Datenbank-Familien: SQL und NoSQL

Relationale Datenbanken

• Daten sind in zwei-dimensionalen Tabellen organisiert
• beliebige Verknüpfungen von mehreren Tabellen mit JOIN möglich
• für hohe Datenkonsistenz ausgelegt (Verfolgung des ACID-Modell)
• vertikale Skalierung / Scale up
  • Kapazitätserhöhung durch Hinzufügen zusätzlicher Ressourcen zum Server
• Beispiele/Produkte
  • MySQL
  • MariaDB
  • Postgresql
  • MS SQL
  • ...

Orientierung an Daten und wie sie gespeichert werden

• vorhergehende vollständige Entwicklung des Datenbankschemas

SQL

• Structured Query Language

• wird von relationalen Datenbanksystemen benutzt

• standardisierte Abfragesprache mit ACID-Konformität

• keine Partitionierung - keine Verteilung auf verschiedenen Servern

Vorteile

• sinnvoll für strukturierte Daten
• transaktionssicher dank ACID-Modell

NoSQL

Not Only SQL

• sind horizontal skalierbar: Duplizierung/Erweiterung von Server-Kapazität

• Schema-Freiheit: man ist nicht an ein Schema wie in relationen Datenbanksystemen gebunden

• anderes Konsistenzmodell als ACID-Modell: BASE-Modell

• nicht relational und somit keine beliebigen JOINs

Orientierung an Verwendung der Daten

Vorteile

• Schema-loser Entwurf ergibt hohe Flexibilität
• sinnvoll für unstrukturierte Daten
• hohe Verfügbarkeit durch horizontale Skalierung (Datenverteilung über mehrere Nodes)
• einfache Replikation/Partitionierung

Nachteile

• eingeschränkte Abfragemöglichkeiten

NoSQL-Datenbank-Typen

Key-Value

• Speicherung von Daten als Schlüssel-Wert-Paare

• am schnellsten, da sie sehr einfach sind

• Beispiele/Produkte

  • Redis
  • Amazon DynamoDB

• Anwendungen

  • Caching (Session-Daten, API-Responses)
  • Echtzeit-Analysen und Leaderboards
  • Konfigurations- und Sitzungsverwaltung
  • IoT-Datenverarbeitung mit schnellen Lese- und Schreibzugriffen

Document

• speichern Dokumente als JSON-Daten

• Beispiele/Produkte

  • MongoDB
  • CouchDB

• Anwendungen

  • Content-Management-Systeme

Wide Column / Columnar

• zweidimensionaler Schlüssel-Wert-Speicher

• Speicherung von Daten in Spalten

• Spalten-Format der verschiedenen Zeilen kann unterschiedlich sein

• Beispiele/Produkte

  • HBase
  • Apache Cassandra
  • Google's Bigtable

• Anwendungen

  • Big-Data-Analysen
  • Empfehlungssysteme und personalisierte Werbung

Graph

• für sehr verknüpfte Daten

• bestehen aus Knoten (Nodes) und Kanten (Relationships / Edges) dazwischen

• Nodes und Relationships können Eigenschaften in Form von Key-Value-Paaren besitzen

• man kann gut entlang der Relationships durch Nodes navigieren

• Beispiel/Produkt

  • Neo4J

• Anwendungen

  • Soziale Netzwerke und Verbindungen zwischen Nutzern
  • Empfehlungs-Engines

Sonstige

• in-memory

  • z.B. EhCache

• Search

  • z.B. Lucene, Solar

Workflow

Man sollte zuerst wissen, wie die Daten später wieder aus dem System herausgelesen werden sollen.

→ wenig Datenmodellierung nötig, fundamentale Strukturänderungen sind nachträglich auch noch möglich → dafür hat man nachher eingeschränkte Abfragemöglichkeiten

CAP-Theorem

Consistency

Partition-Tolerance