Relationale Datenbanken sind seit gut 40 Jahren der De-facto-Standard für die Speicherung und Bearbeitung großer Datenmengen. Aktuelle Trends wie Big Data, Cloud Computing und agile Softwareentwicklung machen jedoch neue, flexiblere Datenmodelle notwendig. Wie Sie diese mit NoSQL-Datenbanken umsetzen, erfahren Sie im vorliegenden Whitepaper.
Inhalt:
Relationalen Datenbanken liegt ein tabellenbasiertes Datenbankmodell zugrunde, in dem die Beziehungen zwischen den Zellen wohldefiniert sind und Rechenoperationen auf diesen Relationen durchgeführt werden können. Die beliebteste Sprache zur Abfrage und Manipulation von Daten in einer solchen Datenbank ist die Structured Query Language (SQL).
Aktuelle Entwicklungen, wie Big Data, Cloud Computing, Streaming oder auch agile Methoden in der Softwareentwicklung bringen die starren Tabellenmodelle relationaler Datenbanken allerdings an ihre Grenzen. Daher verwenden vor allem große Internetkonzerne wie Amazon, Google oder Facebook, aber auch immer mehr andere Unternehmen, flexiblere Datenbanksysteme, die nicht nur strukturierte Daten, sondern auch semi-strukturierte und unstrukturierte verarbeiten können.
Viele IT-Entscheider und Enterprise-Architekten stehen diesen sogenannten NoSQL-Datenbanken jedoch noch skeptisch gegenüber. Sie bezweifeln ihre Sicherheit, Zuverlässigkeit und Skalierbarkeit.
Das vorliegende Whitepaper räumt mit diesen Vorurteilen auf. Es beantwortet unter anderem folgende Fragen:
- Eignen sich NoSQL-Datenbanken wirklich für geschäftskritische Anwendungen?
- Welcher Verwaltungsaufwand ist mit NoSQL verbunden?
- Wie können in NoSQL-Datenbanken IT-Security, Datensicherheit und Datenkonsistenz sichergestellt werden?
- Wie lassen sich ohne SQL Datenbanken erstellen, Objekte definieren und Lese/Schreibvorgänge darauf ausführen?
Originalauszug aus dem Dokument:
Types of NoSQL Databases
There are different types of NoSQL databases, with the primary difference characterized by their underlying data model and method for storing data. The main categories of NoSQL databases are:
Tabular - Also known as wide-column or wide-row stores, these databases store data in rows and users are able to perform some query operations via column-based access. A wide-row store offers very high performance and a highly scalable architecture. Examples include: DSE, HBase, and Google BigTable.
Key/Value - These NoSQL databases are some of the least complex as all of the data within consists of an indexed key and a value. Examples include Amazon DynamoDB, Riak, and Oracle NoSQL database. Some tabular NoSQL databases, like DSE, can also service key/value needs.
Document - Expands on the basic idea of key-value stores where “documents” are more complex, in that they contain data and each document is assigned a unique key, which is used to retrieve the document. These are designed for storing, retrieving, and managing document-oriented information, oftentimes stored as JSON. Examples include MongoDB and CouchDB. Note that some RDBMS and NoSQL databases outside of pure document stores are able to store and query JSON documents.
Graph - Designed for highly complex and connected data, which outpaces the relationship and JOIN capabilities of an RDBMS. Graph databases are often exceptionally good at finding commonalities and anomalies among large datasets. Examples include: DataStax Enterprise Graph and Neo4J.