Was sind NoSQL-Datenbanken?

NoSQL (Not Only SQL) ist eine Klasse von nicht-relationalen Datenbankmanagementsystemen, die Strukturen verwenden, die sich von den traditionellen Tabellen mit festem Schema unterscheiden. Sie sind für die Arbeit mit großen Mengen unstrukturierter, semi-strukturierter und polystukturierter Daten konzipiert und bieten flexible Skalierbarkeit und hohe Verfügbarkeit.

Hauptkategorien von NoSQL-Datenbanken:

• "Schlüssel-Wert" (Key-Value Stores): Speichern Daten in Schlüssel-Wert-Paaren, wobei der Schlüssel den Wert eindeutig identifiziert.

  # Beispiel für die Darstellung von Daten in einem Schlüssel-Wert-Speicher
  user_data = {
      "user:123": {"name": "Alice", "age": 30},
      "product:456": {"name": "Laptop", "price": 1200}
  }
  

• "Spaltenorientierte" (Columnar Databases): Speichern Daten spaltenweise, nicht zeilenweise. Optimiert für analytische Abfragen und die Verarbeitung großer Datenmengen.
• "Dokumentenorientierte" (Document Databases): Speichern Daten in Form von Dokumenten (z.B. JSON, BSON, XML). Das Datenschema ist flexibel.

  // Beispiel eines Dokuments in einer dokumentenorientierten Datenbank
  {
    "_id": "prod_abc",
    "name": "Smartphone",
    "brand": "XYZ",
    "specs": {
      "display": "6.5 inch",
      "camera": "48MP"
    },
    "tags": ["Elektronik", "Mobil"]
  }
  

• "Graphdatenbanken" (Graph Databases): Sind für die Speicherung und Verarbeitung von Daten in Form von Knoten (Vertices) und Kanten (Beziehungen) konzipiert. Werden zur Analyse von Beziehungen verwendet.

Unterschiede zu relationalen Datenbanken (SQL):

Merkmal	Relational (SQL)	NoSQL
Datenschema	Feste, strenge	Flexible, dynamisch
Skalierung	Vertikal (Erhöhung der Serverleistung)	Horizontal (Hinzufügen von Servern)
Normalisierung	Hoch (Reduktion von Redundanz)	Niedrig (Daten-Duplikation für Leistung)
ACID-Transaktionen	In der Regel vollständige Unterstützung	Unterschiedliche Unterstützung (manchmal BASE)
Abfragesprache	SQL	Variiert (oft API, spezifische Sprachen)

NoSQL-Datenbanken werden für Szenarien gewählt, die hohe Skalierbarkeit, flexible Schemata, schnelle Verarbeitung großer Datenmengen (Big Data), Arbeit mit semi-strukturierten/nicht-strukturierten Daten oder spezielle Datenmodelle (z.B. Graphen) erfordern.