Dans les coulisses de Pocket'Park : comment on garde en mémoire des millions de temps d'attente

Chaque jour, Pocket'Park collecte des dizaines de milliers de temps d'attente sur les attractions de plus d'une centaine de parcs à travers le monde. Multipliez ça par plusieurs années de collecte, et vous obtenez un volume de données conséquent — le genre de volume qui peut vite mettre une base de données classique à genoux.

Pour tenir ce rythme, on s'appuie sur une brique qu'on n'avait pas encore présentée : Pocket'Time.

Un problème de temps

La plupart des bases de données sont conçues pour répondre à des questions comme « quel est l'état actuel de cette attraction ? ». Mais chez Pocket'Park, on pose surtout des questions différentes : « quel a été le temps d'attente moyen un samedi à 15h, sur les six derniers mois ? » ou « comment ce temps d'attente a-t-il évolué au fil de la journée ? ».

Ce type de question porte sur des séries temporelles : des données horodatées, collectées en continu, qu'on veut pouvoir analyser rapidement même après des années d'accumulation. C'est exactement ce que Pocket'Time est conçu pour faire, grâce à la technologie "hypertables" sur laquelle il s'appuie.

Pourquoi ça change tout pour nous

Pocket'Time organise les données en « hypertables », qui découpent automatiquement l'historique en blocs optimisés dans le temps. Résultat : même avec plusieurs années de relevés, les requêtes restent rapides.

Concrètement, ça nous permet de :

• Conserver un historique complet de tous les temps d'attente sans dégrader les performances de l'application
• Calculer des moyennes et tendances (par heure, par jour de la semaine, par saison) grâce à des vues qui se recalculent automatiquement en arrière-plan
• Construire de nouvelles fonctionnalités, comme notre système de prévision d'affluence en cours de développement, qui s'appuie directement sur cet historique pour estimer les temps d'attente à venir

Une brique invisible, mais essentielle

Vous ne verrez jamais Pocket'Time directement dans l'application — et c'est un peu le but. C'est le genre d'infrastructure qui travaille en coulisses pour que les fonctionnalités que vous utilisez (statistiques, tendances, futures prévisions) restent rapides et fiables, même à mesure que notre historique de données grandit.

C'est aussi un bon exemple de notre philosophie chez Pocket'Park : choisir les bons outils pour les bons problèmes, plutôt que de faire rentrer nos données au forceps dans une solution générique.

Des questions sur notre infrastructure ou envie d'en savoir plus sur comment on traite la donnée ? N'hésitez pas à nous contacter.