Explorer
KNOW-REF-012

Stacks réelles d'entreprises — Instagram, Spotify, Airbnb, Netflix et autres

Domaine
dev-general
Type
reference
Priorité
P1

Parent : [[INDEX-DEV-GENERAL]]

Stacks réelles d'entreprises — référence approximative

Source

  • StackShare : https://stackshare.io/ (catalogue communautaire de stacks)
  • Blogs d'ingénierie : Instagram Engineering, Spotify Engineering, Airbnb Engineering, Netflix TechBlog

⚠️ Caractère approximatif : les stacks des grandes entreprises évoluent constamment. Les données ci-dessous sont un instantané reconstruit à partir de sources publiques. Elles servent d'inspiration, pas de prescription exacte.

Pourquoi regarder les stacks réelles

  • Voir quelles technologies survivent à l'échelle ( Cassandra, Kafka, PostgreSQL, React).
  • Identifier les patterns d'architecture récurrents (microservices, monolites stratégiques, CQRS, event sourcing).
  • Éviter de réinventer des solutions déjà éprouvées pour un cas similaire.

Tableau comparatif

Entreprise Type de produit Langages clés Backend / API Données & cache Frontend / Mobile Infra / DevOps Enseignement clé
Instagram Réseau social photo/vidéo Python, C++ (core) Django monolith (millions de lignes de Python), quelques services extraits Cassandra, PostgreSQL, Redis, Memcache React Native (partiel), native iOS/Android AWS historique, puis infra Meta Monolithe Python/Django viable à très grande échelle si l'efficience est surveillée
Spotify Streaming audio Java, Python, JavaScript/TypeScript Microservices Java, gRPC, Envoy Cassandra, Kafka, BigQuery, PostgreSQL, Redis React, React Native, desktop (Electron/C++) GCP + AWS, Spinnaker, Kubernetes Squads + microservices alignés sur les domaines métier
Airbnb Marketplace voyage Ruby, Java, JavaScript/TypeScript Ruby on Rails (monolithe historique), services Java MySQL, Druid, Redis, Kafka, Elasticsearch React, React Native (anciennement, puis sunset partiel) AWS, Spinnaker Migration progressive monolithe → services, importance des data tools
Netflix Streaming vidéo Java, Python, JavaScript/TypeScript Java/Spring Boot microservices, Falcor (JSON Graph) Cassandra, EVCache, DynamoDB, S3, Kafka, Elasticsearch React (web), React/JS sur TV, custom devices AWS (cloud), Open Connect CDN (propre), Spinnaker, Titus Data Gateway + abstraction multi-backend, CDN propriétaire pour la vidéo
Shopify E-commerce SaaS Ruby, Go, TypeScript Ruby on Rails monolithe + services Go MySQL, Redis, Kafka, Elasticsearch React, React Native, Polaris GCP + AWS, Kubernetes Monolithe Shopify/Core modulaire, sharding MySQL à grande échelle
GitHub Dev tools / SaaS Ruby, Go, C# Ruby on Rails, services Go, .NET (Codespaces) MySQL, Redis, Memcached, Elasticsearch React, Electron (Desktop) Azure (propriété Microsoft) Rails à grande échelle, migration progressive vers services
Uber Marketplace mobilité/livraison Go, Java, Python, JavaScript Microservices Go/Java, gRPC Cassandra, Redis, Kafka, MySQL, Elasticsearch, Hadoop/Spark React, React Native, native Multi-cloud + data centers Event-driven architecture, geospatial indexing, data platform massif
Pinterest Réseau social visuel Java, Python, JavaScript/TypeScript Python/Java services MySQL, HBase, Redis, Kafka, Elasticsearch React, React Native (partiel) AWS Python pour rapidité, Java pour latence critique
Stripe Fintech / paiement Ruby, Go, Java, Python Ruby on Rails + services Go PostgreSQL, Redis, Kafka, Elasticsearch React, React Native (Stripe Dashboard) AWS Fiabilité et conformité avant tout, APIs comme produit
Linear SaaS productivité TypeScript Node.js/GraphQL PostgreSQL React, Electron Vercel, Railway/Render Stack moderne minimaliste pour SaaS B2B

Patterns récurrents observés

1. Monolithe stratégique

Beaucoup commencent par un monolithe (Rails, Django, Spring) et extraient des services quand un domaine devient critique ou très coûteux à maintenir en monolithe.

2. Langages par usage

  • Python / Ruby : rapidité de développement, prototypage, outils internes.
  • Java / Go : services à forte latence critique ou forte charge.
  • TypeScript : frontend et backend Node.js unifiés.

3. Bases de données polyglottes

  • PostgreSQL / MySQL : données transactionnelles principales.
  • Cassandra : haute écriture, disponibilité globale.
  • Redis / Memcache : cache et sessions.
  • Kafka : events et streaming.
  • Elasticsearch : recherche et logs.

4. CDNs et edge

Les services de contenu (vidéo, images, pages) utilisent massivement des CDN : CloudFront, Fastly, Akamai, ou CDN propriétaire (Netflix Open Connect).

5. Déploiement et observabilité

  • CI/CD : Spinnaker, Jenkins, GitHub Actions.
  • Observability : Datadog, New Relic, Prometheus/Grafana, ELK.

Comment utiliser cette fiche

  1. Chercher un produit similaire au tien dans le tableau.
  2. Ne pas copier aveuglément : leurs contraintes (échelle, équipe, legacy) ne sont pas les tiennes.
  3. S'en inspirer pour valider ou écarter un choix : "Spotify utilise Cassandra pour la personnalisation, donc cette DB est éprouvée pour ce cas."
  4. Croiser avec KNOW-PAT-197 (Stack Chooser) pour choisir selon ton contexte.

Anti-patterns à éviter

  • KNOW-ANT-020 — Coder avant de décider
  • KNOW-ANT-DEV-001 — Ship sans bootstrap ni gate
  • Choisir une stack uniquement parce qu'une big tech l'utilise

Références connexes

  • [[KNOW-REF-011]] — StackShare-style — Stacks populaires par type de produit
  • [[KNOW-PAT-197]] — Stack Chooser 2026
  • [[KNOW-PAT-198]] — Deployment & Infra 2026
  • [[KNOW-REF-001]] — Developer Surveys et données du marché