L’informatique en mémoire, le multi-tâche moderne

Consulter une base de données est relativement aisé. Mais combiner plusieurs bases de données est quelque peu plus complexe. Et combiner plusieurs bases de données avec des facteurs évolutifs en temps réel exige une approche totalement différente.

Dans l’informatique en mémoire (‘in-memory computing’), les calculs sont réalisés dans la mémoire plutôt que sur le stockage classique. Cela permet d’éliminer une grande part des retards liés à la nécessité d’associer rapidement plusieurs points de données.

En pratique, il s’agit d’une couche déployée entre l’application et la base de données et permettant surtout de disposer d’une application rapide et évolutive. ” Du coup, il est possible d’interconnecter des millions, voire des milliards d’éléments ” explique Abe Klienfeld, CEO de Gridgain. Son entreprise est spécialisée dans cette couche chargée d’exécuter les opérations au départ de la mémoire interne d’un serveur afin de pouvoir faire évoluer les volumes de travail.

Les applications sont nombreuses et variées. C’est ainsi qu’en Pologne, BNP Paribas utilise l’informatique en mémoire de Hazelcast, un autre spécialiste de l’informatique en mémoire, pour proposer à ses clients une offre de prêt personnalisée alors même que ceux-ci font un retrait d’argent. ” En l’occurrence, nous combinons toutes les interactions avec le client en corrélant les données avec l’historique du client, le montant dont il dispose sur son compte ainsi que d’autres données, le tout alors même que la carte bancaire du client est lue puis que celui-ci reçoit son argent “, précise Kelly Herrell, CEO de Hazelcast. Ce faisant, la banque a vu son taux de conversion multiplié par 4.

” Le défi des applications modernes consiste à analyser rapidement plusieurs systèmes de données. Ce n’est possible qu’avec une solution qui combine tous ceux-ci et pas avec la plupart des produits du marché. Et certainement pas lorsqu’il faut encore combiner des événements ou des flux de données “, ajoute Herrell.

Sans citer de nom, Herrell fait notamment référence à de très grandes entreprises technologiques comme Apple, Amazon, Netflix, Facebook ou Google comme clientes de sa technologie pour permettre de proposer aux utilisateurs ou clients une offre personnalisée en temps réel. ” Ce qu’ils déploient, vous pourriez le voir demain dans des entreprises locales, comme un bureau de poste, ajoute Dale Kim, ‘senior director technical solutions’ chez Hazelcast. Car nous pouvons proposer une plateforme de données en temps réel susceptible d’être intégrée rapidement à l’environnement existant, avec une API pour le traitement et le stockage distribués. ”

De telles applications sont surtout intéressantes dans le secteur financier, non seulement pour des offres de crédit rapides, mais aussi pour la détection de la fraude en temps réel. Même si le spectre est nettement plus large. ” Dans un environnement industriel, vous pourriez collecter des infos de capteurs indiquant qu’une machine risque de tomber en panne. Cela permettrait une intervention préventive ou une mise à l’arrêt plutôt que de devoir procéder à une réparation par la suite “, fait encore remarquer Kim.

Du Raspberry Pi au mainframe

La solution de Hazelcast est basée sur du logiciel sous la forme d’une machine virtuelle Java (JVM). ” Il est possible de les combiner dans un centre de données, ou comme service géré, mais également dans l”edge’. L’un de nos clients l’utilise même sur un Raspberry Pi “, indique Herrell.

Chez Gridgain, l’approche est similaire. Gridgain est l’entreprise commerciale qui propose Apache Ignite. Ici également, plusieurs plateformes sont supportées, tandis qu’une solution SaaS existe aussi. ” Ces dernières années, nos applications pratiques se sont multipliées, qu’il s’agisse du monde médical à la gestion du routage des appels VoIP ou des solutions logistiques “, précise Kleinfeld. Et de citer notamment l’exemple de Prorail, le gestionnaire des chemins de fer néerlandais. ” En cas de travaux ou de retards, il faut tout replanifier rapidement. Gridgain est donc un élément majeur de leur logistique, car plus les infos sont en temps réel, plus les trains peuvent circuler sur les voies et se coordonner. ”

L’un des clients prestigieux cité par les deux sociétés est IBM et ses mainframes, une plateforme dont l’histoire est à ce point riche que l’on ne l’associe pas d’emblée avec des applications ultra-rapides en temps réel de 2022, une idée réfutée avec force par les deux fournisseurs. C’est ainsi que chez Hazelcast, IBM est revendeur et intégrateur.

Pour sa part, Gridgain est partenaire pour l’IBM Z. ” Au début de nos contacts, un mainframe était le dernier environnement auquel nous au- rions pensé, mais désormais Gridgain compte plu- sieurs clients qui tournent sur un mainframe IBM, au point que Big blue nous a même approchés. ”

” Cela a certes pris du temps, il a fallu adapter notre code, mais aujourd’hui, l’installation se fait très simplement, enchaîne Nikita Ivanov, fondateur et CTO. Le mainframe est et reste l’une des machines les plus sophistiquées au monde. Je ne suis dès lors pas étonné qu’en dépit d’autres alternatives, les clients continuent à privilégier le mainframe car il n’est tout simplement pas facile de répliquer ailleurs une telle fonctionnalité. ”

Nécessaire dans la transformation numérique

Interrogé sur le marché, Kleinfeld ne le voit qu’en croissance. ” Aujourd’hui, les grandes entreprises dialoguent toujours plus en direct avec leurs clients finaux, alors qu’elles passaient autrefois par des intermédiaires. Or les systèmes dorsaux sont surtout conçus pour traiter de petits volumes de transactions, comme une base de données Oracle ou un SAP sous-jacent. A présent, il est temps pour ces entreprises de bâtir des systèmes dynamiques très fonctionnels, pas seulement pour leurs points de vente, mais aussi pour leurs clients. De plus, de tels systèmes doivent collecter nettement plus d’informations qu’il y a 10 ans. Un système classique n’est pas en mesure de supporter de telles charges de travail. ”

Pour Hazelcast également, cette tendance au traitement de données en temps réel s’imposera comme un standard dans de nombreux secteurs. ” Le monde évolue vers une économie en temps réel. Nos clients nous disent qu’ils ne peuvent plus travailler uniquement avec des données qui datent d’hier, note encore Herrell. Souvent, les données en direct agissent comme un déclencheur. Or ces données ne sont qu’une partie de la réponse s’il n’y a pas de contexte. Ce contexte se trouve souvent dans des données qui existent déjà, mais qu’il faut combiner. ”