NoSQL (Not Only SQL database) 6 minutes
NoSQL est une méthode de conception de bases de données qui peut s’adapter à un éventail de modèles de données, tels que les formats qui ont des documents, des clés, des colonnes ainsi que des graphiques ( Graph Database ). NoSQL est une référence à « pas seulement SQL », est une alternative à la base de données relationnelle traditionnelle où les données sont stockées dans des tables et le schéma des données est conçu à l’avance avant la création de la base de données. Les bases de données NoSQL sont particulièrement avantageuses pour travailler avec des ensembles de données massives qui sont distribuées.
NoSQL vs SGBDR
Le terme NoSQL peut être utilisé pour désigner une variété de bases de données qui existaient avant le SGBDR, un système de gestion de base de données relationnelle. Cependant, il est plus souvent utilisé pour désigner les bases de données créées dans les années 2000 dans le but de connecter des bases de données à des applications Web et en nuage. Dans ces applications, les exigences de performance et d’évolutivité l’emportaient sur la nécessité d’une cohérence immédiate et fiable des données que le SGBDR offrait aux applications transactionnelles des entreprises.
En particulier, les systèmes NoSQL n’étaient pas tenus de se conformer à un schéma établi pour les bases de données relationnelles. Les GAFAM comme Google et Amazon ont utilisé les bases de données NoSQL dès le début pour se concentrer sur les objectifs opérationnels et pour utiliser les bases de données relationnelles en conjonction avec elles afin d’assurer la cohérence des données et était adapté aux données stockées dans les bases de données. En effet, il n’est pas facile avec une base de données traditionnelle de stocker des vidéos de formats variés et de taille inconnue avant leur diffusion, comme c’est le cas avec Youtube par exemple.
Les premières bases de données NoSQL pour les applications cloud et web ont tendance à se concentrer sur des aspects spécifiques de la gestion des données. La capacité de gérer des quantités massives de données et de les distribuer efficacement sur des grappes de calcul étaient des caractéristiques souhaitables dans la conception du cloud et des sites web. Les développeurs qui ont construit des systèmes de cloud computing et de sites web souhaitaient également développer des schémas de données flexibles, voire aucun, afin de permettre des modifications rapides dans des applications en constante évolution.
Les magasins clés-valeurs
Les magasins clé-valeur, également connus sous le nom de bases de données clé-valeur, utilisent un modèle de données simple qui relie la clé unique à une valeur. Ce modèle étant simple et direct, il peut conduire à la création de bases de données clés-valeurs extrêmement puissantes et adaptables pour la gestion des sessions et la mise en cache dans les applications Web. Les implémentations diffèrent dans la manière dont elles sont conçues pour utiliser la RAM et les disques durs solides (SSD) ou les disques durs. Les exemples sont Aerospike, Berkeley DB, MemchacheDB, Redis et Riak.
Bases de données pour documents
Les bases de données pour documents, souvent appelées « magasins de documents », sont des installations de stockage qui conservent des informations semi-structurées et des descriptions des données au format document. Elles permettent aux développeurs de créer et de mettre à jour leurs programmes sans avoir besoin d’un plan. Les bases de données documentaires se sont développées grâce à l’avènement de JavaScript et de la notation des objets JavaScript (JSON), qui est le format d’échange de données le plus populaire parmi les développeurs d’applications Web, bien que XML et d’autres formats de données puissent être utilisés. Les bases de données documentaires sont utilisées pour gérer le contenu et le traitement des données dans les applications mobiles. Couchbase Server, CouchDB, DocumentDB, MarkLogic et MongoDB sont quelques exemples de bases de données documentaires.
Données graphiques
Les magasins de données graphiques organisent les données par le biais de nœuds. Ils fonctionnent comme des enregistrements dans une base de données, avec des bords qui représentent les relations entre les nœuds. Comme le système de graphe stocke les relations entre les nœuds, il est capable de fournir des représentations plus détaillées des relations entre les données. En outre, contrairement aux modèles relationnels qui dépendent de schémas stricts, les modèles de données graphiques peuvent évoluer avec le temps et l’usage. Les bases de données graphiques sont utilisées dans les systèmes qui doivent cartographier les relations, comme les systèmes de réservation ou la gestion des relations avec les clients. AllegroGraph, IBM Graph, Neo4j et Titan sont quelques exemples de bases de données graphiques.
Évolution de NoSQL
La base de données Berkeley a été un système influent dans le développement de l’utilisation des bases de données NoSQL. Développée par l’Université de Californie à Berkeley au début des années 1990, Berkeley DB a été largement décrite comme une base de données unifiée capable de répondre aux besoins de stockage d’applications spécifiques. Le logiciel open source offrait la possibilité de stocker des données clés de manière simple. Berkeley DB a été développé par Sleepycat Software en 1999. La société a ensuite été rachetée par Oracle en 2006. Oracle continue à soutenir le Berkeley DB, un projet open source. Berkeley DB.
D’autres bases de données NoSQL qui ont attiré beaucoup d’attention sont Amazon DynamoDB, Google BigTable, et les bases de données NoSQL hébergées dans le nuage Apache Cassandra et MongoDB.
Les catégories fondamentales de bases de données NoSQL ne donnent qu’une indication. Au fil du temps, les entreprises ont combiné et fait correspondre des éléments de diverses bases de données NoSQL pour créer des systèmes plus efficaces et efficients. C’est le cas par exemple de MarkLogic, qui a également ajouté un magasin de données de graphes et divers autres éléments à ses bases de données de documents. Couchbase Server prend en charge les méthodes basées sur les valeurs clés et les documents. Cassandra a utilisé des éléments clé-valeur conjointement avec des colonnes larges et des données graphiques. Dans certains cas, les éléments NoSQL sont combinés avec des éléments SQL et créent diverses bases de données multi-modèles.
