SlideShare ist ein Scribd-Unternehmen logo
1 von 32
Por Fernando Cunha
Uma Breve Introdução
Fernando Cunha – fecunhainfo@gmail.com
• Bacharel em Informática
• Pós graduado Engenharia de Software UFPR
• Pós graduando em Gestão de TI
• ITIL V3 Foundation Certificate
• Gerente de Projetos
Contatos:
http://br.linkedin.com/pub/fernando-cunha/26/67a/827/
Palestrante:
 NOSQL é um termo genérico que define bancos de
dados não-relacionais.
 Termo introduzido por Carlos Strozzi em um evento de
banco de dados open-source em 1998
 Em 2009 Eric Evans reintroduziu o termo em outro
evento de banco de dados open-source
 Pronuncia-se - noseequel
O que significa?
Quem?
Porque?
 Suprir as necessidades introduzidas pelo o fenômeno
BIG DATA
Classificação de SGBD NOSQL
 Coleção de chaves únicas associada a um valor, que pode ser de
qualquer tipo (binário, string)
Exemplo:
Key: 1234 Value: “Fernando”
Key: 2343 Value: “Name=Fernando, age=29”
KEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL
 Famílias de colunas (um repositório para colunas,
 análogo a uma tabela do Modelo Relacional) e super-colunas
(compostas por arrays de colunas)
Exemplo:
Column family, Key, Column name e value
Pessoas ; 4564 ; nome : Ana ; idade : 30;
KEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL
 Banco de dados baseado em grafos, nele temos as entidades
chamadas de vértices (ou node) que são ligadas entre elas pelas
arestas (ou relationships) cada um podendo guardar dados
entre os relacionamentos e cada relacionamento pode ter uma
direção.
Exemplo:
- Vértice: Chave->Valor representa entidade. Nome:Priscila
- Aresta: relacionamentos
Ex: Vertice “Priscila” segue o vertice “Lucas” desde 2012, o
relacionamento é igual a “segue”
KEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL
 Os documentos são as unidades básicas
de armazenamento e estes não utilizam necessariamente
qualquer tipo de estruturação pré-definida
 São baseados em JSON. (JavaScript Object Notation)
Exemplo:
{"user":{
"id": "123",
"name": "Emmanuel",
"addresses":[
{"city":"Paris"},
{"city":"Sao Paulo"}]}
KEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL
Key Value
12343
5
Joao da Silva
33454
5
Name=Fernando, age=29
Key - Value Column
Graph Document
Classificação de SGBD NOSQL
150 tipos de banco de dados NOSQL
Fonte: http://nosql-database.org/
Dados compilados manualmente
30%
13% 13%
7%
37%
0%
5%
10%
15%
20%
25%
30%
35%
40%
Key Value Document Store Graph Databases Column Não categorizado
Classificação de SGBD NOSQL e quem
está utilizando
KEY VALUE COLUMN GRAPH DOCUMENT
Amazon DynamoDB (Key-value)
Desenvolvido em: Java
Quem Usa?
– Washingtonpost.com
– Elsevier (Editora)
Classificação de SGBD NOSQL e quem
está utilizando
KEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL e quem
está utilizando
Cassandra (column)
Desenvolvido em: Java
Quem Usa?
– Twitter
– NetFlix
– Facebook
BigTable(column) Google
Desenvolvido em: C++
Quem Usa:
Gmail
Google Maps,
YouTube
KEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL e quem
está utilizando
Neo4j (graph)
– Desenvolvido em: Java
Quem Usa?
– WalMart
– National Geographic
– Ebay
KEY VALUE COLUMN GRAPH DOCUMENTKEY VALUE COLUMN GRAPH DOCUMENT
Classificação de SGBD NOSQL e quem
está utilizando
MongoDB (Document)
Desenvolvido em: C
Quem Usa:
– Globo.com
– Apontador
– Forbes
– New York Times
KEY VALUE COLUMN GRAPH DOCUMENT
Dá pra fazer query?
I
SQL
Dá pra fazer query?
Amazon DynamoDB– Key-Value
SQL Query
AWS Query
AWS SDK for Java
AWS SDK for .NET
AWS SDK for PHP
JSON Data Format
API Reference
Dá pra fazer query?
MongoDB - Document
SQL Query
Operation Find
Dá pra fazer query?
Neo4j- Graph
SQL Query
Cyber query
Dá pra fazer query?
Cassandra - Column
SQL Query
CQL – Cassandra Query Language
Comandos CRUD
(Create, Read, Update, Delete)
são iguais
Quais linguagens suportam
NOSQL?
Amazon Dynamo Neo4j Cassandra MongoDB
C x
C# x
C++ x x
Go x x
Java x x x x
Javascript x x
Node.js x x x x
Perl x x
PHP x x x x
Python x x x
Ruby x x x x
Scala x x x
Os banco de dados
relacionais irão morrer?
Posição NOSQL
Fonte: Gartner
Quando e qual utilizar?
Fonte: Martin Fowler
Fonte: http://www.martinfowler.com/bliki/PolyglotPersistence.html
Sessões de
usuários
Key - Value
Dados
Financeiros
Relacional
Blog ou Socia
Media
Graph
Catálogo
Produtos
Document
Relatórios
Relacional
Atividades e
logs de usuário
Column
Cases
SGBD:
sistema de processamento de faturas mensais
NOSQL:
Sistema focado em recomendações de melhores filmes.
Cases
SGBD:
Sistemas de processamento de ordem de venda
NOSQL:
Sistema de pesquisa, recomendações e
adaptações de preços em tempo real
Cases
SGBD:
Dados de clientes, produtos e RH
NOSQL:
Explorar, analisar e virtualização de dados
Existem oportunidades
no mercado?
Tem profissional no
mercado?
Perguntas
Referencias
http://nosql-database.org/
http://neo4j.com/customers/
http://aws.amazon.com/dynamodb/
http://www.nosqlfordummies.com/
http://technorati.com/is-there-a-sequel-to-nosql-bigdata-analytics-scifi-has-already-foreshadowed-
it/
NoSQL Now 2013 conference. Tomer Shiran, VP of Product Management at MapR Technologies. Jeff
Kelly from Wikibon.
http://www.strozzi.it/cgi-bin/CSA/tw7/I/en_US/NoSQL/Home%20Page
http://blog.parityresearch.com/21-nosql-innovators-to-look-for-in-2020/
http://blogs.the451group.com/information_management/2014/07/01/nosql-linkedin-skills-index-
june-2014/
http://www.gartner.com/technology/reprints.do?id=1-1M9YEHW&ct=131028&st=sb
http://www.tomsitpro.com/articles/rdbms-sql-cassandra-dba-developer,2-547-2.html
http://www.slideshare.net/kevinweil/nosql-at-twitter-nosql-eu-2010
http://www.slideshare.net/thobe/nosql-for-dummies
Referencias
http://www.mongodb.com/events/
http://docs.mongodb.org/manual/core/read-operations-introduction/
http://data.ime.usp.br/sbbd2012/artigos/pdfs/sbbd_min_01.pdf
https://cassandra.apache.org/doc/cql/CQL.html
http://www.indeed.com/jobtrends?q=nosql+developer&l=
http://blog.nahurst.com/visual-guide-to-nosql-systems
http://revistaopara.facape.br/index.php/opara/article/download/121/72
http://stackoverflow.com/questions/12346326/nosql-cap-theorem-availability-and-partition-
tolerance
http://www.martinfowler.com/bliki/PolyglotPersistence.html
http://www.infoq.com/br/news/2014/06/oracle-nosql-database-3.0
http://www.infoq.com/br/news/2014/06/splunk-hunk-6.1
http://docs.neo4j.org/chunked/stable/query-predicates.html
http://pt.splunk.com/view/db-connect/SP-CAAAHR6

Weitere ähnliche Inhalte

Was ist angesagt?

Intro to Graphs and Neo4j
Intro to Graphs and Neo4jIntro to Graphs and Neo4j
Intro to Graphs and Neo4j
jexp
 

Was ist angesagt? (20)

Google's Dremel
Google's DremelGoogle's Dremel
Google's Dremel
 
VSCodeで作るPostgreSQL開発環境(第25回 PostgreSQLアンカンファレンス@オンライン 発表資料)
VSCodeで作るPostgreSQL開発環境(第25回 PostgreSQLアンカンファレンス@オンライン 発表資料)VSCodeで作るPostgreSQL開発環境(第25回 PostgreSQLアンカンファレンス@オンライン 発表資料)
VSCodeで作るPostgreSQL開発環境(第25回 PostgreSQLアンカンファレンス@オンライン 発表資料)
 
Introduction to Graph neural networks @ Vienna Deep Learning meetup
Introduction to Graph neural networks @  Vienna Deep Learning meetupIntroduction to Graph neural networks @  Vienna Deep Learning meetup
Introduction to Graph neural networks @ Vienna Deep Learning meetup
 
Building an Event Streaming Architecture with Apache Pulsar
Building an Event Streaming Architecture with Apache PulsarBuilding an Event Streaming Architecture with Apache Pulsar
Building an Event Streaming Architecture with Apache Pulsar
 
Webinar on Graph Neural Networks
Webinar on Graph Neural NetworksWebinar on Graph Neural Networks
Webinar on Graph Neural Networks
 
NTTデータ流 Hadoop活用のすすめ ~インフラ構築・運用の勘所~
NTTデータ流 Hadoop活用のすすめ ~インフラ構築・運用の勘所~NTTデータ流 Hadoop活用のすすめ ~インフラ構築・運用の勘所~
NTTデータ流 Hadoop活用のすすめ ~インフラ構築・運用の勘所~
 
Introdução ao SQL
Introdução ao SQLIntrodução ao SQL
Introdução ao SQL
 
Gnn overview
Gnn overviewGnn overview
Gnn overview
 
Modelos de Banco de dados e SGBDS
Modelos de Banco de dados e SGBDSModelos de Banco de dados e SGBDS
Modelos de Banco de dados e SGBDS
 
MVC
MVCMVC
MVC
 
Introducing Delta Live Tables: Make Reliable ETL Easy on Delta Lake
Introducing Delta Live Tables: Make Reliable ETL Easy on Delta LakeIntroducing Delta Live Tables: Make Reliable ETL Easy on Delta Lake
Introducing Delta Live Tables: Make Reliable ETL Easy on Delta Lake
 
Breakthrough OLAP performance with Cassandra and Spark
Breakthrough OLAP performance with Cassandra and SparkBreakthrough OLAP performance with Cassandra and Spark
Breakthrough OLAP performance with Cassandra and Spark
 
Data Source API in Spark
Data Source API in SparkData Source API in Spark
Data Source API in Spark
 
Data Versioning and Reproducible ML with DVC and MLflow
Data Versioning and Reproducible ML with DVC and MLflowData Versioning and Reproducible ML with DVC and MLflow
Data Versioning and Reproducible ML with DVC and MLflow
 
Intro to Graphs and Neo4j
Intro to Graphs and Neo4jIntro to Graphs and Neo4j
Intro to Graphs and Neo4j
 
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
大量のデータ処理や分析に使えるOSS Apache Spark入門(Open Source Conference 2021 Online/Kyoto 発表資料)
 
PostgreSQL失敗談
PostgreSQL失敗談PostgreSQL失敗談
PostgreSQL失敗談
 
簡単!AWRをEXCELピボットグラフで分析しよう♪
簡単!AWRをEXCELピボットグラフで分析しよう♪簡単!AWRをEXCELピボットグラフで分析しよう♪
簡単!AWRをEXCELピボットグラフで分析しよう♪
 
Apache Spark on Kubernetes入門(Open Source Conference 2021 Online Hiroshima 発表資料)
Apache Spark on Kubernetes入門(Open Source Conference 2021 Online Hiroshima 発表資料)Apache Spark on Kubernetes入門(Open Source Conference 2021 Online Hiroshima 発表資料)
Apache Spark on Kubernetes入門(Open Source Conference 2021 Online Hiroshima 発表資料)
 
Care and Feeding of Catalyst Optimizer
Care and Feeding of Catalyst OptimizerCare and Feeding of Catalyst Optimizer
Care and Feeding of Catalyst Optimizer
 

Andere mochten auch

Social Data and Log Analysis Using MongoDB
Social Data and Log Analysis Using MongoDBSocial Data and Log Analysis Using MongoDB
Social Data and Log Analysis Using MongoDB
Takahiro Inoue
 
Building LinkedIn's Learning Platform with MongoDB
Building LinkedIn's Learning Platform with MongoDBBuilding LinkedIn's Learning Platform with MongoDB
Building LinkedIn's Learning Platform with MongoDB
MongoDB
 
MongoDB at eBay
MongoDB at eBayMongoDB at eBay
MongoDB at eBay
MongoDB
 

Andere mochten auch (14)

Artigo Nosql
Artigo NosqlArtigo Nosql
Artigo Nosql
 
MongoATL: How Sourceforge is Using MongoDB
MongoATL: How Sourceforge is Using MongoDBMongoATL: How Sourceforge is Using MongoDB
MongoATL: How Sourceforge is Using MongoDB
 
Social Data and Log Analysis Using MongoDB
Social Data and Log Analysis Using MongoDBSocial Data and Log Analysis Using MongoDB
Social Data and Log Analysis Using MongoDB
 
Semantic Wiki: Social Semantic Web In Action:
Semantic Wiki: Social Semantic Web In Action: Semantic Wiki: Social Semantic Web In Action:
Semantic Wiki: Social Semantic Web In Action:
 
ebay
ebayebay
ebay
 
MongoDB San Francisco 2013: Storing eBay's Media Metadata on MongoDB present...
MongoDB San Francisco 2013: Storing eBay's Media Metadata on MongoDB  present...MongoDB San Francisco 2013: Storing eBay's Media Metadata on MongoDB  present...
MongoDB San Francisco 2013: Storing eBay's Media Metadata on MongoDB present...
 
An Elastic Metadata Store for eBay’s Media Platform
An Elastic Metadata Store for eBay’s Media PlatformAn Elastic Metadata Store for eBay’s Media Platform
An Elastic Metadata Store for eBay’s Media Platform
 
Scaling with MongoDB
Scaling with MongoDBScaling with MongoDB
Scaling with MongoDB
 
No sql e as vantagens na utilização do mongodb
No sql e as vantagens na utilização do mongodbNo sql e as vantagens na utilização do mongodb
No sql e as vantagens na utilização do mongodb
 
eBay Cloud CMS based on NOSQL
eBay Cloud CMS based on NOSQLeBay Cloud CMS based on NOSQL
eBay Cloud CMS based on NOSQL
 
Ebay: DB Capacity planning at eBay
Ebay: DB Capacity planning at eBayEbay: DB Capacity planning at eBay
Ebay: DB Capacity planning at eBay
 
NoSQL at Twitter (NoSQL EU 2010)
NoSQL at Twitter (NoSQL EU 2010)NoSQL at Twitter (NoSQL EU 2010)
NoSQL at Twitter (NoSQL EU 2010)
 
Building LinkedIn's Learning Platform with MongoDB
Building LinkedIn's Learning Platform with MongoDBBuilding LinkedIn's Learning Platform with MongoDB
Building LinkedIn's Learning Platform with MongoDB
 
MongoDB at eBay
MongoDB at eBayMongoDB at eBay
MongoDB at eBay
 

Ähnlich wie NOSQL uma breve introdução

Nosql e BD Orientados a Documentos
Nosql e BD Orientados a DocumentosNosql e BD Orientados a Documentos
Nosql e BD Orientados a Documentos
Yuri Adams
 

Ähnlich wie NOSQL uma breve introdução (20)

NOSQL_Uma_breve_introducao.pptx
NOSQL_Uma_breve_introducao.pptxNOSQL_Uma_breve_introducao.pptx
NOSQL_Uma_breve_introducao.pptx
 
Extração de informação no StackOverflow Careers
Extração de informação no StackOverflow CareersExtração de informação no StackOverflow Careers
Extração de informação no StackOverflow Careers
 
MongoDB Schema Design - Latinoware 2014
MongoDB Schema Design - Latinoware 2014MongoDB Schema Design - Latinoware 2014
MongoDB Schema Design - Latinoware 2014
 
Nosql e BD Orientados a Documentos
Nosql e BD Orientados a DocumentosNosql e BD Orientados a Documentos
Nosql e BD Orientados a Documentos
 
Palestra nosql
Palestra nosqlPalestra nosql
Palestra nosql
 
No sql Orientado a documento
No sql Orientado a documentoNo sql Orientado a documento
No sql Orientado a documento
 
NoSQL: onde, como e por quê? Cassandra e MongoDB
NoSQL: onde, como e por quê? Cassandra e MongoDBNoSQL: onde, como e por quê? Cassandra e MongoDB
NoSQL: onde, como e por quê? Cassandra e MongoDB
 
Postgresql como NewSQL - DevCamp 2014
Postgresql como NewSQL - DevCamp 2014Postgresql como NewSQL - DevCamp 2014
Postgresql como NewSQL - DevCamp 2014
 
Bancos de dados NoSQL (Not only sql)
Bancos de dados NoSQL (Not only sql)Bancos de dados NoSQL (Not only sql)
Bancos de dados NoSQL (Not only sql)
 
Alinguagem SQL no mundo NOSQL
Alinguagem SQL no mundo NOSQLAlinguagem SQL no mundo NOSQL
Alinguagem SQL no mundo NOSQL
 
Workshop MongoDB
Workshop MongoDBWorkshop MongoDB
Workshop MongoDB
 
MongoDB também no Azure? SIM! - DevOps Summit 2017
MongoDB também no Azure? SIM! - DevOps Summit 2017MongoDB também no Azure? SIM! - DevOps Summit 2017
MongoDB também no Azure? SIM! - DevOps Summit 2017
 
MongoDB - Performance e Escalabilidade para aplicações web
MongoDB - Performance e Escalabilidade para aplicações webMongoDB - Performance e Escalabilidade para aplicações web
MongoDB - Performance e Escalabilidade para aplicações web
 
MongoDB - Tudo que você precisa saber - FGSL 2014
MongoDB - Tudo que você precisa saber - FGSL 2014MongoDB - Tudo que você precisa saber - FGSL 2014
MongoDB - Tudo que você precisa saber - FGSL 2014
 
Utilizando NoSQL no desenvolvimento de soluções inteligentes
Utilizando NoSQL no desenvolvimento de soluções inteligentesUtilizando NoSQL no desenvolvimento de soluções inteligentes
Utilizando NoSQL no desenvolvimento de soluções inteligentes
 
NoSQL, MongoDB e MEAN
NoSQL, MongoDB e MEANNoSQL, MongoDB e MEAN
NoSQL, MongoDB e MEAN
 
MongoDB - Tudo o que você precisa saber
MongoDB - Tudo o que você precisa saberMongoDB - Tudo o que você precisa saber
MongoDB - Tudo o que você precisa saber
 
#1 Introdução ao MongoDB
#1   Introdução ao MongoDB#1   Introdução ao MongoDB
#1 Introdução ao MongoDB
 
Bancos de dados nosql (not only sql)
Bancos de dados nosql (not only sql)Bancos de dados nosql (not only sql)
Bancos de dados nosql (not only sql)
 
Criando sistemas de recomendação com Neo4j
Criando sistemas de recomendação com Neo4jCriando sistemas de recomendação com Neo4j
Criando sistemas de recomendação com Neo4j
 

Mehr von Wise Systems

Rtc work shop - developer - introdução - aula 01
Rtc   work shop  - developer - introdução - aula 01Rtc   work shop  - developer - introdução - aula 01
Rtc work shop - developer - introdução - aula 01
Wise Systems
 

Mehr von Wise Systems (10)

Workshop Scrum - 8 horas
Workshop Scrum - 8 horasWorkshop Scrum - 8 horas
Workshop Scrum - 8 horas
 
PERT/CPM- Estimativa de projetos
PERT/CPM-  Estimativa de projetosPERT/CPM-  Estimativa de projetos
PERT/CPM- Estimativa de projetos
 
Material Workshop Scrum foundation - Fernando Cunha
Material Workshop Scrum foundation -  Fernando CunhaMaterial Workshop Scrum foundation -  Fernando Cunha
Material Workshop Scrum foundation - Fernando Cunha
 
ITIL na prática - Gerenciamento de Incidentes, Problemas e Mudanças
ITIL na prática - Gerenciamento de Incidentes, Problemas e MudançasITIL na prática - Gerenciamento de Incidentes, Problemas e Mudanças
ITIL na prática - Gerenciamento de Incidentes, Problemas e Mudanças
 
Cases big data
Cases big dataCases big data
Cases big data
 
Workshop Rational Team Concert - RTC - Planejamento - aula 02
Workshop  Rational Team Concert - RTC - Planejamento - aula 02Workshop  Rational Team Concert - RTC - Planejamento - aula 02
Workshop Rational Team Concert - RTC - Planejamento - aula 02
 
Workshop Rational Team Concert - RTC - Planejamento - aula 01
Workshop  Rational Team Concert - RTC - Planejamento - aula 01Workshop  Rational Team Concert - RTC - Planejamento - aula 01
Workshop Rational Team Concert - RTC - Planejamento - aula 01
 
RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM RTC SHELL - aula 03
RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM RTC SHELL - aula 03RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM RTC SHELL - aula 03
RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM RTC SHELL - aula 03
 
RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM ECLIPSE - aula 02
RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM ECLIPSE - aula 02RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM ECLIPSE - aula 02
RTC - RATIONAL TEAM CONCERT - DEVELOPER - SCM ECLIPSE - aula 02
 
Rtc work shop - developer - introdução - aula 01
Rtc   work shop  - developer - introdução - aula 01Rtc   work shop  - developer - introdução - aula 01
Rtc work shop - developer - introdução - aula 01
 

Kürzlich hochgeladen

Kürzlich hochgeladen (8)

ATIVIDADE 1 - ESTRUTURA DE DADOS II - 52_2024.docx
ATIVIDADE 1 - ESTRUTURA DE DADOS II - 52_2024.docxATIVIDADE 1 - ESTRUTURA DE DADOS II - 52_2024.docx
ATIVIDADE 1 - ESTRUTURA DE DADOS II - 52_2024.docx
 
Boas práticas de programação com Object Calisthenics
Boas práticas de programação com Object CalisthenicsBoas práticas de programação com Object Calisthenics
Boas práticas de programação com Object Calisthenics
 
Luís Kitota AWS Discovery Day Ka Solution.pdf
Luís Kitota AWS Discovery Day Ka Solution.pdfLuís Kitota AWS Discovery Day Ka Solution.pdf
Luís Kitota AWS Discovery Day Ka Solution.pdf
 
ATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docx
ATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docxATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docx
ATIVIDADE 1 - CUSTOS DE PRODUÇÃO - 52_2024.docx
 
Padrões de Projeto: Proxy e Command com exemplo
Padrões de Projeto: Proxy e Command com exemploPadrões de Projeto: Proxy e Command com exemplo
Padrões de Projeto: Proxy e Command com exemplo
 
ATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docx
ATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docxATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docx
ATIVIDADE 1 - LOGÍSTICA EMPRESARIAL - 52_2024.docx
 
Programação Orientada a Objetos - 4 Pilares.pdf
Programação Orientada a Objetos - 4 Pilares.pdfProgramação Orientada a Objetos - 4 Pilares.pdf
Programação Orientada a Objetos - 4 Pilares.pdf
 
ATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docx
ATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docxATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docx
ATIVIDADE 1 - GCOM - GESTÃO DA INFORMAÇÃO - 54_2024.docx
 

NOSQL uma breve introdução

Hinweis der Redaktion

  1. Processamento análitico de grandes volumes de dados complexos produzidos por aplicações. Esses dados podem ser aplicações cientifica e de engenharia, redes sociais, rede sensores, dados médicos, transações de comercio eletronicos e na maioria da vezes não estruturados Como suportar o crescimento maciço de volume, velocidade e variedade de informações? Como suportar mudanças inesperadas nas aplicações e pico de usuários simultâneos? Como armazenar diferentes formatos de dados, sejam eles não-estruturados, semi-estruturados ou estruturados?
  2. Criar um comparativo de NOSQL com SQL A base de dados NoSQL foi criada para suportar o crescimento maciço de volume, velocidade e variedade de informações. Em comparação com a base de dados tradicional, conhecida como relacional e que utiliza uma abordagem rígida baseada em esquematização, a tecnologia NoSQL pode suportar mudanças inesperadas na aplicação, pico de usuários simultâneos e armazenamento de diferentes formatos de dados, sejam eles não estruturados, semi estruturados ou estruturados.
  3. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Melhorar lay-out Key Value: coleção de chaves únicas e de valores, os quais são associados com as chaves Document: os documentos são as unidades básicas de armazenamento e estes não utilizam necessariamente qualquer tipo de estruturação pré-definida e são basedos em JSON. (JavaScript Object Notation) Column: muda-se o paradigma de orientação a registros (ou tuplas) para orientação a atributos (ou colunas). O Cassandra possui colunas (tuplas que contém nome, valor e timestamp), famílias de colunas (um repositó rio para colunas, análogo a uma tabela do Modelo Relacional) e super-colunas (compostas por arrays de colunas) Graph: os dados são armazenados em nó s de um grafo cujas arestas representam o tipo de associação entre esses nós. NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido Apesar de possuírem certas características em comum, tais como serem livres de esquema, promoverem alta disponibilidade e maior escalabilidade, os sistemas de bancos de dados NoSQL existentes possuem diversas singularidades
  4. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Melhorar lay-out Key Value: coleção de chaves únicas e de valores, os quais são associados com as chaves Document: os documentos são as unidades básicas de armazenamento e estes não utilizam necessariamente qualquer tipo de estruturação pré-definida e são basedos em JSON. (JavaScript Object Notation) Column: muda-se o paradigma de orientação a registros (ou tuplas) para orientação a atributos (ou colunas). O Cassandra possui colunas (tuplas que contém nome, valor e timestamp), famílias de colunas (um repositó rio para colunas, análogo a uma tabela do Modelo Relacional) e super-colunas (compostas por arrays de colunas) Graph: os dados são armazenados em nó s de um grafo cujas arestas representam o tipo de associação entre esses nós. NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido Apesar de possuírem certas características em comum, tais como serem livres de esquema, promoverem alta disponibilidade e maior escalabilidade, os sistemas de bancos de dados NoSQL existentes possuem diversas singularidades
  5. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Melhorar lay-out Key Value: coleção de chaves únicas e de valores, os quais são associados com as chaves Document: os documentos são as unidades básicas de armazenamento e estes não utilizam necessariamente qualquer tipo de estruturação pré-definida e são basedos em JSON. (JavaScript Object Notation) Column: muda-se o paradigma de orientação a registros (ou tuplas) para orientação a atributos (ou colunas). O Cassandra possui colunas (tuplas que contém nome, valor e timestamp), famílias de colunas (um repositó rio para colunas, análogo a uma tabela do Modelo Relacional) e super-colunas (compostas por arrays de colunas) Graph: os dados são armazenados em nó s de um grafo cujas arestas representam o tipo de associação entre esses nós. NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido Apesar de possuírem certas características em comum, tais como serem livres de esquema, promoverem alta disponibilidade e maior escalabilidade, os sistemas de bancos de dados NoSQL existentes possuem diversas singularidades
  6. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Melhorar lay-out Key Value: coleção de chaves únicas e de valores, os quais são associados com as chaves Document: os documentos são as unidades básicas de armazenamento e estes não utilizam necessariamente qualquer tipo de estruturação pré-definida e são basedos em JSON. (JavaScript Object Notation) Column: muda-se o paradigma de orientação a registros (ou tuplas) para orientação a atributos (ou colunas). O Cassandra possui colunas (tuplas que contém nome, valor e timestamp), famílias de colunas (um repositó rio para colunas, análogo a uma tabela do Modelo Relacional) e super-colunas (compostas por arrays de colunas) Graph: os dados são armazenados em nó s de um grafo cujas arestas representam o tipo de associação entre esses nós. NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido Apesar de possuírem certas características em comum, tais como serem livres de esquema, promoverem alta disponibilidade e maior escalabilidade, os sistemas de bancos de dados NoSQL existentes possuem diversas singularidades
  7. Gráfico de pizza
  8. Gráfico de pizza
  9. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Indicado para em todos Key Value: Distribuição em hash table Document: basedos em JSON documentos Graph Sistema baseado em graficos Utilizando em: rede sociais NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido
  10. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Indicado para em todos Key Value: Distribuição em hash table Document: basedos em JSON documentos Graph Sistema baseado em graficos Utilizando em: rede sociais NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido
  11. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Indicado para em todos Key Value: Distribuição em hash table Document: basedos em JSON documentos Graph Sistema baseado em graficos Utilizando em: rede sociais NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido
  12. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Indicado para em todos Key Value: Distribuição em hash table Document: basedos em JSON documentos Graph Sistema baseado em graficos Utilizando em: rede sociais NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido
  13. Antes desse slide adicionar comparativo NOSQL e SQL Fazer slide separado de exemplos reais Somente explicar as categorias Indicado para em todos Key Value: Distribuição em hash table Document: basedos em JSON documentos Graph Sistema baseado em graficos Utilizando em: rede sociais NOSQL: Schema-free Non-Relacional Denormalizado Column storage Distribuido
  14. http://docs.neo4j.org/chunked/stable/query-predicates.html http://console.neo4j.org/?init=create%20(_0%20%7B%60age%60%3A25%2C%20%60name%60%3A%22Tobias%22%7D)%0Acreate%20(_1%20%7B%60age%60%3A34%2C%20%60name%60%3A%22Peter%22%7D)%0Acreate%20(_2%3A%60Swedish%60%20%7B%60age%60%3A36%2C%20%60belt%60%3A%22white%22%2C%20%60name%60%3A%22Andres%22%7D)%0Acreate%20_2-%5B%3A%60KNOWS%60%5D-%3E_0%0Acreate%20_2-%5B%3A%60KNOWS%60%5D-%3E_1&query=match%20(n)%20where%20n.name%20%3D%20%27Peter%27%20xor%20(n.age%20%3C%2030%20and%20n.name%20%3D%20%22Tobias%22)%20or%20not%20(n.name%20%3D%20%22Tobias%22%20or%20n.name%3D%22Peter%22)%20return%20n&version=2.1.3&no_root=true
  15. Melhorar lay-out
  16. Deixar bonito e em portugues as app e o tipos em ingles
  17. Splunk- usa cassandra Netflix – No momento do cadastro é adiciona a preferencia de filmes e o NetFlix recomenda o filmes baseado no seu perfil
  18. Splunk- usa cassandra Netflix – No momento do cadastro é adiciona a preferencia de filmes e o NetFlix recomenda o filmes baseado no seu perfil
  19. Splunk- usa cassandra Netflix – No momento do cadastro é adiciona a preferencia de filmes e o NetFlix recomenda o filmes baseado no seu perfil
  20. Tamanho da amostra - EUA
  21. para o nosso Índice de Competências NoSQL LinkedIn, que monitora menções de banco de dados NoSQL em perfis de usuários NoSQL Melhorar gráfico