Os bancos de dados são o repositório de informações por excelência nas empresas. Geralmente identificamos os fornecedores mais conhecidos com modelos relacionais: Oracle, Microsoft, SAP ou IBM, etc.
Graças ao desenvolvimento de soluções Grandes dadosNesta direção, surgiram ferramentas que se concentram em melhorar o desempenho e a escalabilidade dos bancos de dados. Nesta direção, temos bancos de dados que distribuem o trabalho entre vários nós, bancos de dados que carregam todo o banco de dados em memória ou uma mistura de ambos.
O novo paradigma Data Mesh e sua descentralização facilita a aquisição de novas tecnologias ultra-especializadas. Este modelo de arquitetura advoga o compartilhamento de informações entre departamentos (domínios), independentemente do software utilizado. Além disso, como cada domínio possui seus dados, facilita a adoção de novas tecnologias dentro de cada domínio.
Tipos de banco de dados não-SQL
Atualmente, há uma infinidade de bancos de dados de uso muito específico que não são muito bem conhecidos fora de seu campo de aplicação. Quase todos eles poderiam ser incluídos na categoria de bancos de dados No-SQL e uma classificação poderia ser:
Valor chave (valor chave)
Este é o tipo mais simples de banco de dados não-SQL. As tabelas são compostas de apenas duas colunas: a primeira atua como chave para acessar o registro e a segunda contém uma lista variável de campos. Elas também podem ser chamadas de tabelas de dicionário ou tabelas de Hash em referência a suas chaves.
Exemplos: DynamoDB, Redis o Hazelcast.
Com base nos documentos do JSON
Ele armazena informações em documentos JSON ou XML e pode conter tanto dados estruturados quanto semi-estruturados. O acesso a cada registro é feito por uma chave de acesso única.
Exemplos: MongoDB o Couchbase.
Motores de busca
Armazena o informações em documentos sem formatação específica e aplicam mecanismos de pesquisa otimizados. Esses bancos de dados capturam as informações desses documentos e as organizam de forma ordenada, de acordo com a prioridade definida pelo usuário. Eles são especialmente usados para a leitura automática de arquivos de registro.
Exemplos: Splunk, ElasticSearch o Apache SolR.
Redes
Eles usam modelagem e design específicos para distribuir informações por meio de gráficos. Existem nós e relações entre nós para que, com esta configuração, a lógica gráfica possa ser aplicada para encontrar o caminho mais curto entre dois nós, a identificação de redes isoladas de nós, etc.
Exemplos: Neo4J, OrientDB o TigerGraph.
Coluna larga
Este tipo específico de banco de dados armazena as informações de cada registro através das diferentes linhas de uma única coluna. Equivale a girar uma tabela tradicional e melhora o desempenho de escrita em grandes volumes de dados, trabalhando com áreas de informação que estão mais próximas umas das outras.
Exemplos: Redshift da Amazônia, Apache CassandraMonetDB e ScyllaDB.
Temporário
Eles são otimizados para casos de uso em que os dados estão relacionados a um carimbo de data/hora. Por este motivo são amplamente utilizados para monitoramento, rastreamento ou trabalho com intervalos de tempo.
Exemplos: InfluxDB, Prometheus, Grafite ou AWS TimeStream
Espaço
Possibilita o armazenamento das geometrias dos arquivos cartográficos. Facilita as operações com formatos shapefile utilizados em aplicações GIS.
Exemplos: PostGIS, Spatialite ou H2GIS.
Vetorial
É um dos tipos mais recentes. Tem uma forte relação com a aprendizagem de máquinas e modelos de inteligência artificial. Definindo entidades como vetores, podemos aplicar operações de similaridade algébrica e comparar ativos de maneiras não tradicionais.
