Definition

Was ist NoSQL?

| Autor / Redakteur: Tutanch / Nico Litzel

(© aga7ta - Fotolia)

NoSQL steht für „Not only SQL“ und bezeichnet Datenbanksysteme, die einen nicht-relationalen Ansatz verfolgen. Diese Datenbanken, denen verschiedene Datenbankmodelle zugrunde liegen können, sind horizontal skalierbar und lassen sich für Big-Data-Anwendungen einsetzen.

Hinter der Abkürzung NoSQL verbirgt sich der englische Begriff Not only SQL. NoSQL steht für Datenbanksysteme, die mit den Eigenschaften typischer relationaler Datenbanken brechen und alternative Datenbankmodelle verwenden. Die Datenspeicher basieren nicht auf den bekannten relationalen Datenschemata. NoSQL bedeutet allerdings nicht, dass grundsätzlich auf die Datenbanksprache SQL (Structured Query Language) verzichtet wird. Viele Systeme setzen zwar komplett auf nicht-relationale Funktionen, doch existieren auch Datenbanken, die nur bestimmte Elemente der SQL-Systeme unberücksichtigt lassen.

Während relationale Datenbanken Tabellen mit Spalten und Zeilen für die Datenspeicherung verwenden, nutzen NoSQL-Datenbanken zum Beispiel Wertepaare, Objekte, Dokumente oder Listen und Reihen für die Organisation der Daten. NoSQL-Systeme haben gemeinsam, dass sie für Anwendungen optimiert sind, bei denen die SQL-basierten relationalen Datenbanken an ihre Grenzen stoßen. Sie stellen eine Ergänzung und Bereicherung der Datenbankwelt dar und werden oft als strukturierte Datenspeicher bezeichnet.

Aufgrund ihres Aufbaus skalieren die NoSQL-Datenbanken horizontal. In vielen Fällen basieren sie auf Open Source Software, es gibt aber auch kommerzielle Lösungen auf Nicht-Open-Source-Basis. Dank der fehlenden starren Schemata der relationalen Datenbanken, sind NoSQL-Systeme sehr flexibel einsetzbar und eignen sich für große Datenmengen, wie sie in Big-Data-Anwendungen verwendet werden. Ihre komplette Architektur ist auf Skalierbarkeit und Performance ausgelegt. Die verschiedenen NoSQL-Ansätze und Datenbankmodelle lassen sich in vier unterschiedliche Hauptkategorien einteilen. Diese sind:

  • Dokumentenorientierte Datenbanken,
  • Key-Value-Datenbanken,
  • Graphendatenbanken und
  • spaltenorientierte Datenbanken.

Zu den bekanntesten Implementierungen des NoSQL-Ansatzes zählen Apache Cassandra, Riak, MongoDB, Redis und CouchDB.

Was NoSQL-Datenbanken auszeichnet

In NoSQL-Datenbanken sind die Forderungen umgesetzt, große, exponentiell wachsende Datenmengen performant zu verarbeiten sowie skalierbare, leistungsfähige und verteilte Architekturen zu unterstützen. Folgende typischen Eigenschaften zeichnen die NoSQL-Systeme aus:

  • Die horizontale Skalierbarkeit,
  • das Vermeiden von unnötiger Komplexität,
  • eine hohe Performance und ein hoher Durchsatz,
  • die Nutzung von allgemein gebräuchlicher Hardware,
  • die Vermeidung von relationalen Ansätzen des Datenmappings,
  • die Einfachheit in der Installation und Konfiguration von verteilten Datenbank-Clustern sowie
  • die Unterstützung der aktuellen Hardwaregenerationen.

Die Unterscheidungskriterien der NoSQL-Datenbanken von relationalen Datenbanksystemen

Das wichtigste Unterscheidungskriterium der NoSQL-Datenbanken von relationalen Datenbanksystemen ist die Verwendung von nicht-relationalen Datenbankmodellen. Darüber hinaus existieren zahlreiche weitere Merkmale, anhand derer sich die NoSQL-Systeme von SQL-Datenbanken abgrenzen lassen. So ist das komplette NoSQL-Datenhaltungssystem für eine effiziente Skalierung optimiert und für verteilte Architekturen entwickelt. NoSQL-Systeme arbeiten schemafrei und ermöglichen flexible Änderungen von Datendefinitionen mit Versionierungen und Hintergrundkonvertierungen.

Ein weiteres Unterscheidungskriterium ist, dass sich NoSQL-Datenbanken einfacher replizieren lassen. Bei einigen Systemen genügt für die Replikation ein einziger Befehl. In puncto Programmierschnittstellen besitzen viele NoSQL-Implementierungen bewusst einfach gestaltete APIs (Application Programming Interfaces). Auch das Konsistenzmodell von SQL- und NoSQL-Datenbanken unterscheidet sich in der Regel. Während die SQL-Daten meist nach dem ACID-Modell (Atomicity, Consistency, Isolation, Durability) gespeichert sind, verwenden NoSQL-Datenbanksysteme oft das sogenannte BASE-Modell (Basically Available, Soft State, Eventually Consistent). Es ist speziell auf die Verfügbarkeit von Daten und nicht auf deren Konsistenz ausgerichtet.

Mögliche NoSQL-Datenbankmodelle

NoSQL-Datenbanken verwenden keine relationalen Datenbankmodelle. Es kommen je nach System und Produkt andere Modelle zum Einsatz. Dies können beispielsweise folgende sein:

  • Key-Value-Datenbankmodelle,
  • spaltenorientierte Datenbankmodelle,
  • dokumentenorientierte Datenbankmodelle und
  • Graphendatenbankmodelle.

Das Key-Value-Datenbankmodell nutzt einfache Schlüssel und Werteschemata. Einzelne Werte sind immer bestimmten Schlüsseln zugeordnet und können aus willkürlichen Zeichenketten oder strukturierten Zeichen bestehen. Die Datenbanklösung Redis nutzt das Key-Value-Datenbankmodell.

In einem spaltenorientierten Datenbanksystem werden Einträge in Spalten statt in Zeilen gespeichert. Vorteil dieses Modells ist, dass im Gegensatz zu zeilenorientierten Datenbanken keine unnötigen Daten gelesen werden müssen und Leseprozesse schneller sind. Ein dokumentenorientiertes Datenbanksystem speichert die Daten nicht relational, sondern direkt in Dokumenten. Bei einem solchen Dokument handelt es sich um eine schemalose Zusammenstellung von Daten, die mehr oder minder strukturiert sein kann. Untereinander besitzen die Dokumente keine Relationen. Zum Beispiel basieren CouchDB und MongoDB auf diesem Datenbankmodell.

Bei einer Graphendatenbank werden die zu speichernden Informationen mithilfe der Eigenschaften von Knoten und Kanten abgebildet. Eine Kante stellt eine Beziehung zwischen Knoten her. Ein Graph wird grundsätzlich beginnend bei einem Startknoten durchlaufen, wodurch das Graphenmodell verschachtelte Beziehungen vermeidet und eine bessere Performance als relationale SQL-Datenbanken erzielt.

Typische Einsatzgebiete für NoSQL-Datenbanken

Mit NoSQL-Systemen können große Datenmengen mit hoher Performance gespeichert und abgefragt werden. Sie sind daher überall dort geeignet, wo SQL-Datenbanken an ihre Grenzen stoßen. Besonders bei komplexen und flexiblen Abfragen von unstrukturierten Daten spielen die NoSQL-Lösungen ihre Vorteile voll aus. Die Daten müssen nicht in ein SQL-Korsett gepresst werden, sondern sind flexibel prozessierbar. Typische Einsatzgebiete von NoSQL-Datenbanken sind Anwendungen im Big-Data-Umfeld.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Oracles autonome Datenbank gibt es nur als Service

Data Warehouse Workloads

Oracles autonome Datenbank gibt es nur als Service

Im Herbst 2017 auf der „OpenWorld“ angekündigt, hat Oracle die „Autonomous Database“ jetzt freigegeben – allerdings nicht für den Do-it-yourself-Betrieb. Die Datenbank-Software, die sich selbst administrieren soll, läuft entweder im Rechenzentrum des Anbieters oder als von Oracle gemanagte Lösung beim Kunden („Oracle at Customer“). Der Service für Data Warehouse Workloads ist laut Oracle der erste in einer ganzen Reihe weiterer „autonomer“ Dienste. lesen

Ein erster Blick auf Amazon QuickSight

Business Intelligence aus der Cloud

Ein erster Blick auf Amazon QuickSight

Self-Service BI ist schon seit Jahren der wichtigste Trend im Bereich Business Intelligence. Mitarbeiter in Fachbereichen erstellen Ad-hoc-Abfragen und analysieren Leistungsdaten. Mit QuickSight macht Amazon nun bekannten Cloud-Angeboten wie Qlik, Tableau, Microsoft PowerBI und SAP Lumira Konkurrenz. lesen

Digitale Innovation zum Anfassen – Beispiel Yapstone

Kommentar von Bruno Šimić, Couchbase

Digitale Innovation zum Anfassen – Beispiel Yapstone

Apple ist das wertvollste Unternehmen der Welt. Allein im Jahr 2017 ist der Aktienwert um über 40 Prozent gestiegen. Allerdings sprechen die Nachrichten beim Thema Wachstum trotzdem vom „Apple-Dilemma“, da das Unternehmen mit seinem Kerngeschäft Smart Phones nicht unbegrenzt expandieren kann. Im Gegenteil, die Nachfrage nach mobilen Endgeräten stagniert, deshalb soll der Bereich digitale Services neues Wachstumspotenzial liefern. lesen

Neue Funktionen für die NoSQL-Datenbank

MarkLogic 9.0-5 Release

Neue Funktionen für die NoSQL-Datenbank

MarkLogic, Anbieter für operationale und transaktionale Enterprise-NoSQL-Datenbanken, hat die neuste Version der Multi-Modell-Datenbankplattform, MarkLogic 9.0-5, veröffentlicht. lesen

Big-Data-Datenbanken

E-Book von BigData-Insider

Big-Data-Datenbanken

Big-Data-Datenbanken sollen die unterschiedlichsten Datentypen schnell und effizient verarbeiten. Sie lösen die herkömmlichen, überwiegend relationalen Datenbanktypen ab, die meist ein Data Warehouse unterstützen. Sie lösen sie ab, um neue Geschäftsmodelle zu ermöglichen, oder sie ergänzen die Data-Warehouse-Architektur mit notwendige Fähigkeiten, etwa für Data Discovery, Realtime Analytics und Advanced Analytics (Prognose). lesen

Sicherheitsbedenken behindern Datenintegration

Datensicherheit und Compliance

Sicherheitsbedenken behindern Datenintegration

Für Business-Analysen ist es längst üblich, Informationen aus verschiedenen Datenbanken zusammenzuführen (zu integrieren). Dabei kommt es nicht nur zu Verletzungen der Quelldaten, sondern es treten auch gleichzeitig riskante Verletzungen von Sicherheits- und Compliance-Regeln auf. Es geht aber auch anders. lesen

Data Stewardship bringt Analytik voran

Studie von MarkLogic

Data Stewardship bringt Analytik voran

Der NoSQL-Spezialist MarkLogic hat in Zusammenarbeit mit dem Business Application Research Center (BARC) die Studie „Data Stewardship als Wegbereiter für Analytik“ vorgestellt. lesen

22 IIoT-Plattformen, die Sie kennen sollten

Hannover Messe 2018

22 IIoT-Plattformen, die Sie kennen sollten

Plattformökonomie ist ein zentrales Thema der Hannover Messe 2018 – genauer der Digital Factory. Von AXOOM und Amazon Web Services über Microsoft und Google bis Siemens: Fast alle Big Player in Sachen IIoT-Plattformen sind am Start. 20 interessante Lösungen haben wir für Sie zusammengestellt. lesen

IoT-Basics – die technische Basis von Big Data

Data Science

IoT-Basics – die technische Basis von Big Data

Big Data beinhaltet eine Reihe von IT-Techniken wie Cluster Computing und MapReduce sowie mathematisch-statistischer Verfahren (Data Mining, Machine Learning). Der Beitrag gibt einen Überblick über die relevanten Datenbankenkonzepte (Hadoop- und NoSQL-Datenbanken) und Programmiersprachen. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44735358 / Definitionen)