ArangoDB offre un modèle de données graphique performant qui présente certains avantages clés pour presque tous les types de structures de données, pas seulement pour les applications de théorie des graphes. ArangoDB et son implémentation graphique vous permettent de penser aux entités de manière sémantique et comme des objets autonomes. Parce que les arêtes dans le graphe sont distinctes des sommets, vous pouvez raisonner sur les données indépendamment de la façon dont vous ou d'autres équipes souhaitez créer des relations d'entités. IME, c'est une approche de développement considérablement simplifiée, plutôt que des diagrammes ERD complexes, des contraintes de clé étrangère, des clés étrangères ajoutées à toutes les tables, etc., que vous utiliseriez normalement dans une configuration RDBMS/SQL. Il y a une liberté significative à éviter le modèle RDBMS et à adapter différents modèles de données sous la même vieille syntaxe SQL. ArangoDB est également trivial à démarrer via Docker, dispose d'une interface utilisateur intégrée qui offre tous les fondamentaux, et la plupart de ce que vous voudriez en dehors d'analyses plus poussées ou d'interfaces utilisateur de données. La mise en œuvre de toute taille d'instance cloud est triviale, et leur localisation de centre de données est maintenant assez bonne. ArangoDB utilise un magasin K/V performant basé sur RocksDB sous le capot, y compris la recherche d'index inversé prête à l'emploi, les transactions, le partitionnement dynamique. ArangoDB couvre tous les besoins en base de données que j'ai eus en travaillant avec des produits et services SaaS B2B/C, le tout avec une interface intégrée propre et plus facile/possible à mettre à l'échelle contrairement à de nombreux magasins de documents problématiques qui se rebaptisent maintenant en tant que magasins vectoriels plutôt que (IMHO) de corriger leurs fondamentaux.

Toute l'équipe a dit à maintes reprises à quel point le langage de requête Arango est intuitif. Le seuil pour l'apprendre était extrêmement bas et nous avons même des développeurs frontend qui écrivent des requêtes les rares fois où ils ont besoin de quelque chose de spécial, au lieu de venir demander de l'aide aux développeurs backend pour récupérer des données de notre base de données SQL. La combinaison d'une base de données documentaire et graphique nous convient parfaitement, car nos données ont beaucoup de connexions entre elles et à plusieurs niveaux, et en même temps, nous devons être capables d'agréger des données sur des périodes de temps. Nous sommes actuellement en train de migrer toutes les données d'une base de données SQL vers ArangoDB dans le but de nous débarrasser complètement de la base de données SQL et de ces requêtes SQL fastidieuses. Le support client a été rapide à répondre aux quelques tickets que nous avons eus, même si les tickets ont été marqués avec la plus basse priorité par nous lors de la soumission du ticket.

ArangoDb est une base de données extrêmement polyvalente et bien dotée en fonctionnalités. Étant véritablement multi-modèle, elle peut servir à n'importe quel objectif que la plupart des développeurs pourraient nécessiter, ainsi qu'aux requêtes en texte intégral et géospatiales. Bien que notre utilisation d'ArangoDb ait à peine effleuré la surface, nous savons que la puissance qu'elle peut apporter est toujours là pour quand nous en avons besoin. Le langage AQL est assez clair, bien qu'il puisse prendre un certain temps pour bien comprendre comment mettre à jour ou façonner les résultats selon vos besoins, et les différentes manières dont vous pouvez filtrer les données signifient souvent que vous devez revenir et refactoriser les requêtes à mesure que les données augmentent.