2. • Come il Mondo è cambiato
• Come trasformare l’IT con MongoDB
• MongoDB, il DataBase ideale per vari
casi d’uso
• Storie di successo: OASI
• Q&A e Conclusione
Agenda
3. I Nostri Oratori
Marco Rapetti
Regional Director Italy,
MongoDB
marco.rapetti@mongodb.com Massimo Brignoli
Principal Solutions Architect,
MongoDB
massimo@mongodb.com
Andrea Giuliani
Responsabile Ufficio
Architetture Innovazione e
Qualità dei rilasci, OASI
andrea.giuliani@oasi-it.it
4. Marco Rapetti
Regional Director MongoDB, Italia
marco.rapetti@mongodb.com
Come il mondo è cambiato
dall’invenzione dei database
relazionali
5. Il Mondo e’ Cambiato
Data Risk Time Cost
80%of enterprise data is now
unstructured
90%of the world’s data
created in last 2 years
Elastic
Opex vs
CapexGlobal Users
99.9999
Push Code Faster
Iterate
Microservices
6. Growing Faster Than All Other Databases
Source: DB-Engines, June 2016
RANK DBMS MODEL SCORE GROWTH
1. Oracle RDBMS 1449.25 -4%
2. MySQL RDBMS 1370.13 8%
3.
SQL
Server
RDBMS 1165.81 -7%
4. MongoDB Document 314.62 209%
Source: StackOverflow Developer Insights, 2016
Growth of Developer Share (2010-2015 CAGR)
7. MongoDB named a leader in The Forrester
Wave™: Big Data NoSQL, Q3 2016
The Forrester Wave™ is copyrighted by Forrester Research, Inc. Forrester and Forrester Wave are trademarks of Forrester Research, Inc. The Forrester Wave is a graphical
representation of Forrester's call on a market and is plotted using a detailed spreadsheet with exposed scores, weightings, and comments. Forrester does not endorse any vendor,
product, or service depicted in the Forrester Wave. Information is based on best available resources. Opinions reflect judgment at the time and are subject to change.
8. Perché le aziende oggi scelgono MongoDB
• MongoDB unisce il meglio dei DB relazionali e NoSQL
• MongoDB aumenta la produttività degli sviluppatori
• MongoDB supporta una vasta gamma di Use Cases
• Può essere installato ovunque
• E’ una scelta validata dal mercato
9. MongoDB Use Cases
Single View Internet of Things Mobile Real-Time Analytics
Catalog Personalization Content Management
12. Le piattaforme usate dai vostri utenti e clienti per interagire con le vostre applicazioni e servizi sono cambiati ad una
velocità senza precedenti negli ultimi 5 anni.
Le Piattaforme Digitali sono Cambiate
UPFRONT SUBSCRIB
E
Busines
s
YEARS / MONTHS WEEKS / DAYS
Applications
P
C
MOBILE / BYOD
Customers
ADS SOCIAL
Engagement
SERVER
S
CLOUD
Infrastructure
13. TRADIZIONALE MODERNIZZATO
APPLICAZIONI On-Premise, Monoliths SaaS, Microservices
DATABASE Relational (Oracle) Non-Relational (MongoDB)
EDW Teradata, Oracle, etc. Hadoop
CALCOLO Scale-Up Server Containers / Commodity Server / Cloud
STORAGE SAN Local Storage & Data Lakes
NETWORK Routers and Switches Software-Defined Networks
E anche lo stack Enterprise
14. Il Mondo è Cambiato
Sfruttare i Dati &
Tecnologia per
Massimizzare il
Vantaggio Competitivo
Accelerare
Time to Value
Ridurre
drammaticamente il
TCO
Ridurre I Rischi
delle Applicazioni
Mission Critical
Dati Applicazioni Economia Rischio
I Nostri Fattori
Trainanti:
Volume
Velocity
Variety
Time to value
Architectures
Operating Models
Scalability
Opex vs Capex
TCO
24/7 availability
Global impact
Business criticality
15. Il Dominio del Software.
“Software is
eating the world”
“Software is king,
but data is queen”
La Nostra Missione:
Essere la data platform per gli innovatori
16. Il Software è Distruttivo in ogni industria
Source: US Bureau of Economic Analysis
Manufacturing Retail Transportation Publishing,
Broadcast
Education,
Healthcare,
Social
Assistance
Finance,
Insurance,
Real Estate
Arts,
Entertainment,
Food
$1.6T
$1.1T
$1.5T
$6.2T
$5.3T
$2.4T
$1.2T
17. Permettete al nostro team di aiutarvi nel vostro viaggio di far leva sulle capacità di MongoDB, il database che
permette agli innovatori to liberare la potenza del software e dati per grandi idee.
Abbiamo lavorato con oltre il 50% dell’aziende del Fortune500. Anche se la definizione delle metriche di successo è
molta diversa l’una dall’altra, ci sono 2 fattori che sono consistenti in tutti i progetti:
Essere di Successo con MongoDB
5xProduttività
Aiutiamo I nostri clienti ad aumentare
l’erogato in generale, ad esempio in
termini di sviluppo o di produttività dei
team di operations
80%Riduzione Costi
Aiutiamo I nostri clienti a diminuire
drammaticamente il TCO per lo storage dei dati
e l’analytics fino all’80%.
19. Cosa pensare quando si sceglie una piattaforma di gestione dei dati
Criteri Chiave di Decisione
Flessibilità di
Installazione
On-premise, Cloud Privato,
Cloud Pubblico, Ibrida senza
lock-in
Riduzione della
Complessità
Largo campo di applicazione
per evitare di aggiungere
complessità
Agilità
Accelerare il time to market e la
velocità di cambiamento del
business
Resilienza
Ingegnerizzata per l’alta
affidabilità su architetture
distribuite
Scalabilità
Crescita elastica a richiesta
Costo
Allineata all’attuale utilizzo e
valore ma con predicibilità
Sicurezza
Utilizzi I controlli di sicurezza
più avanzati
20. Forrester ha chiesto agli executive: Qual è il vostro problema principale con i vostri dati?
Fattori Trainanti per il Data Management
“Of Gartner's "3Vs" of big data
(volume, velocity, variety), the
variety of data sources is seen by
our clients as both the greatest
challenge and the greatest
opportunity.”*
* From Big Data Executive Summary of 50+ execs from F100, gov orgs; 2014
Varietà dei Dati
Eterogenei,
streaming
o nuovi tipi di dati
Volume dei Dati
Maggiori di 100TB
Altri Dati
Minori di 100TB
21. Legacy
I sistemi RDBMS non sono stati creati per I requisiti moderni e di conseguenza continuano ad aggiungere features per compensare la
mancanza di capacità. Questa strategia non può competere con I sistemi di dati costruito con lo scopo di risolvere I problemi di oggi.
RDBMS legacy sono in difficoltà
Rigid Schemas
Resistant to
change
Throughput &
Cost make Scale-
Up Impractical
Modello Relazionale Scale-up
Il cambiare continuo dei
dati non va d’accordo con
il modello relazionale
Scale-Up cluster non sono
stati progettati per gestire I
volumi di oggi.
Today
Modello Flessibile
01
10
JSON
Scale-out
Flexible Multi-Structured
Schema that is designed
to adapt to changes
Scale-out to the end of the
world and distribute data
where it needs to be
22. MongoDB: il meglio dei DB Relazionali e
NoSQL
Scalabilità
& Performance
Always On,
Installazioni Globali
Flessibilità
Consistenza Forte
Enterprise Management
& Integrazioni
NoSQL
Linguaggio di interrogazione ricco
ed indici secondari
Relational
23. MongoDB è la piu potente e olistaica piattaforma di gestione dati sul mercato oggigiorno, aiutandovi a ridurre la
complessità dei sistemi, ridurre drasticamente il TCO, incrementare la produttività e minimizzare il rischio per le
operazioni critiche.
Piattaforma dei dati multiuso
Multi-structured, polymorphic data – I dati della
vita reale non entrare nel modello righe/colonne e
cambiano nel tempo
Multi-Deployment –da vostro datacenter alle VMs, a
cloud pubblici/ibridi al DBaaS
Multi-Model database – I casi d’uso importanti
richiedono più che query relazionali (document, grafi,
full text, ecc)
K-V
SQ
L
DO
C
Cloud / DBaaSOn-premise / self-managed
Multi-Workload support – Combina workload
operazionali e analitici in una singolo data platform
+
24. Strategic
SaaS, Mobile, Social
Microservices /
API Access / JSON
Polymorph Data (structured,
semi-structured, unstructured)
Hadoop, Spark
Commodity HW / Cloud
Local Storage / Cloud
Software-Defined Networks
La nostra tecnologia può aiutarvi a trasformare la vostra organizzazione IT e modernizzare l’intero stack IT, aiutandovi a
trovare soluzioni strategiche ad ogni livello dello stack per guidare I cambiamenti di business
MongoDB e la Strategia IT Enterprise
Legacy
Apps On-Premise
Data Access
Object-Relational Mapping /
ODBC Access / SOAP
Database Oracle / Microsoft
Data Schemas Relational Data / Structured
Offline Data Teradata
Compute Scale-Up Server
Storage SAN
Network Routers and Switches
MongoDB sits right at the centre of
strategic IT and business / digital
transformation, enabling full stack
modernization.
By removing layers we can:
• Reduce complexity
• Reduce cost
• Increase business agility
• Improve data & service quality
• Facilitate innovation
26. MongoDB è un moderno database operazionale che supporta una strategia di poliglottismo dei dati – on-premise e nel
cloud. Questo ci abilita a guidare alcuni argomenti critici tra I nostri clienti
Cases for Change
Cloud Data Strategy
Leveraging the right data platforms as part of your
overall cloud strategy helps to avoid vendor lock-in.
Legacy Modernisation
Current legacy technology stacks can’t cope with the
range of new business requirements – we can help you
modernise in a highly efficient and effective way.
Mainframe Offloading
Reduce cost and MIPS on legacy mainframes and
enable data to be leveraged for new use cases.
Operational Intelligence
Solving the problem of deriving value from existing
EDW or Hadoop-based data lake solutions in real-time.
Single View
Provide a holistic view of data entities (e.g. customer) across
multiple underlying, disconnected source systems.
Compliance & Regulation (e.g. PSD2)
MongoDB is enabling scalable, highly available data
platforms to banks who are forced to provide data in a more
agile way to comply with the PSD2 regulations.
Internet of Things (IoT)
MongoDB can help you overcome Scalability & Performance
issues that are not being met by many current IoT solutions
28. MongoDB è un moderno database operazionale che supporta una strategia di poliglottismo dei dati – on-premise e nel
cloud. Questo ci abilita a guidare alcuni argomenti critici tra I nostri clienti
Cases for Change
Cloud Data Strategy
Leveraging the right data platforms as part of your
overall cloud strategy helps to avoid vendor lock-in.
Legacy Modernisation
Current legacy technology stacks can’t cope with the
range of new business requirements – we can help you
modernise in a highly efficient and effective way.
Mainframe Offloading
Reduce cost and MIPS on legacy mainframes and
enable data to be leveraged for new use cases.
Operational Intelligence
Solving the problem of deriving value from existing
EDW or Hadoop-based data lake solutions in real-time.
Single View
Provide a holistic view of data entities (e.g. customer) across
multiple underlying, disconnected source systems.
Compliance & Regulation (e.g. PSD2)
MongoDB is enabling scalable, highly available data
platforms to banks who are forced to provide data in a more
agile way to comply with the PSD2 regulations.
Internet of Things (IoT)
MongoDB can help you overcome Scalability & Performance
issues that are not being met by many current IoT solutions
29. Single View
• Cosa
– Unica rappresentazione in tempo reale di un
dominio o di una entità business
– Customer, product, supply chain, financial asset
class ecc.
• Perché
– Migliora la visibilità del business
– Serve applicazioni operazionali
– Fondamenta per analytics
• Come
– accoglie e organizza I dati da diverse sorgenti
scollegate tra loro
– Aggrega le informazioni in un formato
standardizzato e unisce le informazioni in un
modello a documenti
30. Single View Use Cases
• Vista comparativa di
prodotti o contratti
• View degli asset
cross agenzie
• Transazioni
aggregate per frode,
spreco o abuso
• Accesso a tutti I dati della
logistica
• Vista cross agenzia dei
processi, risorse
• Abilita decisioni strategiche,
analytics e analisi dei trend a
lungo termine
• Gestione della cartella
clinica dei pazienti
• Macro-analysis view
della salute pubblica
• Storia medica per
identificare I rischi
assicurativi
Finanza Logistica Healthcare
31. Perché la Single View?
• Ritorna in modo efficiente lo stato in
una entità business in tempo reale
• Fondamenta per analytics, i.e:
• cross-sell,
• upsell,
• churn risk
33. Soluzione: Aggregazione con schema
dinamico
…Mobile
App
Web
Call
Centre CRM Social
Feed
COMMON FIELDS
CustomerID | Activity ID | Type…
DYNAMIC FIELDS
Can vary from record to record
Single View
34. Perché MongoDB per la Single View
• Flessibilità del modello dati con
schema dinamico
• Analytics in tempo reale
• Rich query, aggregation, search & reporting
• Performance, scalabilità & always-on
• Modello di deployment di classe
Enterprise
38. Single View of the Customer
360° view of the customer increases customer satisfaction,
cross-sell & up-sell with MongoDB, Spark, & Hadoop
Problem Why MongoDB ResultsProblem Solution Results
Customer data spread across 100+
systems, making it difficult for Air France
to personalize the customer experience
Commercial service agents not able to
retrieve all data about a customer from a
single system
New single view CRM planned to provide
a better experience for agents but legacy
relational systems made it different to
create a common data model
Single View application was built on MongoDB to
take advantage of the database’s flexible data
model, expressive query language, secondary
indexes, & horizontal scalability
Data from old relational systems fed into Spark
for analysis and then stored in MongoDB to
support real-time CRM
The data stored in MongoDB feeds nightly batch
jobs in Hadoop, the results of which go back into
MongoDB to better inform personalized
recommendations
Air France expects increased revenues
from more personalized offerings,
which will drive cross-sell and upsell
Reduced competitive pressures from
addressing a key gap in product
offerings
39. Single View of the
Customer
Insurance leader generates coveted single view of
customers in 90 days – “The Wall”
Problem Why MongoDB Results
Problem Solution Results
No single view of customer, leading to
poor customer experience and churn
145 years of policy data, 70+ systems,
24 different 1-800 numbers, 15+ front-
end apps that are not integrated
Spent 2 years, $25M trying build single
view with DB2 – failed
Built “The Wall,” pulling in disparate
data and serving single view to
customer service reps in real time
Flexible data model to aggregate
disparate data into single data store
Expressive query language and
secondary indexes to serve any field in
real time
Prototyped in 2 weeks
Deployed to production in 90 days
Decreased churn and improved ability
to upsell/cross-sell
40. Come Arrivarci?
• Progetti Single view sono sfidanti
– Partnership con un vendor che offre una esperienza
comprovata
• Conosci di più
– Scarica il whitepaper
– 10-Step Methodology to Building a Single View
• Coinvolgici
– MongoDB Global Consulting Services vi può aiutare
con la definizione del progetto
– Book a workshop
41. MongoDB è un moderno database operazionale che supporta una strategia di poliglottismo dei dati – on-premise e nel
cloud. Questo ci abilita a guidare alcuni argomenti critici tra I nostri clienti
Cases for Change
Cloud Data Strategy
Leveraging the right data platforms as part of your
overall cloud strategy helps to avoid vendor lock-in.
Legacy Modernisation
Current legacy technology stacks can’t cope with the
range of new business requirements – we can help you
modernise in a highly efficient and effective way.
Mainframe Offloading
Reduce cost and MIPS on legacy mainframes and
enable data to be leveraged for new use cases.
Operational Intelligence
Solving the problem of deriving value from existing
EDW or Hadoop-based data lake solutions in real-time.
Single View
Provide a holistic view of data entities (e.g. customer) across
multiple underlying, disconnected source systems.
Compliance & Regulation (e.g. PSD2)
MongoDB is enabling scalable, highly available data
platforms to banks who are forced to provide data in a more
agile way to comply with the PSD2 regulations.
Internet of Things (IoT)
MongoDB can help you overcome Scalability & Performance
issues that are not being met by many current IoT solutions
42. Operational Data Layer
• Cosa
– Estrazione in tempo reale del valore dai dati
contenuti in EDW o soluzioni di data lake basate su
Hadoop
• Perché
– Riduce la dipendenza dai sistemi legacy
– Minimizza i fermi del servizio
– Accelera il time to market
– Riduce la complessità e il rischio
– Requisito Regulatory di aprire i sistemi backend
con API pubbliche
• Come
– Raccoglie ed organizza i dati e interopera con vari
tipi di applicazioni.
– Cattura dati multi-strutturati e cresce nella scala dei
peta-byte
43. Overview del Problema e Soluzione
RDBMS Files
Mainframe
Application
Microservices / API Layer
ReadsWrites
Key/Value
Store
Files
Mainframe
Application
Tipica Architettura
Complessa e Fragile
Operational Data Layer (ODL)
Semplificato e Resiliante
Application Application Application
In-Memory
Cache
RDBMS
Wide-Column
Store
Application Application
Non-standard data access Standardised Data Access
Near Real-
Time CDC
Message
Streaming/Pr
ocessing
Graph Store
44. Characteristics: Operational Data Layer
(ODL)
• Supporta dati strutturati, semi-
strutturati e non strutturati con lo
stesso livello di funzionalità
• Driver Nativi connettono le
applicazioni ai dati senza bisogna di
convertire i dati (JSON)
• Multi-tenancy
• Supporto nativi di tutti I tipi di deployment
• On-premise/Bare Metal, Private, Public,
Hybrid and Cross Clouds
• Architettura Scale-out architecture
supporta tutti I tipi di installazioni
• Information Lifecycle Management gestita
facilmente per workload e geografia
Data Agnostic Deployment Agnostic&
45. Perché MongoDB per Operational Data
Layer
Data:
• La flessibilità del modello con dati dinamici
• Workload isolation
• Query espressivi ed indici secondari
Deployment:
• Real-time analytics
• Performance, scale & always-on
• Enterprise deployment model
46. Problem Why MongoDB ResultsProblem Solution Results
High licensing costs from proprietary
database and data grid technologies
Data duplication across systems with
complex reconciliation controls
High operational complexity impacting
service availability and speed of
application delivery
Implemented a multi-tenant PaaS with
shared data service based on
MongoDB, accessed via a common API
with message routing via Kafka
Standardized data structures for storage
and communication based on JSON
format
Multi-sharded, cross-data center
deployment for scalability and
availability
$ millions in savings after migration from
Coherence, Oracle database and
Microsoft SQL Server
Develop new apps in days vs months
100% uptime with simplified platform
architecture, higher utilization and
reduced data center footprint
Database-as-a-Service
Migration from Oracle & Microsoft to create a consolidated
“data fabric” reduces $m in cost, speeds application
development & simplifies operations
47. Real-Time Analytics
Travelers instantly browse billions of recommendation with
MongoDB powered new Amadeus flight search portfolio
Problem Why MongoDB Results
Problem Solution Results
Amadeus serves 124 airlines across 190 countries and
needs to process over 1.6 billion data requests each day
25% of travelers have not decided on a destination and
almost ½ don’t know the date they want to travel
Need to provide a more personalized travel experience
that is instant
Expectations for online and mobile services are
incredibly high; must develop an Instant Search
application to browse billions of travel options across
multiple criteria in real time
Unable to provide instant results to multi-dimensional
queries and perform at scale
MongoDB’s flexible data model to accelerate
time to value and handle key data structures at
immense scale, for the industry's most
demanding travel companies
Multi-region distribution for scalability and high
availability
MongoDB Enterprise security features allowed
the ability to easily authenticate and authorize
users
WiredTiger storage engine for compression
and efficiency
MongoDB able to deliver complex searches across
multiple dimensions, returned in seconds. Both the
internal NoSQL DB, and relational DBs couldn't
handle this complexity at scale
MongoDB clusters powering additional apps that
are handling 10s of TBs of data, and 10s of TBs of
throughput
MongoDB WiredTiger storage to compress storage
by 80% significant cost reductions and
performance improvements
48. MongoDB è un moderno database operazionale che supporta una strategia di poliglottismo dei dati – on-premise e nel
cloud. Questo ci abilita a guidare alcuni argomenti critici tra I nostri clienti
Cases for Change
Cloud Data Strategy
Leveraging the right data platforms as part of your
overall cloud strategy helps to avoid vendor lock-in.
Legacy Modernisation
Current legacy technology stacks can’t cope with the
range of new business requirements – we can help you
modernise in a highly efficient and effective way.
Mainframe Offloading
Reduce cost and MIPS on legacy mainframes and
enable data to be leveraged for new use cases.
Operational Intelligence
Solving the problem of deriving value from existing
EDW or Hadoop-based data lake solutions in real-time.
Single View
Provide a holistic view of data entities (e.g. customer) across
multiple underlying, disconnected source systems.
Compliance & Regulation (e.g. PSD2)
MongoDB is enabling scalable, highly available data
platforms to banks who are forced to provide data in a more
agile way to comply with the PSD2 regulations.
Internet of Things (IoT)
MongoDB can help you overcome Scalability & Performance
issues that are not being met by many current IoT solutions
50. L’architettura si sta muovendo….
On premises / self-hosted
Monolithic
Proprietary
Fat Client / Web v1
Cloud
Microservices
Open source
Mobile
51. … e anche le organizzazioni
IT Centralizzato
Gerarchico
Specializzato
Processi pesanti
DevOps
Piccoli team autonomi
Cross funzionale
Agile
(a la Amazon, Google, Netflix)
52. API Access Layer
Operational Data
Customers
Products
Accounts
ML Models
Shared Physical Infrastructure
App1 App2 App3
1. Agilità di Sviluppo
– UI per un provisioning in completo
self-service & scaling
2. Riuso dei Dati
– I dati di ogni servizio sono isolati
fisicamente nella loro istanza di
database
3. Corporate Governance
– Gestito logicamente come un unico
servizio
Cloud Data Strategy
Cloud Agnostic
Any Cloud, Any Where
53. Elimina il Lock-In
Traditional
Data Centres
Cloud IaaS
Cloud PaaS
Ops Mgr
Cloud Mgr Cloud Mgr
Atlas
Ops Mgr
Pure
On-Prem
Pure
IaaS
Hybrid On-
Prem / DBMaaS
Hybrid IaaS
/ DBMaaS
Pure
DBaaS
54. Perché MongoDB per la Strategia del
Cloud?
•Libertà di scelta
•On premise e/o Managed Service
•Stesso codice ovunque
55. Perché MongoDB Atlas?
•Pronto per sviluppatori e DevOps
•Scalabile on-demand
•Sicuro by Default
•Altamente disponibile anche quando scala
orizzontalmente
•Manutenzione eseguita per voi
56. IoT App Running on MongoDB
Atlas
Biotechnology giant uses MongoDB Atlas to allow their customers
to track experiments from any mobile device
Problem Why MongoDB ResultsProblem Solution Results
Thermo Fisher is developing Thermo Fisher
Cloud, one of the largest cloud platforms for the
scientific community on AWS
For scientific IoT applications, internal
developers need a database that could easily
handle a wide variety of fast-changing data
Each experiment produces millions of “rows” of
data, which led to suboptimal performance with
incumbent database
Thermo Fisher customers need to be able to
slice and dice their data in many different ways
MS instrument Connect allows Thermo
Fisher customers to see live experiment
results from any mobile device or browser
MongoDB’s expressive query language
and rich secondary indexes provide
flexibility to support both ad-hoc and
predefined queries to support customers’
scientific experiments
Deployed MongoDB using MongoDB
Atlas, a hosted DB service running on
Amazon EC2
Thermo Fisher customers now can obtain
real-time insights from mass spectrometry
experiments from any mobile device or
browser; not possible before
Improved developer productivity with 40x
less code in testing with MongoDB when
compared to incumbent databases
Improved performance by 6x
Easy migration process & zero downtime.
Testing to production in under 2 months
58. Obiettivi
Revisione prodotti Antiriciclaggio e Segnalazioni di Vigilanza
Oasi è un’azienda leader nel mercato bancario, assicurativo e finanziario in genere, e si propone con soluzioni
informatiche, servizi di outsourcing applicativo e amministrativo, progetti, consulenza e formazione nelle aree: sistemi
direzionali e di sintesi, segnalazioni agli organi di vigilanza nazionale e comunitaria, antiriciclaggio.
Le soluzioni che OASI deve offrire ai propri clienti debbono essere caratterizzate da enorme capacità di adattamento ai
cambiamenti normativi.
Inoltre nuove esigenze di mercato impongono prodotti maggiormente performanti, scalabili per grandi clienti, sviluppati
con linguaggio software di più recente generazione per ridurre i tempi nella manutenzione, massimizzando le tempistiche
per il go to market.
CAMBIARE PERCHE’
TECNOLOGIE • Tecnologie abilitanti, in grado di scalare efficacemente, riducendo i
costi infrastrutturali
MODELLO DATI
(Logico e Fisico)
• Rendere meno onerosa la fase implementativa legata all’attuale
struttura Flat e Relazionale
• Rendere più facilmente fruibile, da processi aziendali utente, il
repository interno dei prodotti di Oasi
59. Requisiti richiesti per una nuova
ArchitetturaLe informazioni contenute nei dati aziendali e riversate nei prodotti di Oasi, sono una risorsa preziosa per
l’intermediario finanziario, che deve poter sfruttare con il massimo dell’autonomia.
È indispensabile per gli intermediari potere effettuare una autovalutazione della propria situazione applicando o
verificando le stesse regole usata nei prodotti (Data Governance e Meta Data Management).
La Compliance moderna è basata su elementi oggettivi di valutazione, multidisciplinari e su sistemi complessi.
Le informazioni devono essere disponibili in modalità friendly, open e fast:
Friendly Open Fast
• Report regolamentari standard
sempre disponibili e aggiornati
• Report navigabili in modalità
drill-down fino alla massima
granularità
• Disponibilità di un report
dinamico con tutte le dimensioni
dati disponibili nel repository.
• Navigazione simili a pivot di
Excel
• Modellazione dei dati pensata
per essere efficace al suo
sfruttamento
• I dati devono essere disponibili
al massimo dettaglio ma
velocemente aggregabili
secondo l’esigenza del
business aziendale(visibilità al
livello di Gruppo finanziario)
• Accessibili servizi (SOA e/o
Rest)
• Esportabili in maniera rapida ed
intuitiva ed analizzabili tramite
strumenti di uso comune
dell’utente(es. Microsoft
Automation , o lo strumento di
BI utilizzato dall’azienda)
• I dati devono essere sempre
aggiornati in tempi veloci
• Il tempo di aggiornamento dei
dati non deve essere
proporzionale al volume dei dati
trattati, ma si deve poter far
scalare il sistema mantenendo
costante l’elapsed temporale
• Le regole di trasformazione dei
dati devono poter essere
evolute velocemente
60. Identificazione della soluzione e razionali
della scelta
Scalabilità
L’architettura deve permettere di partire con una configurazione
di «basso profilo» che soddisfi le necessita iniziali e che possa
essere in seguito adeguata in base alle necessità crescenti, e
quindi abbia la possibilità di scalare sia orizzontalmente
(ovvero con l’aggiunta di nodi o il cambio di hardware) o
verticalmente (ovvero aumentando le risorse dei vari server) in
maniera mirata, ovvero andare ad adeguare solamente quelle
componenti che ne hanno effettivamente bisogno o che sono
un collo di bottiglia per l’intero processo.
Quindi dovranno essere privilegiate nella scelta quelle soluzioni
che possano operare in ambienti ridondati (sia cluster che con
presenza di bilanciatori) senza modifiche applicative e che
possano lavorare in-memory.
Scale-up
Scale-out
In-memory
61. Razionali della scelta
Base dati schemaless
• Aggiungere, rimuovere o modificare gli attributi delle
Entità deve essere agile senza sforzi per i test di non
regressione.
• I nostri utenti concepiscono più facilmente i dati contenuti
all’interno di un unico documento. Fino ad oggi gli
abbiamo invece divisi per categorie e riuniti nella loro
esposizione.
Codice sorgente unico
• Le varie applicazioni, ed i linguaggi di programmazione,
devono essere installate su diverse piattaforme hardware
e su vari sistemi operativi
• Privilegiare quelle applicazioni che prevedono l’utilizzo di
linguaggi cross-platform e che sfruttino al massimo le
risorse hardware
AGILE
High
Performance
62. Razionali della Scelta
•Base dati schemaless
•Sostituisce quanto ad oggi è
memorizzato su struttura flat, arricchita
anche con output delle fasi batch, prima
che una quota parte di esse vengano
travasate nel modello dati relazionale
•Base dati relazionale
•E’ una materializzazione di quanto
presente nella base dati schemaless per
permettere un passaggio graduale agli
applicativi dell’utente verso lo
sfruttamento diretto della base dati
schemaless
OASI
IT PlatformTo Be
Data integration, mapping and trasformation
Compliance Repository
64. Con un DBMS NoSql conviene
Modello dati a Documento
01
10JSON
Scalabilità a nodi
…
Schemaflessibileemultistrutturaèadattoa
supportare cambiamenti
Alcresceredeivolumisiaggiungononodisu
hardwaredicostocontenuto
65. NDG Name Stato Punteggio Verifica Fascia
9950 Mario
Rossi
086 35 Rafforzat
a
A
Relational Model
PuntID BenFK Punt
100 1 15
200 2 20
Codice
Dato
NDGF
K
PuntFK
1 9950 100
2 9950 200
DatoID Descr
1 Liste
2 Inatteso
StatoID Descrizione
086 Italia
FasciaID Descrizione
A Alta
Profilo
Calc
35
Stato
Italia 086
Dato
liste
Inatteso
ConMongoDBconviene
Denormalizzare&Materializzareper
velocizzareesemplificare
66. NDG Name Stato TitleID Verifica Fascia
9950 Mario
Rossi
086 1500 Rafforzat
a
AListe 15
Inattes
o
20
Document Model
Profilo
35
Stato
Italia 086
{
_id : 9950,
name: “Mario Rossi",
Stato : { codice : “086",
descrizione: “Italia"
},
Profilo : 35,
verifica: “Rafforzata",
fascia: “A",
dettaglio : [
{ punteggio : 15,
dato : “liste” },
{ punteggio : 20,
dato : “inatteso” }
]
}
01
10
JSON
Denormalizzato &
Materializzato si
velocizza e si
semplifica
67. Back-End Technical Architecture - Overview
Input streams
from external systems
IBM DataStage
Mongo DB
Catalog
Data
Collection
IBM ODM
BI
Analytics
Java
Back-End
Data
Governance
Environment
Develop
Environments
Data
warehouses
Web
Application
Office
Online
Server
Sistema di Produzione
68. Problem Why MongoDB ResultsNecessità Perchè MongoDB Risultati
Poter gestire un cliente 13 volte più
grande rispetto al maggior cliente
attualmente in servizio di
outsourcing, nei tempi compatibili
con le scadenze ufficiali. Abbattere
significativamente i tempi
elaborativi :
• caricamento,
• generazioni
• predisposizione del db a fini di
reporting
Schema Dinamico, chiavi
dinamiche multicolonna &
aggregazioni complesse –
combinate all’utilizzo di indici
multicolonna
Velocità nell’ importare ed
estendere le informazioni
Supporto tecnico specialistico
garantito
Tempi di caricamento avvenuti in
modalità multithread, con software
java. Ogni lancio di caricamento ha
abbattuto i tempi della vecchia
applicazione del 30%. E’ stata
simulata una funzione complessa
sfruttando esclusivamente le
potenzialità dell’aggregation
framework di mongoDB
Verifica prestazioni e affidabilità
prodotto
Nel trattamento delle informazioni gestite dalle Segnalazioni di Vigilanza