{"id":164537,"date":"2022-06-29T10:03:18","date_gmt":"2022-06-29T09:03:18","guid":{"rendered":"https:\/\/datascientest.com\/?p=162937"},"modified":"2023-11-09T14:03:51","modified_gmt":"2023-11-09T14:03:51","slug":"architecture-distribuee","status":"publish","type":"post","link":"https:\/\/datascientest.com\/architecture-distribuee","title":{"rendered":"Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"164537\" class=\"elementor elementor-164537\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-0752d81 e-flex e-con-boxed e-con\" data-id=\"0752d81\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b603023 elementor-widget elementor-widget-heading\" data-id=\"b603023\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Les architectures distribu\u00e9es sont des syst\u00e8mes d\u2019informations distribuant et utilisant des ressources disponibles qui ne se trouvent pas au m\u00eame endroit ou sur la m\u00eame machine. Dans cet article nous allons expliquer en d\u00e9tail ce que sont ces architectures, nous verrons donc leur avantage par rapport aux autres architectures et comment on les utilise en pratique en Data Science.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-b10fcd5 e-flex e-con-boxed e-con\" data-id=\"b10fcd5\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-9f807af elementor-widget elementor-widget-heading\" data-id=\"9f807af\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Une architecture distribu\u00e9e, c\u2019est quoi ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-94977a9 elementor-widget elementor-widget-text-editor\" data-id=\"94977a9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Avec l\u2019\u00e9volution exponentielle de la technologie et la facilitation de l\u2019acc\u00e8s \u00e0 l\u2019information, de plus en plus de syst\u00e8mes informatiques comme des applications ou <strong>leur d\u00e9ploiement sont reli\u00e9s entre eux<\/strong> par un r\u00e9seau et communiquent des donn\u00e9es. Ainsi, afin de r\u00e9aliser un syst\u00e8me complexe n\u00e9cessitant l\u2019ex\u00e9cution de plusieurs services interconnect\u00e9s, les architectures monolithiques sont devenues inutilisables et obsol\u00e8tes.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f8bca93 elementor-widget elementor-widget-image\" data-id=\"f8bca93\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-1.png\" title=\"\" alt=\"\" loading=\"lazy\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-68269f1 elementor-widget elementor-widget-text-editor\" data-id=\"68269f1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>En effet, dans une telle architecture <strong>l\u2019ensemble des ressources disponibles se trouvent au m\u00eame endroit<\/strong> et sur la m\u00eame machine et donc vouloir modifier une partie de celle-ci implique de devoir modifier toutes les parties (pour qu\u2019elles restent coh\u00e9rentes) ce qui n\u2019est pas envisageable dans un syst\u00e8me o\u00f9 potentiellement des milliers de services inter-communiquent.\u00a0<\/p><p>Pour lutter contre les limites de l\u2019architecture monolithique <strong>on peut utiliser une architecture distribu\u00e9e<\/strong>, mais qu\u2019est-ce que c\u2019est exactement\u00a0?\u00a0<\/p><p>Une architecture distribu\u00e9e est une architecture s\u2019organisant exactement \u00e0 l\u2019oppos\u00e9 d\u2019une architecture monolithique. En effet, l\u00e0 o\u00f9 l\u2019architecture monolithique va centraliser toutes ses ressources et ses syst\u00e8mes au m\u00eame endroit et sur la m\u00eame machine, l\u2019architecture distribu\u00e9e va se servir de <strong>ressources disponibles<\/strong> sur diff\u00e9rentes machines r\u00e9parties \u00e0 diff\u00e9rents endroits. Une telle architecture peut \u00eatre <strong>\u00e0 la fois un syst\u00e8me d\u2019information ou un r\u00e9seau ou les deux<\/strong>. Internet est un exemple de r\u00e9seau distribu\u00e9 puisqu&rsquo;il ne poss\u00e8de aucun n\u0153ud central et acc\u00e8de \u00e0 diff\u00e9rentes ressources r\u00e9parties sur plusieurs n\u0153uds (r\u00e9parties sur le r\u00e9seau) qui communiquent par messages au travers du r\u00e9seau. Une des caract\u00e9ristiques des architectures distribu\u00e9es est que <strong>chaque n\u0153ud peut fournir des fonctionnalit\u00e9s client serveur<\/strong>, c\u2019est-\u00e0-dire qu\u2019il peut agir \u00e0 la fois comme <strong>fournisseur<\/strong> et <strong>consommateur<\/strong> de services ou de ressources. On a donc acc\u00e8s \u00e0 un partage de ressource total.<\/p><p>Il y a une cinquantaine d\u2019ann\u00e9es, faire dialoguer deux machines au travers du r\u00e9seau demandait une connaissance pr\u00e9cise des protocoles r\u00e9seaux et parfois m\u00eame du mat\u00e9riel r\u00e9seau. Avec la cr\u00e9ation de la programmation orient\u00e9e objet, <strong>les architectures monolithiques ont laiss\u00e9 place aux architectures distribu\u00e9es<\/strong> d\u00e9sormais viables gr\u00e2ce aux nouvelles biblioth\u00e8ques de haut-niveau permettant \u00e0 diff\u00e9rentes machines de faire dialoguer plusieurs objets qui s\u2019ex\u00e9cutent sur des machines diff\u00e9rentes.\u00a0<\/p><p>Ainsi, les architectures distribu\u00e9es reposent sur la possibilit\u00e9 d\u2019utiliser des objets distribu\u00e9s sur le r\u00e9seau. Les objets distribu\u00e9s sur le r\u00e9seau (et qui ne se trouvent pas au m\u00eame endroit) communiquent par messages en s&rsquo;appuyant sur des technologies sp\u00e9cifiques comme <strong>Common Object Request Broker Architecture<\/strong> ou <a href=\"https:\/\/datascientest.com\/definition-et-avantages-de-linfrastructure-corba\">CORBA<\/a> qui permet \u00e0 diff\u00e9rents objets \u00e9crits en diff\u00e9rents langages tels que <strong>C++<\/strong> ou <strong>Java<\/strong> de communiquer entre eux. Un autre outil connu est le logiciel <strong>Java EE<\/strong> qui permet de faire communiquer plusieurs objets dans une architecture distribu\u00e9e \u00e0 l\u2019aide de son catalogue de librairies sp\u00e9cialis\u00e9es.<\/p><p>Aujourd\u2019hui, un des inconv\u00e9nients de ce type d\u2019architecture provient paradoxalement de son atout initial : <strong>l\u2019isolement des diff\u00e9rents services<\/strong> et donc des \u00e9quipes de d\u00e9veloppeurs travaillant sur ceux-ci de fa\u00e7on ind\u00e9pendante. En effet, \u00e0 cause d\u2019un potentiel \u00e9loignement g\u00e9ographique, de l\u2019h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des t\u00e2ches abord\u00e9es et de l\u2019isolement des responsabilit\u00e9s techniques, l\u2019architecture distribu\u00e9e est sensible \u00e0 une <strong>mauvaise maintenabilit\u00e9<\/strong> qui peut g\u00e9n\u00e9rer des cons\u00e9quences s\u00e9rieuses sur les co\u00fbts ou encore la fonctionnalit\u00e9 des services. \u00c0 force d\u2019empiler des \u00ab blocs \u00bb de construction non ma\u00eetris\u00e9s et de fa\u00e7on ind\u00e9pendante, des risques de d\u00e9rives exponentielles sont \u00e0 craindre. L\u2019architecture perdrait alors instantan\u00e9ment sa facult\u00e9 \u00e0 comprendre rapidement les diff\u00e9rents services d\u00e9velopp\u00e9s et leurs interconnexions.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-49acce6 e-flex e-con-boxed e-con\" data-id=\"49acce6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-18edb06 elementor-widget elementor-widget-heading\" data-id=\"18edb06\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Relation entre Big Data et architecture distribu\u00e9e<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9d3f35f elementor-widget elementor-widget-text-editor\" data-id=\"9d3f35f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Il est important de savoir que dans une <strong>architecture big data<\/strong>, la distribution est un \u00e9l\u00e9ment cl\u00e9. Avant, nous \u00e9tions dans un syst\u00e8me de <a href=\"https:\/\/datascientest.com\/vertical-scaling\">scalabilit\u00e9 verticale<\/a>, c\u2019est-\u00e0-dire que l\u2019on rajoutait de la <a href=\"https:\/\/datascientest.com\/random-access-memory-tout-savoir\">RAM<\/a>, du <strong>CPU<\/strong>, etc. pour r\u00e9soudre tous probl\u00e8mes li\u00e9s au stockage ou \u00e0 la puissance de calcul des ordinateurs. Le probl\u00e8me \u00e9tait que cela est tr\u00e8s cher et que l\u2019on utilisait des <strong>hardwares<\/strong> qui \u00e9taient vou\u00e9s \u00e0 \u00eatre jet\u00e9s.<\/p><p>Depuis l\u2019\u00e9mergence du big data, nous sommes pass\u00e9s \u00e0 une architecture de scalabilit\u00e9 horizontale pour r\u00e9soudre ce probl\u00e8me. Cela signifie que l\u2019on <strong>privil\u00e9gie d\u2019ajouter des ordinateurs dans une architecture pour r\u00e9soudre les probl\u00e8mes de big data<\/strong>. Cette architecture pr\u00e9sente des avantages. Tout d\u2019abord, il faut savoir que toutes <strong>les donn\u00e9es sont r\u00e9pliqu\u00e9es<\/strong> \u00e0 un certain facteur de r\u00e9plication et partitionn\u00e9es sur les diff\u00e9rentes machines. Cela permet d\u2019avoir une s\u00e9curit\u00e9 accrue au niveau des donn\u00e9es. De plus, puisque nous utilisons diff\u00e9rentes machines, les calculs sont parall\u00e9lisables dans une architecture distribu\u00e9e donc <strong>nous gagnons de la rapidit\u00e9 de calcul et la puissance de calcul est accrue<\/strong>. Enfin, le passage \u00e0 l\u2019\u00e9chelle est plus facile. Imaginons que nous n&rsquo;ayons plus de stockage dans nos machines, au lieu de changer d\u2019ordinateur contre un ordinateur plus puissant (scalabilit\u00e9 verticale), nous pouvons rajouter une machine \u00e0 notre architecture, ce qui permet de r\u00e9soudre le probl\u00e8me de stockage.<\/p><p>Plus particuli\u00e8rement, en Data Science, pour r\u00e9ussir \u00e0 effectuer des calculs avec une architecture distribu\u00e9e et \u00e0 <strong>g\u00e9rer le stockage<\/strong> entre les diff\u00e9rents n\u0153uds de cette architecture distribu\u00e9e, on utilise principalement <a href=\"https:\/\/datascientest.com\/hadoop\">Hadoop<\/a>. Ce framework est compos\u00e9 de trois sous-frameworks : <strong>HDFS<\/strong>, <strong>MapReduce <\/strong>et <strong>YARN<\/strong>.<\/p><p><strong>HDFS<\/strong> est le gestionnaire de stockage dans Hadoop. Il permet de stocker les diff\u00e9rents blocs de partitions sur les diff\u00e9rents n\u0153uds de l\u2019architecture distribu\u00e9e.<\/p><p><a href=\"https:\/\/datascientest.com\/mapreduce\">MapReduce<\/a> est le syst\u00e8me de calcul dans une architecture distribu\u00e9e. Il effectue des calculs en parall\u00e8le sur les diff\u00e9rents n\u0153uds de l&rsquo;architecture pour en ressortir un r\u00e9sultat final. Il fonctionne sous forme de cl\u00e9\/valeur comportant diff\u00e9rentes \u00e9tapes. La premi\u00e8re est la phase de <strong>mapping<\/strong> qui va agr\u00e9ger la requ\u00eate demand\u00e9e en fonction d\u2019une cl\u00e9 sur tous les blocs de notre document. Ensuite, il y a la phase de <strong>shuffle<\/strong> qui va trier les r\u00e9sultats des diff\u00e9rentes agr\u00e9gations en fonction de cette cl\u00e9. Puis, il y a la phase de <strong>reducing<\/strong> qui va appliquer la requ\u00eate (par exemple une somme) \u00e0 nos diff\u00e9rentes cl\u00e9s tri\u00e9es. Enfin, il y a la phase finale, qui va consister \u00e0 faire une nouvelle agr\u00e9gation en un seul n\u0153ud de nos reducing diff\u00e9rents.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ae58939 elementor-widget elementor-widget-image\" data-id=\"ae58939\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"2560\" height=\"1011\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2.png\" class=\"attachment-full size-full wp-image-163404\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2.png 2560w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2-300x118.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2-1024x404.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2-768x303.png 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2-1536x607.png 1536w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/06\/image-2-2048x809.png 2048w\" sizes=\"(max-width: 2560px) 100vw, 2560px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d12bd81 elementor-widget elementor-widget-text-editor\" data-id=\"d12bd81\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le troisi\u00e8me sous-framework, <strong>YARN<\/strong>, est le gestionnaire d\u2019orchestration de <a href=\"https:\/\/datascientest.com\/formation-hadoop-spark\">Hadoop<\/a>. C\u2019est lui qui va savoir comment r\u00e9pliquer les donn\u00e9es, comment envoyer les diff\u00e9rents blocs sur les diff\u00e9rents n\u0153uds et quelle partition utiliser pour effectuer le MapReduce.<\/p><p>Hadoop est \u00e9videmment un seul des nombreux outils qui existe pour construire des architectures distribu\u00e9es, un autre outil beaucoup utilis\u00e9 s\u2019intitule Spark et est disponible en plusieurs langages de programmation\u00a0: <a href=\"https:\/\/datascientest.com\/scala\">Scala<\/a>, <a href=\"https:\/\/datascientest.com\/python-tout-savoir\">Python<\/a>, <strong>Java<\/strong> et <strong>R<\/strong>.\u00a0<\/p><p>Si vous voulez en savoir plus sur les architectures distribu\u00e9es et comment les utiliser, n\u2019h\u00e9sitez pas \u00e0 <a href=\"https:\/\/datascientest.com\/rdv\">prendre RDV<\/a> avec nos experts pour en apprendre davantage en Data Science et pour avoir des informations sur notre formation de Data Engineer dont vous pouvez retrouver la brochure <a href=\"https:\/\/datascientest.com\/formation-data-engineer\">ici<\/a> !<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b33651a elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"b33651a\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-engineer\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrez notre formation Data Engineer<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Les architectures distribu\u00e9es sont des syst\u00e8mes d\u2019informations distribuant et utilisant des ressources disponibles qui ne se trouvent pas au m\u00eame endroit ou sur la m\u00eame machine. Dans cet article nous allons expliquer en d\u00e9tail ce que sont ces architectures, nous verrons donc leur avantage par rapport aux autres architectures et comment on les utilise en [&hellip;]<\/p>\n","protected":false},"author":77,"featured_media":165037,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data<\/title>\n<meta name=\"description\" content=\"Les architectures distribu\u00e9es sont des syst\u00e8mes d\u2019informations distribuant et utilisant des ressources disponibles qui ne se trouvent pas au m\u00eame endroit ou sur la m\u00eame machine\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/architecture-distribuee\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/architecture-distribuee\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2022-06-29T09:03:18+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T14:03:51+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/07\/architecture.jpeg\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Raphael Kassel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Kassel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/architecture-distribuee\",\"url\":\"https:\/\/datascientest.com\/architecture-distribuee\",\"name\":\"Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2022-06-29T09:03:18+00:00\",\"dateModified\":\"2023-11-09T14:03:51+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\"},\"description\":\"Les architectures distribu\u00e9es sont des syst\u00e8mes d\u2019informations distribuant et utilisant des ressources disponibles qui ne se trouvent pas au m\u00eame endroit ou sur la m\u00eame machine\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/architecture-distribuee\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\",\"name\":\"Raphael Kassel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"caption\":\"Raphael Kassel\"},\"description\":\"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \\\"Chef de projet IA\\\" et \\\"Data Product Manager\\\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/raphaelkassel\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/raphaelkassel\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data","description":"Les architectures distribu\u00e9es sont des syst\u00e8mes d\u2019informations distribuant et utilisant des ressources disponibles qui ne se trouvent pas au m\u00eame endroit ou sur la m\u00eame machine","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/architecture-distribuee","og_locale":"fr_FR","og_type":"article","og_title":"Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data","og_url":"https:\/\/datascientest.com\/architecture-distribuee","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2022-06-29T09:03:18+00:00","article_modified_time":"2023-11-09T14:03:51+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/07\/architecture.jpeg","type":"image\/jpeg"}],"author":"Raphael Kassel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Raphael Kassel","Dur\u00e9e de lecture estim\u00e9e":"7 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/architecture-distribuee","url":"https:\/\/datascientest.com\/architecture-distribuee","name":"Une architecture distribu\u00e9e : d\u00e9finition, sa relation avec le Big Data","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2022-06-29T09:03:18+00:00","dateModified":"2023-11-09T14:03:51+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1"},"description":"Les architectures distribu\u00e9es sont des syst\u00e8mes d\u2019informations distribuant et utilisant des ressources disponibles qui ne se trouvent pas au m\u00eame endroit ou sur la m\u00eame machine","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/architecture-distribuee"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1","name":"Raphael Kassel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","caption":"Raphael Kassel"},"description":"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \"Chef de projet IA\" et \"Data Product Manager\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.","sameAs":["https:\/\/www.linkedin.com\/in\/raphaelkassel\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/raphaelkassel"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/164537"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=164537"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/164537\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/165037"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=164537"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=164537"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=164537"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}