NoSQL Data Stores versus Hadoop - dummies

Kedai data NoSQL pada mulanya melanggan tanggapan "Just Say No to SQL" (untuk mengfrasi kempen pengiklanan anti-dadah pada tahun 1980-an), dan mereka adalah tindak balas kepada keterbatasan yang berasaskan pangkalan data hubungan (berasaskan SQL). Bukannya orang-orang ini membenci SQL, tetapi mereka bosan memaksa pasak persegi menjadi lubang bulat dengan menyelesaikan masalah yang pangkalan data hubungannya tidak direka.

Pangkalan data relasi adalah alat yang berkuasa, tetapi untuk beberapa jenis data (seperti pasangan nilai utama atau graf) dan beberapa corak penggunaan (seperti penyimpanan skala yang sangat besar) t praktikal. Dan ketika datang ke penyimpanan volume tinggi, pangkalan data relasional dapat mahal, baik dari segi biaya lisensi pangkalan data dan biaya perkakasan. (Pangkalan data hubungan dirancang untuk bekerja dengan perkakasan peringkat perusahaan.)

Oleh itu, dengan pergerakan NoSQL, pengaturcara kreatif telah membangunkan pelbagai penyelesaian bagi pelbagai jenis penyimpanan data dan masalah pemprosesan yang berduri. Pangkalan data NoSQL biasanya menyediakan skalabilitas secara besar-besaran dengan cara clustering, dan sering direka untuk membolehkan pemindaian yang tinggi dan latensi rendah.

Nama NoSQL agak mengelirukan kerana banyak pangkalan data yang sesuai dengan kategori lakukan mempunyai sokongan SQL (bukannya "NoSQL" sokongan). Fikirkan namanya sebagai "Bukan Hanya SQL. "

Tawaran NoSQL yang tersedia hari ini boleh dibahagikan kepada empat kategori berbeza, berdasarkan reka bentuk dan tujuan mereka:

• Kedai nilai-nilai: Tawaran ini menyediakan cara untuk menyimpan apa-apa jenis data tanpa perlu menggunakan skema. Ini adalah berbeza dengan pangkalan data hubungan, di mana anda perlu menentukan skema (struktur meja) sebelum sebarang data dimasukkan. Oleh kerana kedai nilai utama tidak memerlukan skema, anda mempunyai fleksibilitas yang hebat untuk menyimpan data dalam banyak format.

  Di dalam kedai nilai utama, baris hanya terdiri daripada kunci (pengecam) dan nilai, yang boleh menjadi apa-apa dari nilai integer kepada rentetan data binari yang besar. Banyak pelaksanaan kedai bernilai utama didasarkan pada kertas Amazon Dynamo.

• Kedai keluarga ruang: Di sini anda mempunyai pangkalan data di mana lajur dikumpulkan ke dalam keluarga lajur dan disimpan bersama pada cakera.

  Sebenarnya, banyak pangkalan data ini tidak berorientasikan lajur, kerana ia berdasarkan kertas BigTable Google, yang menyimpan data sebagai peta disortir multidimensi.

• Kedai-kedai Dokumen: Tawaran ini bergantung pada koleksi dokumen yang dikodkan dan diformat yang sama untuk meningkatkan kecekapan.Kedai-kedai dokumen membolehkan dokumen individu dalam koleksi untuk memasukkan hanya subset medan, jadi hanya data yang diperlukan disimpan. Untuk set data jarang, di mana banyak bidang sering tidak dihuni, ini boleh diterjemahkan ke dalam simpanan ruang yang ketara.

  Sebaliknya, lajur kosong dalam jadual pangkalan data relasional mengambil ruang. Kedai-kedai dokumen juga membolehkan fleksibiliti skema, kerana hanya bidang-bidang yang diperlukan disimpan, dan bidang baru boleh ditambah. Sekali lagi, berbeza dengan pangkalan data hubungan, struktur jadual ditakrifkan di depan sebelum data disimpan, dan mengubah lajur adalah tugas yang membosankan yang memberi kesan kepada keseluruhan set data.

• Pangkalan data grafik: Di sini anda mempunyai pangkalan data yang menyimpan struktur grafik - perwakilan yang menunjukkan koleksi entiti (simpul atau simpul) dan hubungan mereka (tepi) antara satu sama lain. Struktur ini membolehkan pangkalan data grafik sangat sesuai untuk menyimpan struktur kompleks, seperti hubungan yang menghubungkan antara semua laman web yang diketahui. (Sebagai contoh, halaman web individu adalah nod, dan tepi yang menghubungkannya adalah pautan dari satu halaman ke halaman lain.)

  Google, sudah tentu, adalah seluruh teknologi graf, dan mencipta enjin pemprosesan graf yang dipanggil Pregel untuk menggerakkan PageRanknya algoritma. (Dan ya, ada kertas putih pada Pregel.) Dalam komuniti Hadoop, terdapat sebuah projek Apache bernama Giraph (berdasarkan kertas Pregel), yang merupakan enjin pemprosesan graf yang direka untuk memproses graf yang disimpan dalam HDFS.

Pilihan penyimpanan dan pemprosesan data yang tersedia di Hadoop dalam banyak kes pelaksanaan kategori NoSQL yang disenaraikan di sini. Ini akan membantu anda menilai penyelesaian yang lebih baik untuk anda dan melihat bagaimana Hadoop boleh melengkapkan gudang data tradisional.