SlideShare ist ein Scribd-Unternehmen logo
Back to Basics 2017 : Webinar 1
Einführung in NoSQL
Benjamin Lorenz
Senior Solutions Architect
MongoDB Frankfurt
HERZLICH WILLKOMMEN!
4
Kursplan
Datum Uhrzeit Webinar
Do, 04. Mai 2017 14:00 CEST Einführung in NoSQL
Do, 11. Mai 2017 14:00 CEST Ihre erste MongoDB-Anwendung
Do, 18. Mai 2017 14:00 CEST Einführung in Replica Sets
Mi, 24. Mai 2017 14:00 CEST Einführung in Sharding
5
Ablauf heute
• Warum NoSQL
• Unterschiedliche Typen von NoSQL-Datenbanken
• MongoDB: Detaillierte Übersicht
• Fragen & Antworten
6
Relationale Datenbanken
Expressive Abfragesprache
& sekundäre Indizes
Strenge Konsistenz
Enterprise-Management
& Integration
7
Die Welt hat sich verändert
Daten Risiken Zeit Kosten
8
NoSQL
Skalierbarkeit
& Leistung
Immer lauffähig,
Globale Bereitstellung
FlexibilitätExpressive Abfragesprache
& sekundäre Indizes
Strenge Konsistenz
Enterprise-Management
& Integration
9
Nexus-Architektur
Skalierbarkeit
& Leistung
Immer lauffähig,
Globale Bereitstellung
FlexibilitätExpressive Abfragesprache
& sekundäre Indizes
Strenge Konsistenz
Enterprise-Management
& Integration
10
Typen von NoSQL-Datenbanken
• Key/Value-Datenbanken
• Spaltenorientierte Datenbanken
• Graphdatenbanken
• Multi-Model-Datenbanken
• Dokumentenorientierte Datenbanken
11
Key/Value-Datenbanken
• Assoziatives Array
• Extrem schnelles Single-Key-Lookup
• Nicht so gut geeignet für Rückwärtssuche
Key Value
12345 4567.3456787
12346 { addr1 : “The Grange”, addr2: “Dublin” }
12347 “top secret password”
12358 “Shopping basket value : 24560”
12787 12345
12
Erinnerung: Zeilenorientierte Datenbanken (RDBMS)
• Speichern Daten in Zeilen ab (traditionelles RDBMS, z.B. MySQL)
• Bei Abfragen wird jedes Mal eine vollständige Zeile gelesen
• Auslesen von nur ein oder zwei Spalten verschwendet Ressourcen
ID Name Gehalt Start-Datum
1 Joe D 24.000 € 1. Jun 1970
2 Peter J 28.000 € 1. Feb 1972
3 Phil G 23.000 € 1. Jan 1973
1 Joe D 24.000 € 1. Jun 1970 2 Peter J 28.000 € 1. Feb 1972 3 Phil G 23.000 € 1. Jan 1973
13
Wie funktioniert eine spaltenorientierte Datenbank?
1 2 3
ID Name Gehalt Anfangsdatum
1 Joe D 24.000 € 1. Jun 1970
2 Peter J 28.000 € 1. Feb 1972
3 Phil G 23.000 € 1. Jan 1973
Joe D Peter J Phil G 24.000 € 28.000 € 23.000 € 1. Jun 1970 1. Feb 1972 1. Jan 1973
14
Warum ist das attraktiv?
• Plattenzugriff „am Stück“ ermöglicht effizientes Lesen einer Spalte
• Die Komprimierung ähnlicher Daten ist extrem effizient
• Mit einem Plattenzugriff können somit mehr Daten abgerufen werden
• Werden nur einzelne Spalten benötigt, müssen hierfür nicht alle
Zeilen ausgelesen werden
• Aber:
– Zeilen zu aktualisieren oder zu löschen ist teuer
• Besser für OLAP geeignet als für OLTP
15
Graphdatenbanken
• Speichern Graphen (Kanten und Ecken)
• Beispiel: Soziale Netzwerke
• Effizientes Folgen von Kanten
• Optimiert für die Repräsentation von Verbindungen
• Keine Graphen, dann keine Graphdatenbank verwenden!
16
Multi-Model-Datenbanken
• Kombination mehrerer Speicher-/Zugriffsmodelle
• Häufig Graph + „X“
• Löst Problem, mehrere Datenbanken synchron halten zu müssen
• Der „letzte Schrei“ im Bereich NoSQL
17
Dokumentenorientierte Datenbanken
• Keine PDF-, Word- oder HTML-Dokumente
• Dokumente sind verschachtelte Strukturen, die mit Javascript Object Notation (JSON) erstellt
werden
{
name : “Benjamin Lorenz”,
title : “Senior Solutions Architect”,
Address : {
address : “An der Welle 4”,
city : “Frankfurt”,
zip_code : “60322”,
}
expertise: [ “MongoDB”, “Python”, “Javascript” ],
employee_number : 521,
location : [ 53.34, -6.26 ]
}
18
Mit MongoDB werden Dokumente typisiert
{
name : “Benjamin Lorenz”,
title : “Senior Solutions Architect”,
Address : {
address : “An der Welle 4”,
city : “Frankfurt”,
zip_code : “60322”,
}
expertise: [ “MongoDB”, “Python”, “Javascript” ],
employee_number : 521,
location : [ 53.34, -6.26 ]
}
Strings
Verschachteltes Dokument
Array
Integer
Geokoordinaten
19
MongoDB versteht JSON-Dokumente
• Native JSON-Datenbank seit der ersten Version
• Kann Unterstrukturen verstehen und indizieren
• Speichert JSON binär als BSON
• Effiziente Kodierung und Dekodierung zur Netzwerkübertragung
• MongoDB kann Indizes für jedes Dokumentenfeld erstellen
• ...mehr dazu im weiteren Kursverlauf
20
Warum Dokumente?
• Dynamisches Schema
• Wegfall des objekt-relationalen Mappings
• Implizite Denormalisierung der Daten zur Leistungssteigerung
21
Warum Dokumente?
• Dynamisches Schema
• Wegfall des objekt-relationalen Mappings
• Implizite Denormalisierung der Daten zur Leistungssteigerung
22
Aggregations-Framework
23
Kleine Auswahl an Pipeline Operatoren
• $match
Dokumente filtern
• $project
Dokumente umgestalten
• $group
Daten verdichten
• $out
Neue Collections erstellen
• $sort
Dokumente sortieren
• $limit/$skip
Paginierung
• $lookup
Dokumente verbinden
• $unwind
Listen auflösen
24
Compass und Atlas
Compass
Atlas
25
Nächstes Webinar – Ihre erste MongoDB-Anwendung
• Do, 11. Mai 2017, 14:00 CEST
• Entwicklung einer eigenen MongoDB-Anwendung
– Datenbanken und Collections erstellen
– Abfragen formulieren
– Indizes erstellen
– Performance verstehen
• Anmeldung hier: https://www.mongodb.com/webinar/reihe-back-
to-basics
• Feedback an benjamin.lorenz@mongodb.com
Fragen und Antworten
Back to Basics Webinar-1 Einführung in NoSQL Deutsch 2017

Weitere ähnliche Inhalte

Was ist angesagt?

Suporting OA with LD
Suporting OA with LDSuporting OA with LD
Suporting OA with LD
Patrick Danowski
 
Macit Kandemir, Flexible Datenbank-Anwendungen mit MongoDB
Macit Kandemir, Flexible Datenbank-Anwendungen mit MongoDBMacit Kandemir, Flexible Datenbank-Anwendungen mit MongoDB
Macit Kandemir, Flexible Datenbank-Anwendungen mit MongoDB
gedoplan
 
Fachmodell-First: Einstieg in das NoSQL-Schema-Design
Fachmodell-First: Einstieg in das NoSQL-Schema-DesignFachmodell-First: Einstieg in das NoSQL-Schema-Design
Fachmodell-First: Einstieg in das NoSQL-Schema-Design
Gregor Biswanger
 
Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...
Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...
Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...
cneudecker
 
CKAN by Friedrich Lindenberg
CKAN by Friedrich LindenbergCKAN by Friedrich Lindenberg
CKAN by Friedrich Lindenberg
Semantic Web Company
 
MongoDB: Entwurfsmuster für das NoSQL-Schema-Design
MongoDB: Entwurfsmuster für das NoSQL-Schema-DesignMongoDB: Entwurfsmuster für das NoSQL-Schema-Design
MongoDB: Entwurfsmuster für das NoSQL-Schema-Design
Gregor Biswanger
 
Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?
Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?
Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?
Thomas Stensitzki
 
Anforderungen an Thesauri im Semantic Web
Anforderungen an Thesauri im Semantic WebAnforderungen an Thesauri im Semantic Web
Anforderungen an Thesauri im Semantic Web
Joachim Neubert
 
1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg
1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg
1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg
Univention GmbH
 
Dokumenten-Synchronisation mit eigenem Cloud-Server
Dokumenten-Synchronisation mit eigenem Cloud-ServerDokumenten-Synchronisation mit eigenem Cloud-Server
Dokumenten-Synchronisation mit eigenem Cloud-Server
Jürgen Wolf
 

Was ist angesagt? (10)

Suporting OA with LD
Suporting OA with LDSuporting OA with LD
Suporting OA with LD
 
Macit Kandemir, Flexible Datenbank-Anwendungen mit MongoDB
Macit Kandemir, Flexible Datenbank-Anwendungen mit MongoDBMacit Kandemir, Flexible Datenbank-Anwendungen mit MongoDB
Macit Kandemir, Flexible Datenbank-Anwendungen mit MongoDB
 
Fachmodell-First: Einstieg in das NoSQL-Schema-Design
Fachmodell-First: Einstieg in das NoSQL-Schema-DesignFachmodell-First: Einstieg in das NoSQL-Schema-Design
Fachmodell-First: Einstieg in das NoSQL-Schema-Design
 
Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...
Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...
Digitalisate kuratieren mit KI - von unstrukturierten Daten zu strukturierten...
 
CKAN by Friedrich Lindenberg
CKAN by Friedrich LindenbergCKAN by Friedrich Lindenberg
CKAN by Friedrich Lindenberg
 
MongoDB: Entwurfsmuster für das NoSQL-Schema-Design
MongoDB: Entwurfsmuster für das NoSQL-Schema-DesignMongoDB: Entwurfsmuster für das NoSQL-Schema-Design
MongoDB: Entwurfsmuster für das NoSQL-Schema-Design
 
Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?
Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?
Thomas' Tech Talk 4 - Lohnt sich ein Wechsel zu Exchange Server 2019?
 
Anforderungen an Thesauri im Semantic Web
Anforderungen an Thesauri im Semantic WebAnforderungen an Thesauri im Semantic Web
Anforderungen an Thesauri im Semantic Web
 
1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg
1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg
1x Samba 4, Hin und Zurück - Univention Summit 2020 - Landtag Brandenburg
 
Dokumenten-Synchronisation mit eigenem Cloud-Server
Dokumenten-Synchronisation mit eigenem Cloud-ServerDokumenten-Synchronisation mit eigenem Cloud-Server
Dokumenten-Synchronisation mit eigenem Cloud-Server
 

Ähnlich wie Back to Basics Webinar-1 Einführung in NoSQL Deutsch 2017

FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...
FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...
FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...
Verein FM Konferenz
 
Yes zu NoSQL mit MongoDB für .NET-Entwickler
Yes zu NoSQL mit MongoDB für .NET-EntwicklerYes zu NoSQL mit MongoDB für .NET-Entwickler
Yes zu NoSQL mit MongoDB für .NET-Entwickler
Gregor Biswanger
 
mongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - GrundlagenmongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - Grundlagen
inovex GmbH
 
FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-
FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-
FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-
Verein FM Konferenz
 
Architectures for .Net Core Applications
Architectures for .Net Core ApplicationsArchitectures for .Net Core Applications
Architectures for .Net Core Applications
Robin Sedlaczek
 
Data is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von Daten
Data is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von DatenData is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von Daten
Data is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von Daten
MongoDB
 
2012-01-31 NoSQL in .NET
2012-01-31 NoSQL in .NET2012-01-31 NoSQL in .NET
2012-01-31 NoSQL in .NET
Johannes Hoppe
 
Language Workbench
Language WorkbenchLanguage Workbench
Language Workbench
zensor
 
Einführung in NoSQL-Datenbanken
Einführung in NoSQL-DatenbankenEinführung in NoSQL-Datenbanken
Einführung in NoSQL-Datenbanken
Tobias Trelle
 
Staatsbibliothek zu Berlin: Neue Entwicklungen und Projekte
Staatsbibliothek zu Berlin: Neue Entwicklungen und ProjekteStaatsbibliothek zu Berlin: Neue Entwicklungen und Projekte
Staatsbibliothek zu Berlin: Neue Entwicklungen und Projekte
goobi_org
 
FMK2017 - GUI Tipps für mobile Lösungen by Robert Kaiser
FMK2017 - GUI Tipps für mobile Lösungen by Robert KaiserFMK2017 - GUI Tipps für mobile Lösungen by Robert Kaiser
FMK2017 - GUI Tipps für mobile Lösungen by Robert Kaiser
Verein FM Konferenz
 
MongoDB Munich 2012: Spring Data MongoDB
MongoDB Munich 2012: Spring Data MongoDBMongoDB Munich 2012: Spring Data MongoDB
MongoDB Munich 2012: Spring Data MongoDB
Tobias Trelle
 
MongoDB - Riesige Datenmengen schemafrei verwalten
MongoDB - Riesige Datenmengen schemafrei verwaltenMongoDB - Riesige Datenmengen schemafrei verwalten
MongoDB - Riesige Datenmengen schemafrei verwaltenTobias Trelle
 
Open Source Software zur Verarbeitung und Analyse von Metadatenmanagement
Open Source Software zur Verarbeitung und Analyse von MetadatenmanagementOpen Source Software zur Verarbeitung und Analyse von Metadatenmanagement
Open Source Software zur Verarbeitung und Analyse von Metadatenmanagement
Magnus Pfeffer
 
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Georg Rehm
 
FMK2017 - MBS FileMaker Plugin by Christian Schmitz
FMK2017 - MBS FileMaker Plugin by Christian SchmitzFMK2017 - MBS FileMaker Plugin by Christian Schmitz
FMK2017 - MBS FileMaker Plugin by Christian Schmitz
Verein FM Konferenz
 
Goobi für alle(s).
Goobi für alle(s).Goobi für alle(s).
Goobi für alle(s).
goobi_org
 
Analytic powerhouse parallel data warehouse und r
Analytic powerhouse parallel data warehouse und rAnalytic powerhouse parallel data warehouse und r
Analytic powerhouse parallel data warehouse und rMarcel Franke
 
Our way to 19c - DOAG 2020
Our way to 19c - DOAG 2020Our way to 19c - DOAG 2020
Our way to 19c - DOAG 2020
Torsten Kleiber
 

Ähnlich wie Back to Basics Webinar-1 Einführung in NoSQL Deutsch 2017 (20)

FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...
FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...
FMK2017 - Das FileMaker Selector-Connector Modell - Wie kann ich es sinnvoll ...
 
Yes zu NoSQL mit MongoDB für .NET-Entwickler
Yes zu NoSQL mit MongoDB für .NET-EntwicklerYes zu NoSQL mit MongoDB für .NET-Entwickler
Yes zu NoSQL mit MongoDB für .NET-Entwickler
 
mongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - GrundlagenmongoDB im Einsatz - Grundlagen
mongoDB im Einsatz - Grundlagen
 
FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-
FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-
FMK2017 - Schnittstellen zu Fremdsystemen by Robert Rohrkemper-
 
Architectures for .Net Core Applications
Architectures for .Net Core ApplicationsArchitectures for .Net Core Applications
Architectures for .Net Core Applications
 
Data is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von Daten
Data is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von DatenData is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von Daten
Data is the new Oil! - Paradigmenwechsel im Arbeiten und Verwalten von Daten
 
2012-01-31 NoSQL in .NET
2012-01-31 NoSQL in .NET2012-01-31 NoSQL in .NET
2012-01-31 NoSQL in .NET
 
Language Workbench
Language WorkbenchLanguage Workbench
Language Workbench
 
Einführung in NoSQL-Datenbanken
Einführung in NoSQL-DatenbankenEinführung in NoSQL-Datenbanken
Einführung in NoSQL-Datenbanken
 
Staatsbibliothek zu Berlin: Neue Entwicklungen und Projekte
Staatsbibliothek zu Berlin: Neue Entwicklungen und ProjekteStaatsbibliothek zu Berlin: Neue Entwicklungen und Projekte
Staatsbibliothek zu Berlin: Neue Entwicklungen und Projekte
 
FMK2017 - GUI Tipps für mobile Lösungen by Robert Kaiser
FMK2017 - GUI Tipps für mobile Lösungen by Robert KaiserFMK2017 - GUI Tipps für mobile Lösungen by Robert Kaiser
FMK2017 - GUI Tipps für mobile Lösungen by Robert Kaiser
 
MongoDB Munich 2012: Spring Data MongoDB
MongoDB Munich 2012: Spring Data MongoDBMongoDB Munich 2012: Spring Data MongoDB
MongoDB Munich 2012: Spring Data MongoDB
 
sones GraphDB + Mono + Linux
sones GraphDB + Mono + Linuxsones GraphDB + Mono + Linux
sones GraphDB + Mono + Linux
 
MongoDB - Riesige Datenmengen schemafrei verwalten
MongoDB - Riesige Datenmengen schemafrei verwaltenMongoDB - Riesige Datenmengen schemafrei verwalten
MongoDB - Riesige Datenmengen schemafrei verwalten
 
Open Source Software zur Verarbeitung und Analyse von Metadatenmanagement
Open Source Software zur Verarbeitung und Analyse von MetadatenmanagementOpen Source Software zur Verarbeitung und Analyse von Metadatenmanagement
Open Source Software zur Verarbeitung und Analyse von Metadatenmanagement
 
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
Transformieren, Manipulieren, Kuratieren: Technologien für die Wissensarbeit ...
 
FMK2017 - MBS FileMaker Plugin by Christian Schmitz
FMK2017 - MBS FileMaker Plugin by Christian SchmitzFMK2017 - MBS FileMaker Plugin by Christian Schmitz
FMK2017 - MBS FileMaker Plugin by Christian Schmitz
 
Goobi für alle(s).
Goobi für alle(s).Goobi für alle(s).
Goobi für alle(s).
 
Analytic powerhouse parallel data warehouse und r
Analytic powerhouse parallel data warehouse und rAnalytic powerhouse parallel data warehouse und r
Analytic powerhouse parallel data warehouse und r
 
Our way to 19c - DOAG 2020
Our way to 19c - DOAG 2020Our way to 19c - DOAG 2020
Our way to 19c - DOAG 2020
 

Mehr von MongoDB

MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB AtlasMongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB
 
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB
 
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB
 
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDBMongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB
 
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB
 
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series DataMongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB
 
MongoDB SoCal 2020: MongoDB Atlas Jump Start
 MongoDB SoCal 2020: MongoDB Atlas Jump Start MongoDB SoCal 2020: MongoDB Atlas Jump Start
MongoDB SoCal 2020: MongoDB Atlas Jump Start
MongoDB
 
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB
 
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB
 
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB
 
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB
 
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your MindsetMongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB
 
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas JumpstartMongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB
 
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB
 
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB
 
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB
 
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep DiveMongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB
 
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & GolangMongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB
 
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB
 
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB
 

Mehr von MongoDB (20)

MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB AtlasMongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
MongoDB SoCal 2020: Migrate Anything* to MongoDB Atlas
 
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
MongoDB SoCal 2020: Go on a Data Safari with MongoDB Charts!
 
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
MongoDB SoCal 2020: Using MongoDB Services in Kubernetes: Any Platform, Devel...
 
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDBMongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
MongoDB SoCal 2020: A Complete Methodology of Data Modeling for MongoDB
 
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
MongoDB SoCal 2020: From Pharmacist to Analyst: Leveraging MongoDB for Real-T...
 
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series DataMongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
MongoDB SoCal 2020: Best Practices for Working with IoT and Time-series Data
 
MongoDB SoCal 2020: MongoDB Atlas Jump Start
 MongoDB SoCal 2020: MongoDB Atlas Jump Start MongoDB SoCal 2020: MongoDB Atlas Jump Start
MongoDB SoCal 2020: MongoDB Atlas Jump Start
 
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
MongoDB .local San Francisco 2020: Powering the new age data demands [Infosys]
 
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
MongoDB .local San Francisco 2020: Using Client Side Encryption in MongoDB 4.2
 
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
MongoDB .local San Francisco 2020: Using MongoDB Services in Kubernetes: any ...
 
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
MongoDB .local San Francisco 2020: Go on a Data Safari with MongoDB Charts!
 
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your MindsetMongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
MongoDB .local San Francisco 2020: From SQL to NoSQL -- Changing Your Mindset
 
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas JumpstartMongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
MongoDB .local San Francisco 2020: MongoDB Atlas Jumpstart
 
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
MongoDB .local San Francisco 2020: Tips and Tricks++ for Querying and Indexin...
 
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
MongoDB .local San Francisco 2020: Aggregation Pipeline Power++
 
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
MongoDB .local San Francisco 2020: A Complete Methodology of Data Modeling fo...
 
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep DiveMongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
MongoDB .local San Francisco 2020: MongoDB Atlas Data Lake Technical Deep Dive
 
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & GolangMongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
MongoDB .local San Francisco 2020: Developing Alexa Skills with MongoDB & Golang
 
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
MongoDB .local Paris 2020: Realm : l'ingrédient secret pour de meilleures app...
 
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
MongoDB .local Paris 2020: Upply @MongoDB : Upply : Quand le Machine Learning...
 

Back to Basics Webinar-1 Einführung in NoSQL Deutsch 2017

  • 1.
  • 2. Back to Basics 2017 : Webinar 1 Einführung in NoSQL Benjamin Lorenz Senior Solutions Architect MongoDB Frankfurt
  • 4. 4 Kursplan Datum Uhrzeit Webinar Do, 04. Mai 2017 14:00 CEST Einführung in NoSQL Do, 11. Mai 2017 14:00 CEST Ihre erste MongoDB-Anwendung Do, 18. Mai 2017 14:00 CEST Einführung in Replica Sets Mi, 24. Mai 2017 14:00 CEST Einführung in Sharding
  • 5. 5 Ablauf heute • Warum NoSQL • Unterschiedliche Typen von NoSQL-Datenbanken • MongoDB: Detaillierte Übersicht • Fragen & Antworten
  • 6. 6 Relationale Datenbanken Expressive Abfragesprache & sekundäre Indizes Strenge Konsistenz Enterprise-Management & Integration
  • 7. 7 Die Welt hat sich verändert Daten Risiken Zeit Kosten
  • 8. 8 NoSQL Skalierbarkeit & Leistung Immer lauffähig, Globale Bereitstellung FlexibilitätExpressive Abfragesprache & sekundäre Indizes Strenge Konsistenz Enterprise-Management & Integration
  • 9. 9 Nexus-Architektur Skalierbarkeit & Leistung Immer lauffähig, Globale Bereitstellung FlexibilitätExpressive Abfragesprache & sekundäre Indizes Strenge Konsistenz Enterprise-Management & Integration
  • 10. 10 Typen von NoSQL-Datenbanken • Key/Value-Datenbanken • Spaltenorientierte Datenbanken • Graphdatenbanken • Multi-Model-Datenbanken • Dokumentenorientierte Datenbanken
  • 11. 11 Key/Value-Datenbanken • Assoziatives Array • Extrem schnelles Single-Key-Lookup • Nicht so gut geeignet für Rückwärtssuche Key Value 12345 4567.3456787 12346 { addr1 : “The Grange”, addr2: “Dublin” } 12347 “top secret password” 12358 “Shopping basket value : 24560” 12787 12345
  • 12. 12 Erinnerung: Zeilenorientierte Datenbanken (RDBMS) • Speichern Daten in Zeilen ab (traditionelles RDBMS, z.B. MySQL) • Bei Abfragen wird jedes Mal eine vollständige Zeile gelesen • Auslesen von nur ein oder zwei Spalten verschwendet Ressourcen ID Name Gehalt Start-Datum 1 Joe D 24.000 € 1. Jun 1970 2 Peter J 28.000 € 1. Feb 1972 3 Phil G 23.000 € 1. Jan 1973 1 Joe D 24.000 € 1. Jun 1970 2 Peter J 28.000 € 1. Feb 1972 3 Phil G 23.000 € 1. Jan 1973
  • 13. 13 Wie funktioniert eine spaltenorientierte Datenbank? 1 2 3 ID Name Gehalt Anfangsdatum 1 Joe D 24.000 € 1. Jun 1970 2 Peter J 28.000 € 1. Feb 1972 3 Phil G 23.000 € 1. Jan 1973 Joe D Peter J Phil G 24.000 € 28.000 € 23.000 € 1. Jun 1970 1. Feb 1972 1. Jan 1973
  • 14. 14 Warum ist das attraktiv? • Plattenzugriff „am Stück“ ermöglicht effizientes Lesen einer Spalte • Die Komprimierung ähnlicher Daten ist extrem effizient • Mit einem Plattenzugriff können somit mehr Daten abgerufen werden • Werden nur einzelne Spalten benötigt, müssen hierfür nicht alle Zeilen ausgelesen werden • Aber: – Zeilen zu aktualisieren oder zu löschen ist teuer • Besser für OLAP geeignet als für OLTP
  • 15. 15 Graphdatenbanken • Speichern Graphen (Kanten und Ecken) • Beispiel: Soziale Netzwerke • Effizientes Folgen von Kanten • Optimiert für die Repräsentation von Verbindungen • Keine Graphen, dann keine Graphdatenbank verwenden!
  • 16. 16 Multi-Model-Datenbanken • Kombination mehrerer Speicher-/Zugriffsmodelle • Häufig Graph + „X“ • Löst Problem, mehrere Datenbanken synchron halten zu müssen • Der „letzte Schrei“ im Bereich NoSQL
  • 17. 17 Dokumentenorientierte Datenbanken • Keine PDF-, Word- oder HTML-Dokumente • Dokumente sind verschachtelte Strukturen, die mit Javascript Object Notation (JSON) erstellt werden { name : “Benjamin Lorenz”, title : “Senior Solutions Architect”, Address : { address : “An der Welle 4”, city : “Frankfurt”, zip_code : “60322”, } expertise: [ “MongoDB”, “Python”, “Javascript” ], employee_number : 521, location : [ 53.34, -6.26 ] }
  • 18. 18 Mit MongoDB werden Dokumente typisiert { name : “Benjamin Lorenz”, title : “Senior Solutions Architect”, Address : { address : “An der Welle 4”, city : “Frankfurt”, zip_code : “60322”, } expertise: [ “MongoDB”, “Python”, “Javascript” ], employee_number : 521, location : [ 53.34, -6.26 ] } Strings Verschachteltes Dokument Array Integer Geokoordinaten
  • 19. 19 MongoDB versteht JSON-Dokumente • Native JSON-Datenbank seit der ersten Version • Kann Unterstrukturen verstehen und indizieren • Speichert JSON binär als BSON • Effiziente Kodierung und Dekodierung zur Netzwerkübertragung • MongoDB kann Indizes für jedes Dokumentenfeld erstellen • ...mehr dazu im weiteren Kursverlauf
  • 20. 20 Warum Dokumente? • Dynamisches Schema • Wegfall des objekt-relationalen Mappings • Implizite Denormalisierung der Daten zur Leistungssteigerung
  • 21. 21 Warum Dokumente? • Dynamisches Schema • Wegfall des objekt-relationalen Mappings • Implizite Denormalisierung der Daten zur Leistungssteigerung
  • 23. 23 Kleine Auswahl an Pipeline Operatoren • $match Dokumente filtern • $project Dokumente umgestalten • $group Daten verdichten • $out Neue Collections erstellen • $sort Dokumente sortieren • $limit/$skip Paginierung • $lookup Dokumente verbinden • $unwind Listen auflösen
  • 25. 25 Nächstes Webinar – Ihre erste MongoDB-Anwendung • Do, 11. Mai 2017, 14:00 CEST • Entwicklung einer eigenen MongoDB-Anwendung – Datenbanken und Collections erstellen – Abfragen formulieren – Indizes erstellen – Performance verstehen • Anmeldung hier: https://www.mongodb.com/webinar/reihe-back- to-basics • Feedback an benjamin.lorenz@mongodb.com

Hinweis der Redaktion

  1. Persönliche Vorstellung und Werdegang bei MongoDB
  2. Ich freue mich, Sie heute begrüßen zu dürfen. Ich hoffe, dass es alle zum Webinar schaffen. Die Veranstaltungen werden aufgezeichnet und Ihnen anschließend zugesendet. Es ist also nicht schlimm, wenn Sie mal eine verpassen. Wenn Sie eine Frage haben, stellen Sie diese bitte in der Seitenleiste.
  3. Manche Leute denken, wir würden über relationale Datenbanken herziehen oder sie schlecht finden. Aber das stimmt nicht. Relationale Datenbanken bieten alles, was eine Datenbank braucht. Und natürlich wissen wir, dass einige ihrer Funktionen noch heute von großer Bedeutung sind. Expressive Abfragesprache & sekundäre Indizes. Als Nutzer sollte man auf seine Daten auf unterschiedliche Weise zugreifen und sie bearbeiten können. Dazu benötigt man eine geeignete Abfragesprache. Indizes sind für einen effizienten Datenzugriff grundlegend. Unserer Auffassung nach sind sie überhaupt das Herzstück jeder Datenbank. Hohe Konsistenz. Wenn wir neue Anwendungen planen, denken wir mit gutem Grund zuerst an die Konsistenz. Die Datenbank sollte stets den Zugriff auf die aktuellste Version der Daten ermöglichen. Hohe Konsistenz ist also der richtige Weg bei der Entwicklung von Datenbanken. Enterprise-Management und Integration. Schließlich sind Datenbanken auch nur ein Puzzlestück, das sich in die EDV-Infrastruktur von Unternehmen eingliedern muss. Denn die brauchen Datenbanken, die sich sichern, kontrollieren, automatisieren und in die bestehende IT-Landschaft und das entsprechende Personal wie Betriebsteams, DBA und Datenanalysten integrieren lassen können.
  4. Seit den Achtzigern, als die ersten relationalen Datenbanken aufkamen, hat sich die Welt enorm verändert. Einerseits sind Datenmengen und Risiken gewachsen. Zu den Daten: Halten Sie sich einmal vor Augen, dass 90 Prozent aller jemals produzierten Daten in den letzten zwei Jahren entstanden sind – 90 Prozent! 80 Prozent der Unternehmensdaten sind dabei unstrukturiert und passen nicht einmal in die am besten strukturierten Tabellen relationaler Datenbanken. Und das Wachstum solcher Daten ist doppelt so hoch wie bei strukturierten Daten. Gleichzeitig sind die Risiken des Datenbankbetriebs größer als jemals zuvor. Heute gibt es: Mehr Nutzer – Apps waren früher kleine interne Systeme mit tausenden Nutzern, heute haben sie externe Nutzerzahlen, die in die Millionen gehen. Keine Downtime – Apps müssen nicht mehr nur während der üblichen Geschäftszeiten verfügbar sein. Sondern rund um die Uhr. Weltweit – Ihre Nutzer sind überall und sie sind immer online. Andererseits sind Zeitaufwand und Kosten stark gesunken. Die Entwicklung von Apps war noch nie so einfach. Also müssen Sie: Apps in wenigen Monaten – nicht Jahren – fertigstellen können. Entwicklungsverfahren wurden vom Gießkannenprinzip auf einen iterativen Prozess umgestellt, bei dem neue Funktionen binnen Wochen – bei Unternehmen wie Amazon oder Facebook manchmal sogar mehrmals täglich – entwickelt werden. Und auch die Kosten sind stark gesunken.  Unternehmen wollen: Für den Wertverlauf bezahlen: Unternehmen haben auf Open Source und SaaS umgestellt, bei denen Sie für den Wertverlauf zahlen. Cloud- und Rohstoffressourcen nutzen: So können sie die Zeit bis zur Bereitstellung ihrer Infrastruktur verkürzen und die Gesamtbetriebskosten verringern.
  5. Da relationale Datenbanken nicht für moderne Anwendungen entwickelt wurden, begann eine Reihe von Firmen vor etwa 10 Jahren damit, ihre eigenen, vollkommen andersartigen Datenbanken zu entwickeln. Diese werden NoSQL genannt. NoSQL-Datenbanken wurden speziell für die Welt von morgen entwickelt. Flexibilität: Sie alle verfügen über flexible Datenmodelle, um eine schnelle Iteration zu ermöglichen und die Daten heutiger Anwendungen zu bewältigen. Zwar gibt es unterschiedliche Ansätze, alle haben aber größtmögliche Flexibilität zum Ziel. Skalierbarkeit & Performance. Auch wurden sie alle unter der Maßgabe der Skalierbarkeit entwickelt, um Sharding und Partitionierung zu ermöglichen. Grundsätzlich ist es ihr Ziel, möglichst viel Leistung zu erbringen. Manche können besonders gut auslesen, andere schreiben, doch fast alle wollen die Leistungsfähigkeit relationaler Datenbanken übertreffen. Immer aktive, globale Bereitstellung Und zuletzt werden NoSQL-Datenbanken speziell für extrem verfügbare Systeme entwickelt, die allen Nutzern weltweit ein einheitliches und hochwertiges Nutzererlebnis ermöglichen wollen. Sie sollen auf unterschiedlichsten Computern funktionieren und ermöglichen die Replikation zur automatischen Synchronisierung der Daten zwischen unterschiedlichen Servern, Racks und Datenzentren. Doch wenn man diese NoSQL-Systeme genauer betrachtet, haben sie das Kind mit dem Bade ausgeschüttet. Denn sie haben die wichtigsten Datenbankfunktionen geopfert, die jeder erwartet und auf die man sich bei der Entwicklung funktionsfähiger Apps verlässt – wie Rich Querying und sekundäre Indizes, hohe Konsistenz und Enterprise-Management.
  6. MongoDB wurde speziell entwickelt, um diesen veränderten Bedingungen gerecht zu werden und gleichzeitig die wichtigsten Datenbankfunktionen zu erhalten, die der Bau moderner Anwendungen erfordert. Unsere Vision ist es, die Arbeit, mit der Oracle und andere in den letzten 40 Jahren relationale Datenbanken zu dem gemacht haben, was sie heute sind, aufzunehmen und weiterzuführen. Wir setzen da an, wo andere aufgehört haben und verwenden Technologien, die Internetpioniere wie Google und Amazon entwickelt haben, um den Anforderungen moderner Anwendungen gerecht zu werden. MongoDB ist die einzige Datenbank, die die Innovationen von NoSQL nutzt und gleichzeitig die Grundlagen relationaler Datenbanken fortführt. Das nennen wir Nexus-Architektur.
  7. Vergleiche: redis, memcached, Cochbase.
  8. Spaltendatenbanken, die Sie kennen und schätzen: HP Vertiva, Cassandra.