Not only SQL - CouchDB und andere NoSQL-Datenbanken

Gastvortrag an der HAW Hamburg

Transcript

1. Not only SQL CouchDB und andere NoSQL-Datenbanken Dr. Kerstin Puschke Vortrag an der HAW Hamburg 3. Juni 2010 K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 1 / 79
2. Lizenz Lizenz Dieser Text steht unter einer Creative Commons Attribution 3.0 Germany Lizenz, siehe http://creativecommons.org/licenses/by/3.0/de/ K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 2 / 79
3. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs 4 Datenmodelle 5 CouchDB 6 Herausforderungen und Kritik 7 Praxisbeispiel K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 3 / 79
4. Übersicht 1 Einführung Relationale Datenbanksysteme Weitere Datenbanksysteme NoSQL 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs 4 Datenmodelle 5 CouchDB 6 Herausforderungen und Kritik 7 K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 4 / 79
5. Relationale Datenbanksysteme in der Theorie Codd (1970) [3] Codd’s 12 Regeln (1985) [4, 5] Vollständigkeit im Sinne der relationalen Algebra in der Praxis und im Kontext des Vortrags zeilenbasierte Speicherung in Tabellen SQL als Sprache z.B. MySQL, Postgres, Oracle,. . . K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 5 / 79
6. Weitere Datenbanksysteme Objektdatenbanken (db4o) XML Speicherung als Schlüssel-Wert-Paare (BerkeleyDB) spaltenorientierte Systeme (Sybase IQ) dokumentenorientierte Systeme (Lotus Notes) kaum Verbreitung im Vergleich zu relationalen Systemen frühe Formen von NoSQL? K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 6 / 79
7. NoSQL Begriffsklärung 2009 als Sammelbegriff für bereits länger existierende Systeme etabliert Not only SQL keine eindeutige Definition nicht-relationale Datenspeicher K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 7 / 79
8. NoSQL Was NoSQL manchmal (nicht) ist Verteiltes_Arbeiten Skalierbarkeit Schemafreiheit Geschwindigkeit Open_Source Open_Standards Große_Datenmengen Aufgabe_der_ACID-Prinzipien Einfache_Benutzung Fehlertoleranz Concurrency Durchsatz Zuverlässigkeit K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 8 / 79
9. NoSQL Begriffsklärung Ankündigung no:sql(eu) conference, April 2010 [11] . . . era of “one-size-fits-all database” seems to be over. Instead of squeezing all your data into tables, we believe the future is about choosing a data store that best matches your data set and operational requirements. It’s a future of heterogeneous data backends, polyglot persistence and choosing Not Only SQL but sometimes also a document database, a key-value store or a graph database. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 9 / 79
10. NoSQL-Systeme im Einsatz CouchDB (BBC, Ubuntu One) BigTable (GoogleMaps, GoogleReader, YouTube. . . ) Dynamo (Amazon Webservices, Amazon) Cassandra (Twitter, Facebook,. . . ) Project Voldemort (linkedin) redis (github, The Guardian) MongoDB (sourceforge, github, New York Times) . . . K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 10 / 79
11. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? Web vs. RDBMS Verteilte Systeme 3 Protokolle & APIs 4 Datenmodelle 5 CouchDB 6 Herausforderungen und Kritik 7 Praxisbeispiel K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 11 / 79
12. (Un)strukturierte Daten Web vs. RDBMS RDBMS Datenbankschema entscheidend aufwändig zu entwerfen: Normalisierung,. . . nachträglich schwierig zu ändern stark strukturiert Webanwendungen user generated content unstrukturierte Daten K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 12 / 79
13. Abfragen Web vs. RDBMS RDBMS dynamische Abfragen (ad hoc reporting) beliebige Abfragen über alle Daten direkt in SQL Webanwendungen wiederkehrende Abfragen, nur Parameter ändern sich K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 13 / 79
14. Verteiltes Arbeiten Skalierbarkeit große Datenmengen früher: nur Großrechner; Anfrageoptimierung statt Rechenleistung heute: preiswerte Hardware ergänzen (auch via cloud) Hochverfügbarkeit RDBMS: Verteiltes Arbeiten nachträglich rudimentär zugefügt K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 14 / 79
15. Verteiltes Arbeiten Skalierbarkeit große Datenmengen The largest BigTable instance manages about 6 petabytes of data spread across thousands of machines Jeff Dean, Google I/O conference, Mai 2008 (Shankland [14]) früher: nur Großrechner; Anfrageoptimierung statt Rechenleistung heute: preiswerte Hardware ergänzen (auch via cloud) Hochverfügbarkeit RDBMS: Verteiltes Arbeiten nachträglich rudimentär zugefügt K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 14 / 79
16. CAP Theorem Consistency, Availability, Partition Tolerance Theorem Consistency Der Client glaubt, eine Menge von Operationen sei auf einen Schlag passiert: Alle Clients sehen dieselben Daten. Availability Jede Operation endet mit einer bestimmungsgemäßen Antwort: Alle Clients können auf eine Version der Daten zugreifen. Partition Tolerance Operationen werden zu Ende geführt, auch wenn die Datenbank partitioniert ist. Nur zwei der drei Eigenschaften sind gleichzeitig möglich! siehe Brewer [2] und Lynch & Gilbert [10] K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 15 / 79
17. CAP Theorem Anwendung Availability & Consistency: Paxos, BigTable . . . Network Partitioning oft unvermeidlich trade off: Consistency vs. Availability Consistency & Partition Tolerance: viele RDBMS, . . . ACID (atomicity, consistency, isolation, durability) siehe Gray [7] und Haerder & Reuter [8] Availability & Partition Tolerance: CouchDB, MongoDB, Cassandra, Dynamo,. . . BASE (basically available, soft-state, eventual consistency) siehe Pritchett [13] K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 16 / 79
18. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs HTTP/REST MapReduce 4 Datenmodelle 5 CouchDB 6 Herausforderungen und Kritik 7 Praxisbeispiel K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 17 / 79
19. Protokoll und API viele NoSQL-Systeme nutzen vorhandene Programmiersprachen (neo4j,. . . ) HTTP/REST (CouchDB, MongoDB,. . . ) verbreitet: MapReduce-Techniken (Parallelisierung) K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 18 / 79
20. RESTful HTTP API HTTP Protokoll Browser, curl,. . . sind DB-Clients Clients in beliebiger Sprache leicht zu programmieren vorhandene Webtechnologien nutzbar Load Balancer, Proxy, HTTPS via SSL-fähigen Proxy. . . Vor- und Nachteile von HTTP K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 19 / 79
21. RESTful HTTP API REpresentational State Transfer API Architekturprinzip für Kommunikation zwischen heterogenen Anwendungen geeignet für verteilte Systeme Stateless Communication jeder Request in sich geschlossen Anwendungsinformationen nur im Client keine serverseitigen Sitzungen o.ä. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 20 / 79
22. CouchDB REST/HTTP Willkommensnachricht des Servers http://localhost:5984 Alle Datenbanken anzeigen http://localhost:5984/_all_dbs Informationen über die Datenbank kontaktdaten http://localhost:5984/kontaktdaten K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 21 / 79
23. MapReduce map und reduce Funktionen: Konzept aus der funktionalen Programmierung verarbeitet große Datenmengen parallel MapReduce: framework zur verteilten Verarbeitung großer Datenmengen (Google) freie Implementierung: Hadoop K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 22 / 79
24. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs 4 Datenmodelle Spaltenorientierung Objektorientierung Graphen Schlüssel-Wert-Paare Dokumentenorientierung 5 CouchDB 6 Herausforderungen und Kritik K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 23 / 79
25. Relationales Modell striktes Schema Tabellen und Spalten statisch zeilenorientierte Speicherung ’echte’ Beziehungen zwischen Daten foreign key constraints, joins. . . K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 24 / 79
26. Spaltenorientierung erste spaltenorientierte Datenbanken in den 1970ern Cassandra, BigTable,. . . spaltenorientierte Speicherung mehr Performanz für bestimmte Abfragen z.B. Aggregieren innerhalb einer Spalte flexibleres Schema Spalten dynamisch keine ’echten’ Beziehungen K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 25 / 79
27. Cassandra’s Datenmodell Vereinfachte Darstellung keyspace entspricht der Anwendung; Beispiel: ’Blog’ column family entspricht einer Datei Beispiel: ’Posts’ oder ’Users’ beliebig viele Einträge (key + columns) key identifiziert einen Eintrag in der column family wird bei Abfragen benutzt keys sind lokal gleichnamige keys verschiedener column families sind verschieden keine ’echten’ Beziehungen column tupel (name, value, timestamp) Beispiel: {name:username, value:foo, timestamp:12345} K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 26 / 79
28. Cassandra’s Datenmodell Vereinfachte Darstellung verschiedene keys können verschiedene columns haben kein striktes Schema Beispiel Abfrage (:Users, 42) { username : foo, email : foo@example.com, screen_name : FOOOOO } Abfrage (:Users, 23) { username : bar, admin : yes } K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 27 / 79
29. Objektorientierung Persistenzschicht für Objektorientierte Programmierung Abfragen in objektorientierter Programmiersprache OO-Programmiersprache (Java, C++,. . . ) oder DBMS-eigene Sprache db4o, JADE, Databeans,. . . K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 28 / 79
30. Graphen Graphen im Sinne der Mathematik Knoten und Kanten modellieren z.B. Netzwerk, Leitungssystem,. . . Spezialfall: Baum z.B. Produktkategorien (Eltern-Kind-Beziehung) K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 29 / 79
31. Graphendatenbanken InfoGrid, neo4j, . . . Daten als Graphen Knoten eigenständige Objekte wie Kunde, Bestellung,. . . Kanten sind Beziehungen zwischen Knoten schematisiert oder schemafrei Kanten sind “first class objects” häufige Operation: Traversierung gut geeignet für komplexe Beziehungsgeflechte z.B. social network K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 30 / 79
32. Schlüssel-Wert-Paare Riak, Tokyo Cabinet,. . . Schlüssel-Wert-Paare Wert muss kein String sein (Objekte,. . . möglich) Abfrage per Schlüssel schemafrei keine ’echten’ Relationen K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 31 / 79
33. Dokumentenorientierung CouchDB, MongoDB, Riak, XML-Datenbanken. . . Dokument: weitere Abstraktionsebene oberhalb von Schlüssel-Wert-Paaren für sich genommen sinnvolle Informationseinheit meist Entsprechung im Real Life (Rechnung, Visitenkarte,. . . ) üblicherweise kein leeren Felder schemafrei keine ’echten’ Relationen K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 32 / 79
34. CouchDB’s Datenmodell Format: JavaScript Object Notation (JSON) Bestandteil von JavaScript wird z.T. direkt vom Browser verstanden wenig Datentypen diese werden von nahezu allen Sprachen verstanden Schlüssel-Wert-Paare obligatorische Schlüssel: _id zur eindeutigen Identifikation des Dokumentes (UUID), _rev zur Versionierung des Dokumentes Dokumente können Attachments haben K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 33 / 79
35. CouchDB Dokument JSON Dokument mit _id 69a. . . aus Datenbank kontaktdaten http://localhost:5984/kontaktdaten/ 69a87107057813de1414e08a9f000912 K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 34 / 79
36. CouchDB Dokument JSON K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 35 / 79
37. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs 4 Datenmodelle 5 CouchDB Implementierung Updates and Concurrency Abfragen Design Documents Anwendungen 6 Herausforderungen und Kritik K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 36 / 79
38. Was ist CouchDB? Cluster Of Unreliable Commodity Hardware DataBase Datenbankcluster auf unzuverlässiger Standardhardware Datenbanksystem (nicht nur) für Webanwendungen offene Webstandards Robuste Replikation schemafrei geeignet für unstrukturierte Daten Philosophie: entspanntes Arbeiten keine Entscheidungen, die nicht zu revidieren sind K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 37 / 79
39. Implementierung Überblick HTTP/REST (Webserver enthalten) bzgl. REST siehe auch Tilkov [16] Erlang funktional, fehlertolerant, concurrency optimiert Viewserver in JavaScript (Indizes erstellen) alternativ via Plugins auch PHP, Ruby, Python, Perl, Common Lisp, Erlang,. . . dokumentenbasierte Speicherung (JSON) Datenbank und Indizes als B-Tree gespeichert eventual consistency (in verteilten Systemen) Storage Engine: ACID optimistic locking, Multi Version Concurrency Control K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 38 / 79
40. Replikation shared nothing cluster Server unabhängig voneinander inkrementell gefiltert N-Master, Master-Slave, P2P, eigene Cloud,. . . Hot failover, backup, Lastverteilung,. . . extrem robust ggf. manuell Konflikte lösen K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 39 / 79
41. Updates komplettes Dokument abholen, verändern, zum Speichern zurücksenden neue Version eines Dokumentes wird an Datenbankdatei angehängt Robust: was einmal auf Platte steht, wird nicht mehr angefaßt Geschwindigkeit: neue Version kann angehängt werden, während alte noch gelesen wird K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 40 / 79
42. Multi Version Concurrency Control optimistic locking Client schickt verändertes Dokument mit unveränderter Versionsnummer _rev Server prüft, ob diese _rev identisch ist mit der aktuell gespeicherten wenn ja: Dokument wird gespeichert (Server vergibt neue _rev) wenn nein: Fehlermeldung keine Versionskontrolle es werden nicht alle Versionen aufbewahrt K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 41 / 79
43. View (secondary) Index (Schlüssel-Wert-Paare) Schlüssel und Werte des Views sind Werte aus Dokumenten Beispiel: Erstellungsdaten als Schlüssel, Blogposttitel als Werte können auch arrays von Werten (aus Dokumenten) sein Werte (im View) können auch aggregierte Werte (aus Dokumenten) sein sortiert nach Schlüsseln effizientes Abfragen nach bestimmten Schlüsseln oder Bereichen von Schlüsseln ’Titel aller Blogposts von Mai 2009’ zur Abfragezeit erzeugt/aktualisiert durch MapReduce K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 42 / 79
44. View - Beispiel Dokument eines Blogposts http://localhost:5984/simple_blog/ 17cf8a2934231a6cedc9e30fd30045a7 View http://localhost:5984/simple_blog/_design/ by-date/_view/blogposts-by-date http://localhost: 5984/_utils/database.html?simple_blog/_design/ by-date/_view/blogposts-by-date Query: Blogpost vom 12. April 2010 http://localhost:5984/simple_blog/_design/ by-date/_view/blogposts-by-date?key=[2010,4,12] Query: Blogposts aus März 2010 http://localhost:5984/simple_blog/_design/ by-date/_view/blogposts-by-date?startkey=[2010, 3,0]&endkey=[2010,3,31] K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 43 / 79
45. View Beispiel View mit Schlüssel Datum und Wert Titel des Blogposts, dargestellt in Futon K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 44 / 79
46. View Beispiel View mit Schlüssel Datum und Wert Titel des Blogposts, Rohansicht K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 45 / 79
47. Map Reduce View erzeugen map verarbeitet Dokumente erzeugt Schlüssel-Wert-Paare optionales reduce erzeugt aggregierte (Zwischen)Werte verarbeitet Ergebnisse von map oder rekursiv Zwischenergebnisse von reduce group: anwenden auf Objekte mit gleichem Schlüssel Beispiel: nicht alle Blogposts zählen, sondern Blogposts pro Tag Map-Reduce-Funktionen gespeichert in Dokumenten (Designdokumente) K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 46 / 79
48. View - Beispiel Designdokument (map-Funktion) http://localhost: 5984/simple_blog/_design/by-date Designdokument (map und reduce) http://localhost: 5984/simple_blog/_design/per-date View http://localhost:5984/simple_blog/_design/ per-date/_view/posts-per-date http://localhost: 5984/_utils/database.html?simple_blog/_design/ per-date/_view/posts-per-date Gruppiert http://localhost:5984/simple_blog/_design/ per-date/_view/posts-per-date?group_level=1 K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 47 / 79
49. Designdokument Beispiel Designdokument mit map-Funktion K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 48 / 79
50. Designdokument Beispiel Designdokument mit map- und reduce-Funktionen K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 49 / 79
51. View Beispiel View ohne reduce K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 50 / 79
52. View Beispiel View mit reduce View mit reduce und group_level=2 K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 51 / 79
53. Design Documents _id beginnt mit _design enthalten Anwendungscode, sprich Funktionen Map-Reduce-Funktionen für Views Validation: Zulässigkeit von Updates input prüfen, nur eingeloggte user,. . . serverseitige Bearbeitung vor dem Speichern eines Dokumentes Show/List: JSON in HTML, XML,. . . konvertieren K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 52 / 79
54. Beispiel Show Functions Design Dokument (Show) http://localhost: 5984/kontaktdaten/_design/output Dokument anzeigen http://localhost: 5984/kontaktdaten/_design/output/_show/card/ 69a87107057813de1414e08a9f000912 K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 53 / 79
55. Designdokument Beispiel Designdokument mit show-Funktion K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 54 / 79
56. Webanwendungen mit CouchDB Klassische Webanwendungen Serverseitige Skripte lesen Daten aus CouchDB erzeugen daraus dynamisch HTML Webserver liefert aus K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 55 / 79
57. Webanwendungen mit CouchDB CouchApps leben vollständig in der Datenbank keine middleware Show/List-Funktionen Attachments (HTML,CSS, Javascript) direkt ausliefern Ausgelieferte Webseite greift per Javascript/HTTP auf CouchDB zu Replikation: update, fork, backup von Anwendungen K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 56 / 79
58. Dezentrale offline Webanwendung Ein Usecase für CouchApps Daten und Anwendung lokal beim user offline verfügbar lokale Datenhaltung = niedrige Latenz dezentral (gefilterte) Replikation mit anderen usern K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 57 / 79
59. Desktop-Anwendungen Beispiel: Synchronisation von Anwendungsdaten bereits realisiert in Ubuntu Bookmarks, Adreßbuch,. . . in CouchDB speichern per Replikation mit anderen Rechnern synchronisieren K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 58 / 79
60. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs 4 Datenmodelle 5 CouchDB 6 Herausforderungen und Kritik 7 Praxisbeispiel K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 59 / 79
61. Herausforderungen und Kritik HTML/JS, HTTP,. . . vorhandene Probleme bleiben bestehen kein ad hoc reporting BASE vs. ACID Zuverlässigkeit z.B. bei Finanztransaktionen Zweifel an der Geschwindigkeit Stonebraker et al. [15], siehe auch Lai [9] und Pavlo et al. [12] CouchApps und Co: Verteilte Identitäten serverseitiger Code nötig für Authentifizierung/Autorisierung vertrauenswürdiger Server nötig K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 60 / 79
62. Übersicht 1 Einführung 2 Why Not Only SQL - warum nicht immer SQL einsetzen? 3 Protokolle & APIs 4 Datenmodelle 5 CouchDB 6 Herausforderungen und Kritik 7 Praxisbeispiel K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 61 / 79
63. Einfache Bloganwendung ER-Diagramm K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 62 / 79
64. Einfache Bloganwendung Relationes Schema Tabelle Posts mit Spalten post_id, Titel, Text, user, Datum Tabelle Kommentare mit Spalten comment_id, Text, user, Datum, post_id foreign key constraint Kommentare.post_id, Posts.post_id K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 63 / 79
65. Einfache Bloganwendung ER-Diagramm Dokumentenorientierter Ansatz? K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 64 / 79
66. Einfache Bloganwendung Blogpost ohne Kommentare http://localhost: 5984/blog0/cc50e8668ff421c1c09be1b71000077a K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 65 / 79
67. Einfache Bloganwendung Blogpost ohne Kommentare K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 66 / 79
68. Einfache Bloganwendung Blogpost mit Kommentare “inline” K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 67 / 79
69. Einfache Bloganwendung Kommentar als eigenes Dokument K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 68 / 79
70. Einfache Bloganwendung Kommentar als eigenes Dokument View zur Ausgabe von Posts mit zugehörigen Kommentaren zusammengesetzter Schlüssel mit _id und 0 bzw. 1 für Post bzw. Kommentar map-Funktion function(doc) { if (doc.type == "post") { emit([doc._id, 0], doc); } else if (doc.type == "comment") { emit([doc.post_id, 1], doc); } } K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 69 / 79
71. Einfache Bloganwendung Kommentar als eigenes Dokument View zur Ausgabe von Posts mit zugehörigen Kommentaren zusammengesetzter Schlüssel mit _id und 0 bzw. 1 für Post bzw. Kommentar K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 70 / 79
72. Einfache Bloganwendung Blogposts und Kommentare Kommentare “inline” Direkter Zugriff auf Kommentare durch geeigneten View Vorteil: alles beisammen, beim Löschen des Posts werden alle Kommentare mit gelöscht,. . . Nachteil: jeder neue Kommentar ist ein Update des Posts; bei vielen Kommentaren Konflikte wahrscheinlich Alternative: Kommentare in eigenen Dokumenten Gemeinsame Ausgabe eines Posts und seiner Kommetare durch geeigeneten View K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 71 / 79
73. Noch Fragen? Vielen Dank für Ihre Aufmerksamkeit! Fragen und Anmerkungen? K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 72 / 79
74. Referenzen I J. Chris Anderson, Jan Lehnardt, and Noah Slater. CouchDB: The definitive Guide. O’Reilly, 2010. URL http://books.couchdb.org/relax/. Eric A. Brewer. Towards robust distributed systems. In Principles of Distributed Computing (Keynote). 2000. URL http://www.cs.berkeley.edu/~brewer/ cs262b-2004/PODC-keynote.pdf. Edgar F. Codd. A relational model of data for large shared data banks. Communications of the ACM, 13(6):377–387, 1970. doi:10.1145/362384.362685. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 73 / 79
75. Referenzen II Edgar F. Codd. Does your dbms run by the rules? ComputerWorld, Oktober 1985. Edgar F. Codd. Is your dbms really relational? ComputerWorld, Oktober 1985. Jeffrey Dean and Sanjay Ghemawat. Mapreduce: Simplified data processing on large clusters. In Sixth Symposium on Operating System Design and Implementation. 2004. URL http://labs.google.com/papers/mapreduce.html. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 74 / 79
76. Referenzen III Jim Gray. The transaction concept: Virtues and limitations. In Proceedings of the 7th International Conference on Very Large Databases, pages 144–154. 1981. Theo Haerder and Andreas Reuter. Principles of transaction-oriented database recovery. ACM Computing Surveys, 15:287–317, 1983. Eric Lai. Researchers: Databases still beat google’s mapreduce. Computer World, April 2009. URL http://www.computerworld.com/s/article/ 9131526/Researchers_Databases_still_beat_Google_ s_MapReduce. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 75 / 79
77. Referenzen IV Nancy Lynch and Seth Gilbert. Brewer’s conjecture and the feasibility of consistent, available, partition-tolerant web services. ACM SIGACT News, 33(2):51–59, 2002. doi:10.1.1.20.1495. URL http://citeseerx.ist.psu.edu/viewdoc/ download?doi=10.1.1.20.1495&rep=rep1&type=pdf. no:sql(eu). no:sql(eu), April 2010. URL http://www.nosqleu.com/. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 76 / 79
78. Referenzen V Andrew Pavlo, Erik Paulson, Alexander Rasin, Daniel J. Abadi, David J. Dewitt, Samuel Madden, and Michael Stonebraker. A comparison of approaches to large-scale data analysis. In SIGMOD ’09: Proceedings of the 2009 ACM SIGMOD International Conference. ACM, June 2009. URL http://database.cs.brown.edu/sigmod09/ benchmarks-sigmod09.pdf. Dan Pritchett. Base: An acid alternative. ACM Queue, 6(3):48–55, 2008. URL http://queue.acm.org/detail.cfm?id=1394128. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 77 / 79
79. Referenzen VI Stephen Shankland. Google spotlights data center inner workings. cnet news, Mai 2008. URL http://news.cnet.com/8301-10784_3-9955184-7.html. Michael Stonebraker, Daniel Abadi, David J. DeWitt, Sam Madden, Erik Paulson, Andrew Pavlo, and Alexander Rasin. Mapreduce and parallel dbmss: Friends or foes? Communications of the ACM, 53(1):64–71, 2010. ISSN 0001-0782. doi:http://doi.acm.org/10.1145/1629175.1629197. URL http://database.cs.brown.edu/papers/ stonebraker-cacm2010.pdf. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 78 / 79
80. Referenzen VII Stefan Tilkov. A brief introduction to rest. Info Queue, 2007. URL http://www.infoq.com/articles/rest-introduction. K. Puschke (Vortrag HAW Hamburg) NoSQL 3. Juni 2010 79 / 79