Key points are not available for this paper at this time.
Les bases de données NoSQL sont passées de solutions théoriques visant à dépasser les limites des bases de données relationnelles à une application pratique et incontestée pour le stockage et la manipulation des big data. En termes de variété, les bases de données NoSQL stockent des données hétérogènes sans être obligées de respecter un schéma prédéfini, comme c'est le cas des bases de données relationnelles et object-relationnelles. Les solutions NoSQL surpassent les bases de données traditionnelles en capacité de stockage ; nous considérons MongoDB par exemple, qui est une base de données orientée documents capable de stocker un nombre illimité de documents avec une taille maximale de 32 To selon la machine qui exécute la base de données et également le système d'exploitation. De plus, en termes de vélocité, de nombreuses recherches ont comparé le temps d'exécution de différentes transactions et ont prouvé que les bases de données NoSQL sont la solution parfaite pour les applications en temps réel. Cet article présente un algorithme pour stocker des données modélisées par des graphes en tant que documents NoSQL, l'objectif de cette étude est d'exploiter la grande quantité de données stockées dans des bases de données SQL et de rendre ces données utilisables par des algorithmes de clustering récents et d'autres outils de science des données. Cette étude relie les données relationnelles aux magasins de données documents en définissant un algorithme efficace pour la lecture des données relationnelles, en modélisant ces données sous forme de graphes et en stockant ces données en tant que documents NoSQL.
Mouden et al. (Mon,) ont étudié cette question.