3 NoSQL im Überblick

3.1 Definition

NoSQL steht für “Not Only SQL” und umfasst eine Klasse von Datenbanksystemen, die sich durch flexible Datenmodelle, horizontale Skalierbarkeit und hohe Performance auszeichnen. Sie wurden entwickelt, um den Anforderungen moderner Web-Anwendungen und Big-Data-Szenarien gerecht zu werden, bei denen relationale Datenbanken oft an ihre Grenzen stoßen.

3.2 Haupttypen von NoSQL-Datenbanken

3.2.1 Dokumentenorientierte Datenbanken

Daten werden in Dokumenten gespeichert, häufig im JSON- oder BSON-Format. Jedes Dokument ist eigenständig und kann eine andere Struktur aufweisen. Dies ermöglicht flexible Datenmodelle und die einfache Speicherung komplexer Hierarchien. Beispiele: MongoDB, CouchDB.

3.2.2 Spaltenorientierte Datenbanken

Daten werden spaltenweise gespeichert, wodurch sie besonders effizient für analytische Abfragen und große Datenmengen sind. Vorteile umfassen schnelle Aggregationen und bessere Komprimierungsmöglichkeiten. Nachteile liegen in der Eignung für transaktionale Workloads oder häufige Schreiboperationen. Beispiele: Cassandra, HBase.

3.2.3 Key-Value-Datenbanken

Diese Systeme speichern Daten als einfache Schlüssel-Wert-Paare, ideal für Anwendungen mit schnellen Lese- und Schreiboperationen. Beispiele: Redis, Riak.

3.2.4 Graphdatenbanken

Spezialisiert auf die Modellierung und Abfrage von Beziehungen, eignen sich Graphdatenbanken für soziale Netzwerke, Empfehlungsdienste oder Netzwerkanalysen. Beispiele: Neo4j, OrientDB.

3.3 Vorteile von NoSQL-Datenbanken

3.3.1 Skalierbarkeit

• Horizontale Skalierung: Einfache Erweiterung durch Hinzufügen neuer Server.
• Automatische Partitionierung: Daten werden verteilt, um die Last gleichmäßig auf mehrere Knoten zu verteilen.

3.3.2 Flexibilität

• Schemafreie Datenmodelle erlauben die Anpassung an sich ändernde Anforderungen ohne umfangreiche Migrationsprozesse.
• Unterschiedliche Strukturen können innerhalb einer Sammlung koexistieren.

3.3.3 Performance

• Optimiert für spezifische Anwendungsfälle, z. B. hohe Schreiblast oder komplexe Abfragen.
• Geringere Overhead-Kosten durch das Fehlen eines festen Schemas.

3.4 Herausforderungen

3.4.1 Standardisierung

• Keine einheitliche Abfragesprache wie SQL. Jede NoSQL-Datenbank verwendet eigene APIs und Abfrageformate.

3.4.2 Reife

• Viele NoSQL-Systeme sind vergleichsweise jung, weshalb sie weniger ausgereift oder stabil sein können als traditionelle RDBMS.

3.4.3 Komplexität

• Neue Konzepte wie Sharding, Replikation und konsistenzbezogene Modelle (CAP-Theorem) erfordern eine steile Lernkurve.
• Schemafreiheit kann zu inkonsistenten Datenmodellen und höherem Wartungsaufwand führen.

NoSQL-Datenbanken sind besonders geeignet, wenn große Datenmengen, verteilte Systeme oder flexible Datenmodelle erforderlich sind. Für transaktionale Anwendungen oder Fälle, die eine strikte Datenintegrität erfordern, bleiben relationale Datenbanken oft die bessere Wahl.