category

DatabaseMachine learningKuberneteseCommerceCloudWeb Application

Comparatif des bases de données serverless : Oracle, Azure, Redshift et Aurora

Ces dernières années, les bases de données serverless se sont imposées comme une alternative séduisante aux bases open source traditionnelles telles que MySQL, PostgreSQL et MongoDB. Bien que ces moteurs open source dominent encore les déploiements autogérés pour leur flexibilité et leur maîtrise des coûts, l’offre serverless transfère la charge opérationnelle — mise à l’échelle, correctifs, sauvegardes et haute disponibilité — au fournisseur cloud.
Au lieu de provisionner une infrastructure fixe, vous ne payez que les ressources de calcul et de stockage réellement consommées, avec des fonctionnalités comme la montée en charge automatique, la mise en pause/reprise instantanée et le chiffrement intégré.

Pour les organisations recherchant les performances et l’écosystème des bases de données managées — sans maintenance directe — des services comme Oracle Autonomous Database Serverless, Azure SQL Database Serverless, Amazon Redshift Serverless et Amazon Aurora Serverless v2 offrent une voie totalement gérée.
Ils comblent l’écart entre la flexibilité de l’open source et la fiabilité de niveau entreprise, en ajoutant des fonctions comme le support multi-modèles, une montée en charge fine et, parfois, des capacités avancées d’analytique ou d’interrogation de graphes.

1. Tableau comparatif des fonctionnalités

FonctionnalitéOracle ADB ServerlessAzure SQL ServerlessAmazon Redshift ServerlessAmazon Aurora Serverless v2
Cas d’usage principalOLTP + OLAP, multi-modèles (JSON, spatial, graphe)OLTP (SQL Server)OLAP (entrepôt de données)OLTP (MySQL/PostgreSQL)
Modèle d’échelleMontée auto en OCPUs ; stockage séparéMise en pause auto ; montée auto en vCoresMontée en RPUs selon demande requêtesMontée fine en ACUs ; peut descendre à zéro
Comportement inactifFacturation calcul jusqu’à arrêt manuelMise en pause stoppe la facturation calculAucun coût calcul en inactivitéMise en pause auto avec ACU min=0
Latence reprisePresque instantanée après réduction d’échelle~1 min après pauseMinimale à l’arrivée requêteMillisecondes après pause
StockageSéparé, toujours facturéSéparé, toujours facturéSéparé, toujours facturéSéparé, toujours facturé
ChiffrementToujours actif (TDE)Toujours actif (clés Azure)Toujours actif (AWS KMS)Toujours actif (AWS KMS)
Multi-modèlesOui, + PGQL pour graphes de propriétésNonNonNon

3. Notes détaillées sur les services

A. Oracle ADB Serverless

  • Multi-modèles : relationnel, JSON, spatial, graphe (via PGQL), ML intégré.
  • Pas de mise en pause automatique ; arrêt manuel nécessaire pour zéro coût calcul.
  • Forte automatisation : auto-optimisation, patching, sauvegardes.

Dans Oracle Autonomous Database Serverless (ADB), l’option Auto Start contrôle si la base se relance automatiquement après un arrêt.

Quand Auto Start est activé :

  • La BD redémarre automatiquement après un arrêt manuel ou une maintenance.
  • Idéal pour charges récurrentes ou sensibles au temps.
  • Impact coût : La facturation calcul reprend immédiatement, même sans requêtes.

Quand Auto Start est désactivé :

  • La BD reste arrêtée jusqu’à démarrage manuel.
  • Impact coût : Seul stockage et sauvegardes sont facturés ; pas de coût calcul.

Où configurer :

  1. Ouvrir votre BD dans la console OCI.
  2. Aller sur Plus d’actionsArrêter/Démarrer.
  3. Dans Détails du cycle de vie ou Administration, basculer Auto Start ON/OFF.

Astuce coût : Pour les environnements dev/test ou saisonniers, désactivez Auto Start et arrêtez la BD à l’inactivité.

B. Azure SQL Serverless

  • Moteur SQL Server ; idéal pour charges transactionnelles sporadiques.
  • Mise en pause après délai d’inactivité configurable ; stockage facturé durant pause.
  • Démarrage à froid d’environ 1 minute.

C. Amazon Redshift Serverless

  • OLAP colonne ; facturation à la seconde par requête (min 60 s).
  • Zéro coût calcul en inactivité.
  • Idéal BI, analytique ; pas OLTP.

D. Amazon Aurora Serverless v2

  • Compatible MySQL/PostgreSQL ; montée fine en charge.
  • Peut descendre à 0 ACUs pour zéro coût calcul.
  • Reprise faible latence après pause.

4. Exemple de coût – Jeu de données chiffré 80 Go

Hypothèses :

  • Actif 8h/jour × 30 jours = 240 h calcul.
  • 80 Go données + 80 Go sauvegardes (toutes chiffrées au repos).
  • Unité de calcul minimale utilisée pour chaque service.
ServiceTarif calculCoût calcul (240h)Coût stockageCoût sauvegardeTotal mensuel
Oracle ADB0,336$/OCPU-h80,64 $1,95 $1,95 $84,54 $
Azure SQL0,5218$/vCore-h125,23 $9,20 $Inclus134,43 $
Redshift0,36$/RPU-h86,40 $1,92 $1,92 $90,24 $
Aurora v20,12$/ACU-h28,80 $8,00 $Inclus36,80 $

Économies inactivité :

  • Azure SQL et Aurora v2 se mettent en pause automatiquement pour zéro coût calcul.
  • Redshift facture uniquement pendant l’exécution de requêtes.
  • Oracle ADB doit être arrêté manuellement pour éviter la facturation calcul.

5. PGQL Oracle vs. Cypher classique et comparaison ClickHouse

  • PGQL : Langage de requête pour graphes de propriétés d’Oracle, intégré à SQL pour charges mixtes.
  • Cypher : Utilisé par Neo4j ; dédié aux graphes, sans intégration multi-modèles.
  • ClickHouse : OLAP colonne open source optimisé pour la vitesse analytique ; pas OLTP, pas multi-modèles, pas de pause serverless.

6. Conclusion

  • Oracle ADB Serverless : Idéal pour consolider OLTP, OLAP, JSON et graphes dans un seul service managé, avec auto-optimisation et PGQL intégré.
  • Azure SQL Serverless : Parfait pour charges SQL Server saisonnières ou irrégulières, avec auto-pause réelle.
  • Amazon Redshift Serverless : Conçu pour entrepôts de données et analytique BI, facturation à la seconde par requête.
  • Amazon Aurora Serverless v2 : Pour backends modernes MySQL/PostgreSQL avec montée fine et pause totale possible.

Pour la vitesse analytique pure, ClickHouse reste imbattable, mais les bases serverless offrent une gestion simplifiée, des capacités multi-modèles et une sécurité intégrée que ClickHouse n’apporte pas en natif.


Table of Contents


Trending

Orchestration de Spark sur AWS EMR avec Apache Airflow — L’approche Low-OpsÉtude de cas : un système léger de détection d’intrusion avec OpenFaaS et PyTorchConstruire des clusters Kubernetes résilients avec Portworx Community EditionIntégrer Shopify dans une Application Web Next.js ReactPipelines de Données Haute Performance avec ClickHouse, PostgreSQL et CouchDB sur VPS