Die Entstehung von NoSQL und Konvergenz mit relationalen Datenbanken

Dieser Gast Beitrag kommt von Matt Allen, Senior Product Marketing Manager, MarkLogic

Seit über zwei Jahrzehnten waren Oracle, IBM und Microsoft relationale Datenbanken die einzigen konsistenten Führer im Gartner Magic Quadrant für operative Datenbankmanagementsysteme – und es gab nur wenige andere zu konkurrieren.

Aber da Datenstrukturen komplexer werden und das Datenvolumen steigt, sind traditionelle relationale Datenbanken nicht mehr das einzige Spiel in der Stadt – und das beinhaltet auch die Enterprise. Organisationen setzen neue operative NoSQL-Datenbanken für eine bessere Datenintegration ein. So umfasst der Quadrant des Führers zehn Unternehmen, von denen die Hälfte Unternehmen mit NoSQL-Schwerpunkt sind.

Die heutigen Daten haben ein breiteres Profil in Form und Größe als zuvor: Es ist groß, schnell, komplex und verändert sich. Bei den meisten Organisationen verteilen sich die Daten auf ein komplexes Netz von Anwendungen, Dokumenten und ETL-Skripten. Dies ist ein wichtiger Treiber der Störung, und stellt eine Gefahr von Silos, widersprüchliche Daten und erhöhte Komplexität.

Datensilos können Organisationen Geld kosten, sie verlangsamen und Projekte zum Scheitern führen. Heute sind 50 bis 80 Prozent der Datenwissenschaftler Zeit nur wranhabing Daten ausgegeben. Und 40 Prozent der Kosten der Informationssysteme sind auf Datenintegrationsprobleme zurückzuführen [M. L. Brodie und J. T. Liu. “Die Macht und Grenzen der relationalen Technologie im Zeitalter der Informations-Ökosysteme.”]. Dies verbindet nur die anderen damit verbundenen Herausforderungen der Privatsphäre und Sicherheit und die Notwendigkeit, in die Cloud zu migrieren.

Obwohl relationale Datenbank-Schemata geformt werden können, ist schließlich das Schema gesetzt und unflexibel zu ändern. Auf der anderen Seite sind NoSQL-Dokumentdatenbanken schema-agnostisch. Sie können Datenvielfalt in Form von JSON- oder XML-Dokumenten behandeln und Schemata können sich als Datenänderungen über die Zeit entwickeln.

NoSQL-Anbieter haben auf dem Markt für relationale Datenbanken gegessen, was Organisationen hilft, Silos im Laufe der Zeit zu vergießen. Es ist nicht ein schneller Prozess für Organisationen, ihre vertrauenswürdigen Datenbanken zu übergehen. Es muss mehrere Anforderungen aus der Liste überprüft werden, einschließlich, ob die NoSQL-Lösung kann bis zu Enterprise-Strenge passen. Die meisten NoSQL-Datenbanken sind gut in Schema-Flexibilität und Scale-out, aber andere Enterprise-Features wie Sicherheit und Transaktions-Fähigkeiten sind nur auf einer Roadmap.

Wenn Sie viele Anwendungsfälle für NoSQL-Datenbanken betrachten, sehen Sie nicht-unternehmenskritische Dinge, viele Analysen, statt transaktionale Systeme.

Aber es gibt Gegenbeispiele. Zum Beispiel arbeitete MarkLogic mit einem etablierten Healthcare-Unternehmen, das ein massives Datenintegrationsunternehmen unterstützt. Das Projekt wurde geschätzt, über 40.000 Stunden der Entwicklung mit traditionellen relationalen Datenbank-Technologie zu übernehmen. Allerdings entschied sich das Unternehmen für die Nutzung von NoSQL für ein Datenintegrationsprojekt mit über 140 personenbezogenen Datenfeeds, die in erster Linie aus komplexen, strukturierten Daten wie Abrechnungsdaten, Mitarbeiterauswertungen, Promotions, Nutzendaten und mehr bestehen.

Mit unserem Produkt NoSQL hat das Unternehmen das Projekt erfolgreich abgeschlossen und in weniger als einem Jahr produziert. Das neue System übernimmt die komplexe Datenaufnahme und verlässt sich nun auf die Enterprise-NoSQL-Technologie zu reduzierten Kosten im Vergleich zu ihrem bisherigen System, das an unzähligen Datensilos beteiligt war.

Die Linie zwischen NoSQL und relational wird weiterhin verschwimmen, wie relationale Datenbank-Hersteller arbeiten, um NoSQL in ihre Mischung von Produkten zu integrieren. Und NoSQL-Anbieter versuchen, ihr Produkt mehr wie traditionelle relationale Datenbanken zu machen.

Die Konvergenz der beiden, während störend, hat eine Evolution auf dem heutigen Markt spornte. Wir schaffen einen neuen Fokus, um den Anforderungen großer Daten gerecht zu werden und einen größeren Umstieg auf digitale Ansätze der Geschäftstätigkeit zu erreichen.

Star Trek: 50 Jahre positive Futurismus und fett sozialer Kommentar, Microsoft Surface All-in-One-PC, sagte zu der Schlagzeile Hardware Start Oktober, Hände auf dem iPhone 7, neue Apple-Uhr, und AirPods; Google kauft Apigee für $ 625.000.000

Social Data LinkedIn stellt seine neue Blogging-Plattform, Big Data Analytics, ist das Alter von Big OLAP, Big Data Analytics, DataRobot zielt auf die Automatisierung von Low-hanging Obst der Datenwissenschaft, Big Data Analytics, MapR Gründer John Schroeder Schritte, COO zu ersetzen

Im Gegenzug wird die operative Datenbank der Wahl in der Zukunft wahrscheinlich eine, die das Beste aus beiden Welten bietet – eine multimodelle, operative Datenbank, die ein flexibles Datenmodell und Enterprise-Zuverlässigkeit bietet.

Viele führende Organisationen erkennen die Ankunft von NoSQL, haben bereits die Multi-Modell-Ansatz und sehen die Vorteile von mehr Optionen. Wie Gartner erklärt: “Bis 2017 werden alle führenden operativen DBMS mehrere Datenmodelle, relational und NoSQL, in einer einzigen Plattform anbieten.”

LinkedIn stellt seine neue Blogging-Plattform vor

Ist dies das Alter von Big OLAP?

DataRobot zielt auf die Automatisierung von tiefgreifenden Datenwissenschaften ab

MapR-Gründer John Schroeder geht nach unten, COO zu ersetzen