{"canonical_url":"https://engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/","content_markdown":"# 100 entrepôts PostgreSQL, MS SQL et BigQuery\n\nConçu l'architecture, créé et géré 100 bases d'entrepôts de données PostgreSQL, MS SQL et Google BigQuery, principalement consacrées aux données GIS et aux séries temporelles, en optimisant leurs performances et leur capacité de montée en charge.\n\n2022 – 2024\n\n**Situation.** Dans une entreprise technologique en forte croissance, il était essentiel de créer, gérer et optimiser un parc diversifié de 100+ bases de données réparties entre PostgreSQL, Microsoft SQL Server et Google BigQuery. Ces bases traitaient principalement des jeux de données complexes, notamment des données de systèmes d'information géographique (GIS), par exemple des coordonnées spatiales et des analyses géolocalisées, ainsi que des séries chronologiques, comme des relevés de capteurs, des journaux et des indicateurs en temps réel. L'infrastructure existante rencontrait des difficultés de passage à l'échelle, de performance des requêtes et de cohérence des données, particulièrement face à leur croissance exponentielle. L'organisation avait besoin d'une architecture solide pour fiabiliser les données et réduire les coûts d'exploitation.\n\n**Tâche.** L'objectif principal était de concevoir, mettre en œuvre et gérer un écosystème d'entrepôts de données performant et évolutif, adapté aux données GIS et aux séries chronologiques. Cela impliquait de :\n- Résoudre les goulets d'étranglement des requêtes spatiales et temporelles complexes.\n- Permettre l'augmentation des volumes de données tout en maîtrisant les coûts.\n- Collaborer avec des équipes pluridisciplinaires, par exemple des spécialistes des données et des responsables produit, pour aligner la conception des bases sur les besoins métier.\n\n**Action.** Pour atteindre ces objectifs :\n1. Conception d'architectures évolutives :\n  - Création de schémas normalisés et dénormalisés pour PostgreSQL et SQL Server, en utilisant l'indexation spatiale, par exemple PostGIS pour PostgreSQL, et le partitionnement des séries chronologiques pour optimiser les performances des requêtes.\n  - Utilisation des tables partitionnées dans le temps et organisées en clusters de BigQuery pour traiter efficacement des séries chronologiques à grande échelle.\n2. Mise en œuvre de stratégies d'optimisation :\n  - Introduction de techniques d'optimisation des requêtes, comme l'indexation, les vues matérialisées et la mise en cache, pour réduire la latence des requêtes GIS et temporelles.\n  - Application de la compression des données et du stockage en colonnes dans BigQuery pour réduire les coûts de stockage et accélérer les parcours de données.\n3. Collaboration à l'intégration entre plateformes :\n  - Documentation des bonnes pratiques de modélisation des données GIS et des séries chronologiques pour guider les équipes dans leurs projets futurs.\n\n**Résultat.** Ces initiatives ont apporté des améliorations significatives :\n- Gains de performance : les temps de réponse des requêtes GIS et temporelles ont diminué de 40–60 %, accélérant les analyses et les décisions.\n- Fiabilité opérationnelle : la supervision automatisée a réduit les indisponibilités de 50 %, tandis que les processus normalisés amélioraient la productivité de l'équipe et réduisaient les erreurs.\n- Impact métier : l'infrastructure optimisée a permis à l'entreprise de lancer de nouveaux produits fondés sur les données, par exemple des tableaux de bord d'analyse en temps réel, et de respecter les exigences réglementaires de gouvernance des données.\n\nCe travail a consolidé la capacité de l'organisation à relever des défis complexes liés aux données.\n\n---\n\n- Rôle: Ingénieure bases de données\n- Catégories: [Architecture de plateformes](https://software.engineer.company/fr/categories/platform-architecture/), [Bases de données](https://software.engineer.company/fr/categories/databases/), [PostgreSQL](https://software.engineer.company/fr/categories/postgresql/), [SQL](https://software.engineer.company/fr/categories/sql/), [Entrepôts de données](https://software.engineer.company/fr/categories/data-warehousing/), [Ingénierie des données](https://software.engineer.company/fr/categories/data-engineering/), [Gouvernance des données](https://software.engineer.company/fr/categories/data-governance/), [Fiabilité et sauvegardes](https://software.engineer.company/fr/categories/reliability/), [Optimisation des performances](https://software.engineer.company/fr/categories/performance/), [GIS et données géospatiales](https://software.engineer.company/fr/categories/gis/)\n- Prestations: [Solutions GIS et géospatiales](https://software.engineer.company/fr/services/gis-geospatial/), [Conception et modélisation de bases de données](https://software.engineer.company/fr/services/database-design/), [Administration de bases de données (DBA)](https://software.engineer.company/fr/services/database-administration/), [Optimisation des performances de bases de données](https://software.engineer.company/fr/services/database-performance/), [Conception d'entrepôts de données](https://software.engineer.company/fr/services/data-warehousing/)\n\n\u003chttps://engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/\u003e\n","date_modified":"2026-11-09T21:50:25Z","description":"100 entrepôts PostgreSQL, MS SQL et BigQuery pour données GIS et temporelles : temps de requête réduits de 40–60 %.","formats":{"gemtext":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/index.gmi","gopher":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/gophermap","html":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/","json":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/index.json","markdown":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/index.md","pdf":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/index.pdf"},"kind":"page","language":"fr","title":"100 entrepôts PostgreSQL, MS SQL et BigQuery","url":"https://software.engineer.company/fr/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/","version":1}