnéesComposer la conception des donnéesRécapitulation
Gérer le cycle de vieGérer la conception du cycle de vieComposants du manifeste de produits de donnéesGouverner les donnéesGouverner la conception des donnéesNormaliser les politiquesIntégration des données et des politiquesLiens entre les politiquesObserver, déboguer et vérifierConception de l'observabilitéRécapitulation
Faut-il adopter le Data Mesh dès aujourd'hui ?Data Mesh en tant qu'élément de la stratégie en matière de données.Cadre d'exécution du Data MeshUne exécution axée sur l'entrepriseExécution de bout en bout et itérativeExécution évolutiveRécapitulation
ChangerCultureValeursRécompenseMotivations intrinsèquesMotivations extrinsèquesStructureHypothèses sur la structure de l'organisationDécouvrir les limites des produits de donnéesLes gensRôlesDéveloppement des compétencesProcessusPrincipaux changements dans le processusRécapitulation

Content preview from Données sur les mailles

Chapitre 8. Avant le point d'inflexion

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com

Les problèmes d'aujourd'hui viennent des "solutions" d'hier.

Peter M. Senge, La cinquième discipline

La complexité organisationnelle, la prolifération des sources de données, la croissance des attentes en matière de données : telles sont les forces qui ont mis à l'épreuve nos approches existantes de la gestion analytique des données. Nos méthodes existantes ont fait des progrès remarquables en matière de mise à l'échelle des machines : gestion de grands volumes de divers types de données avec un stockage de données distribué à l'échelle de la planète, transmission fiable de données à grande vitesse par le biais de flux, et traitement simultané et rapide de charges de travail à forte intensité de données. Cependant, nos méthodes ont des limites en ce qui concerne la complexité et l'échelle de l'organisation, l'échelle humaine.

Dans ce chapitre, je présente brièvement le paysage actuel des architectures de données, leurs caractéristiques sous-jacentes et les raisons pour lesquelles, en se projetant dans l'avenir, elles nous limitent.

Évolution des architectures de données analytiques

La façon dont nous gérons les données analytiques a connu des évolutions, des changements induits par de nouveaux modèles de consommation, allant de l'analytique traditionnelle à l'appui des décisions commerciales aux produits intelligents ...