Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: Научного журнала «Студенческий» № 12(266)

Рубрика журнала: Информационные технологии

Скачать книгу(-и): скачать журнал часть 1, скачать журнал часть 2, скачать журнал часть 3, скачать журнал часть 4, скачать журнал часть 5, скачать журнал часть 6

Библиографическое описание:
Мурзакова Е.А., Осипова А.А. СУБД КЛАССА NOSQL // Студенческий: электрон. научн. журн. 2024. № 12(266). URL: https://sibac.info/journal/student/266/323293 (дата обращения: 18.04.2024).

СУБД КЛАССА NOSQL

Мурзакова Елизавета Алексеевна

студент, кафедра информационных систем, Сибирский государственный университет водного транспорта,

РФ, г. Новосибирск

Осипова Анастасия Андреевна

студент, кафедра информационных систем, Сибирский государственный университет водного транспорта,

РФ, г. Новосибирск

Рыковский Никита Андреевич

научный руководитель,

ст. преподаватель, Сибирский государственный университет водного транспорта,

РФ, г. Новосибирск

NOSQL CLASS DBMS

 

Elizaveta Murzakova

student, Department of Information Systems, Siberian State University of Water Transport,

Russia, Novosibirsk

Anastasia Osipova

student, Department of Information Systems, Siberian State University of Water Transport,

Russia, Novosibirsk

Nikita A. Rykovsky

scientific supervisor, Senior Lecturer, Siberian State University of Water Transport,

Russia, Novosibirsk

 

АННОТАЦИЯ

Статья представляет обзор баз данных NoSQL в современном информационном ландшафте, их историческое развитие, преимущества и недостатки по сравнению с традиционными реляционными базами данных. Начиная с введения, описывается широкое применение баз данных NoSQL в сферах веб-приложений реального времени и обработки больших данных.

ABSTRACT

The article presents an overview of NoSQL databases in the modern information landscape, their historical development, advantages and disadvantages compared to traditional relational databases. Starting with the introduction, it describes the widespread use of NoSQL databases in the areas of real-time web applications and big data processing.

 

Ключевые слова: СУБД, NoSQL, нереляционная база данных.

Keywords: DBMS, NoSQL, non-relational database.

 

Введение

В современном информационном ландшафте базы данных NoSQL занимают особое место, представляя собой группу технологий управления данными, отличных от традиционных SQL-систем. Они включают в себя столбцовые, графовые, документоориентированные системы, а также системы по модели «ключ — значение». Применение баз данных NoSQL широко распространено в веб-приложениях реального времени и сферах обработки больших данных, за счет их высокой масштабируемости и доступности.

Одним из ключевых преимуществ NoSQL является их способность естественно вписываться в парадигму гибкой разработки. Они позволяют разработчикам быстро адаптироваться к изменяющимся требованиям, храня данные интуитивно и просто, минимизируя необходимость преобразований при хранении или извлечении данных. Это достигается благодаря простоте использования API-интерфейсов в стиле NoSQL. Кроме того, базы данных NoSQL могут эффективно использовать возможности облачных технологий для обеспечения бесперебойной работы.

Компании, сталкиваясь с быстрым ростом объема данных и нагрузки, находят в NoSQL эффективное и экономически обоснованное решение для решения возникающих проблем.

История и Этапы Развития

В начале двухтысячных годов возникла настоятельная необходимость в обработке данных, не соответствующих традиционным реляционным базам данных. Проблемы с горизонтальным масштабированием и сложностью моделирования данных для определенных типов приложений стали особенно острой.

В 2004 году термин "NoSQL" был впервые представлен на конференции Rael Dornfest, что символизировало появление нового направления в области баз данных. Изначально термин обозначал "не только SQL" и подчеркивал отход от строгих требований к языку запросов, присущих реляционным базам данных.

В конце двухтысячных годов появились первые системы управления базами данных, объединившиеся под термином NoSQL. Примерами таких баз данных стали Apache CouchDB и MongoDB. Эти системы предлагали альтернативные модели данных и методы хранения, позволяя более эффективно обрабатывать неструктурированные и полуструктурированные данные.

В течение 2010-х годов технологии NoSQL пережили интенсивный период развития. На рынке появились разнообразные типы баз данных NoSQL, такие как ключ-значение (Redis), столбцово-ориентированные (Apache Cassandra), документо-ориентированные (MongoDB), графовые (Neo4j) и другие. Это разнообразие баз данных предоставило разработчикам возможность выбора наилучшего соответствия для конкретных задач.

В середине 2010-х годов стандарты и спецификации для технологий NoSQL стали более ясными, а индустрия достигла более высокой зрелости. Это включало в себя разработку более стабильных и оптимизированных решений, а также создание инструментов и фреймворков для упрощения разработки и управления базами данных NoSQL.

В настоящее время технологии NoSQL остаются актуальными в современной информационной архитектуре. Они активно применяются в различных областях, таких как большие данные, облачные вычисления, искусственный интеллект и Интернет вещей. Этот период характеризуется постоянной эволюцией технологий, с улучшением производительности, безопасности и интеграции.

Преимущества и Недостатки

В сравнении с традиционными SQL-базами данных, нереляционные системы управления базами данных (NoSQL) предоставляют ряд значительных преимуществ. Одним из таких преимуществ является линейная масштабируемость, при которой добавление новых узлов в кластер приводит к увеличению общей производительности системы. Гибкость NoSQL заключается в способности эффективно обрабатывать полуструктурированные данные, а также включает поддержку полнотекстового поиска. Дополнительно, отсутствие необходимости в строгих схемах данных позволяет работать с различными представлениями информации.

Однако, несмотря на перечисленные преимущества, нереляционные СУБД также имеют свои ограничения и недостатки. Например, некоторые из них предоставляют ограниченные возможности встроенного языка запросов, что требует использования сторонних средств трансляции SQL-выражений. Кроме того, некоторые системы NoSQL испытывают трудности в обеспечении полной поддержки ACID-требований к транзакциям, в связи с чем они часто ориентированы на BASE-модель.

Другим ограничением является сильная привязка приложений к конкретной NoSQL-СУБД, что может усложнить процесс миграции или взаимодействия с другими системами. Кроме того, недостаток квалифицированных специалистов по NoSQL-базам данных может стать проблемой, учитывая их меньшее распространение по сравнению с реляционными аналогами.

Учитывая вышеупомянутые факторы, вопрос выбора между NoSQL и SQL требует комплексного подхода, учитывающего различные архитектурные подходы и прикладные задачи, на которые ориентированы данные информационные технологии.

Типы Баз Данных NoSQL

В сфере обработки и хранения данных без схемы существует разнообразие систем баз данных NoSQL. Они представляют различные типы, каждый из которых имеет свои особенности и применения.

Один из наиболее распространенных типов - базы данных «ключ-значение». Они отличаются высокой степенью разделяемости и возможностью горизонтального масштабирования на уровне, недоступном для других типов NoSQL баз данных. В таких базах данных данные хранятся в виде пар «ключ-значение», где ключ является уникальным идентификатором. Применение баз данных «ключ-значение» встречается в различных областях, таких как игровые приложения, рекламные платформы и системы Интернета вещей (IoT). Например, Amazon DynamoDB предоставляет стабильную производительность с задержкой в несколько миллисекунд для рабочих нагрузок различных масштабов.

Другой тип - базы данных документов. Они хранят информацию в формате, аналогичном модели документа, используемой разработчиками в коде приложений. Эти базы данных применяют гибкие, полуструктурированные и иерархические объекты JSON, что позволяет им эволюционировать в соответствии с потребностями приложений. Такие базы данных эффективно применяются в каталогах, пользовательских профилях и системах управления контентом. Примеры документных баз данных включают Amazon DocumentDB (совместимую с MongoDB) и MongoDB, которые предоставляют удобные API для разработки.

Третий тип - графовые базы данных. Они созданы для работы с наборами тесно связанных данных и используют узлы для хранения сущностей и ребра для отражения взаимосвязей между ними. Графовые базы данных широко используются в социальных сетях, сервисах рекомендаций, системах выявления мошенничества и графах знаний. Примером графовой базы данных является Amazon Neptune, который представляет собой полностью управляемый сервис, поддерживающий различные модели данных и обеспечивающий выбор между различными API для работы с графами.

Базы данных в Памяти

В отличие от прочих нереляционных баз данных, которые осуществляют хранение данных на дисках или SSD, хранилища данных в оперативной памяти предназначены для эффективного устранения необходимости в доступе к физическим носителям. Эти хранилища идеально подходят для приложений, требующих высокой отзывчивости с временем отклика в микросекундах или сталкивающихся с значительными пиками трафика.

Применение данных хранилищ оправдано в сфере игровых и рекламных приложений, где требуется обработка таблиц результатов, управление сеансами и аналитика в режиме реального времени. Например, Amazon MemoryDB для Redis представляет собой надежный сервис базы данных в оперативной памяти, совместимый с Redis, который снижает временные задержки чтения до миллисекунд и обеспечивает надежность в нескольких зонах доступности.

Также следует выделить Amazon ElastiCache – полностью управляемый сервис кэширования в оперативной памяти, совместимый с Redis и Memcached, обеспечивающий обработку рабочих нагрузок с низкой задержкой и высокой пропускной способностью. Еще одним примером специализированного хранилища данных, направленного на увеличение скорости чтения, является Ускоритель Amazon DynamoDB (DAX), предназначенный для оптимизации производительности DynamoDB.

Миграция при помощи MongoDB

Для многих предприятий накопленные данные выступают в качестве одного из наиболее ценных активов, и с течением времени они периодически переходят от одной информационной системы к другой, подстраиваясь под потребности клиентов и прогресс технологий. В этом контексте становится неотъемлемой задачей эффективный перенос данных из устаревших систем в новые.

Согласно определению Ф. Маттеса и К. Шульца, миграция данных представляет собой "поддерживаемый инструментами однократный процесс, переносящий отформатированные данные из исходной структуры данных в целевую структуру данных, когда обе структуры различаются как концептуально, так и физически".

Разработка и использование общей стратегии миграции, включающей подготовку данных в формате JSON и извлечение данных в плоские файлы через JSON, либо использование настраиваемых загрузчиков данных из хранилища обработанных данных, подробно рассматриваются в последующих разделах с учетом многочисленных этапов и действий.

Каковы варианты использования баз данных NoSQL?

Вы можете использовать базы данных NoSQL для создания широкого спектра высокопроизводительных мобильных приложений, приложений Интернета вещей, игр и веб-приложений, которые обеспечивают отличное взаимодействие с пользователем в любом масштабе. Диапазон баз данных NoSQL и варианты их использования очень разнообразны.

Применение NoSQL баз данных варьируется в зависимости от конкретной задачи. Например, они могут использоваться в интернет-магазинах для эффективного хранения и обработки огромных объемов данных о продуктах, заказах и клиентах. В социальных сетях NoSQL базы данных подходят для хранения социальных графов, лент новостей и комментариев, где требуется масштабируемость. Интернет-рекламные компании могут использовать NoSQL базы данных для хранения и обработки данных о рекламных кампаниях, кликах и показах, а также для персонализации рекламы. В игровой индустрии они применяются для хранения информации о пользователях, игровых сессиях и статистике, а также для обработки игровых логов. В области Интернета вещей (IoT) NoSQL базы данных могут использоваться для хранения и обработки данных, собранных с множества устройств IoT.

Примеры популярных NoSQL баз данных включают MongoDB, Cassandra, Neo4j, Redis, Couchbase, Amazon DynamoDB, Firebase Realtime Database, Couchbase Lite, Apache IoTDB и InfluxDB.

NoSQL базы данных широко применяются в проектах, где требуется горизонтальное масштабирование, гибкая схема данных и высокая производительность при работе с большими объемами информации. Важно отметить, что выбор конкретной базы данных NoSQL зависит от конкретных требований и характеристик проекта, а также от его масштаба и целей. Каждая из этих баз данных обладает своими особенностями и преимуществами, которые могут быть оптимальными для определенных сценариев использования.

Заключение

СУБД класса NoSQL оказались ключевым элементом в современной информационной архитектуре, обеспечивая решение проблем, с которыми не справлялись традиционные реляционные базы данных. Однако, выбор между SQL и NoSQL всегда остается зависящим от конкретных потребностей проекта. С развитием технологий ожидается дальнейшее усовершенствование и появление новых типов NoSQL баз данных, делая этот класс технологий все более важным в мире хранения и обработки данных.

 

Список литературы:

  1. «NOSQL Databases» [Электронный ресурс]. – Режим доступа. - URL: http://nosql-database.org/. (дата обращения: 14 марта 2024)
  2. Кузнецов С. Д. Системы управления данными категории NoSQL. / С. Д. Кузнецов, А. В. Посконин – М. : МГУ им. М. В. Ломоносова. 2014. – 19 с.
  3. Мартин Фаулер NoSQL: новая методология разработки нереляционных баз данных: пер. с англ. / Мартин Фаулер, Прамодкумар Дж. Садалаж – М.: Вильямс, 2013. - 192 с.
  4. NoSQL базы данных: понимаем суть [Электронный ресурс]. – Режим доступа. - URL: https://habrahabr.ru/post/152477/ (дата обращения: 14 марта 2024)
  5. Luo C., Carey M.J. / C. Luo, M.J. Carey // LSM-based storage techniques: a survey. The VLDB Journal 29, 2020. – P. 393–418 [Электронный ресурс]. – Режим доступа. - URL: https://doi.org/10.1007/s00778- 019-00555-y (дата обращения: 17 марта 2024)
Удалить статью(вывести сообщение вместо статьи): 

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.