SQL, NoSQL? Vad är skillnaden i dessa dagar?

Under de senaste veckorna har jag pratat med databasföretag från båda sidor av, SQL klyftan, och ju mer jag har talat om hur deras databaser utvecklas – och hur deras användare använder dem – desto mer klart det har blivit att klyftan mellan SQL och NoSQL krymper.

För företag som vill köra Analytics på låga Hadoop-kluster, är helt kompatibel SQL nu möjligt inbyggt på den stora dataplattform, enligt Actian.

Du behöver bara titta på hur ens de största databaserna förändras, med, Oracle antagande NoSQL mönster, i sina in-memory verktyg, som, Microsoft SQL Server gör samma sak, med sina nya kolumn butiker. De stora pojkarna lär från nya aktörer, att anta deras sätt att arbeta som kunder efterfrågar att deras befintliga verktyg stödja nya användningsfall och nya datamodeller.

Eftersom mängden data vi har att arbeta med bär på exploderande, verktyg vi använder måste förändras. En massiv NoSQL systemet kan fungera bra som en ström bearbetning verktyg för översvämningar av data från flera miljarder sensorer i morgondagens sakernas Internet, men hur ska vi arbeta med terabyte av historiska data som lagras på långsamma roterande skivor någonstans i molnet? Genom att anta tekniker från SQL är NoSQL kan stödja flera av dessa nya scenarier – och samma sak gäller för SQL.

Vi flyttar till en värld där det inte spelar någon roll om du använder SQL eller NoSQL eller, ja, vad som helst. Det viktiga är att du använder rätt databasmotorn för användningsfall och för dina applikationer. Det kan innebära att spendera lite tid att utvärdera verktyg innan du går i produktion – eller det kan bara innebära att använda en annan uppsättning funktioner i din databas val. Inte heller är det rätta svaret, men ännu viktigare, inte heller är också fel svar.

Sanningen är, alla de flesta användare vill ha är en plats att lagra sina data och göra grundläggande frågor om dess innehåll, söka efter den information de behöver. Att data kan vara i valfritt format, det bara måste vara tillgänglig. Denna lilla datavärld är motsatsen till de massiva databaser som Power Big data. För små uppgifter, är värdet i själva uppgifterna, medan för stora data värdet i vad uppgifterna kan berätta.

Jag vet att jag gör en förenklad klyfta här: vi alla vill att båda typerna av värde från våra data. Men den underliggande konceptet vettigt av hur våra databaser förändras och sammanslagning. Jag kan ha en nyckel / värde-par i SQL Server, med en kolonn butik för snabba in-memory frågor. Jag kan lägga till en JSON fråge motorn MySQL, vrida mina data till ett API för mina appar. Dessa är två mycket traditionella relationsdatabaser, men med funktioner skulle vi normalt anser vara NoSQL.

Saker förändras från NoSQL sidan av saken också. Eftersom bankerna och finansbranschen bygga handelsplattformar runt snabbt, i minnet, NoSQL system som Couchbase, de att behöva lägga till frågespråk av sina egna. Övergången från ostrukturerad värld av de ursprungliga NoSQL system till strukturerad data i hjärtat av finansbranschen tvingar betydande förändring på NoSQL motorer, göra dem till trimmad nära-realtidsdata motorer.

Blandning NoSQL och SQL vettigt. Vi kan lagra data på det sätt som är meningsfullt för våra projekt, och välja de motorer vi använder. Det spelar ingen roll om vi använder SQL Server för att hålla en nyckel / värde butik, eller om vi bygger en komplex uppsättning frågor i Couchbase, eller använd en CRUD API för att arbeta med MySQL – det viktiga är att vi får resultaten vi behöver att göra våra jobb.

Vi är på en spännande brytpunkt i historien av databasen, med ett brett utbud av motorer, API, frågetyper och data schema. Sätt dem alla tillsammans, och framtiden för databasen är intressant. Databaser kommer att förbli kärnan av våra affärsprocesser, leverera rätt tid information vi behöver för att göra våra jobb – medan samtidigt, de är motorerna som driver maskinen-learning AIs som automatiserar mycket av världen.

Linkedin avslöjar sin nya blogging plattform

Är detta en ålder av Big OLAP?

DataRobot syftar till att automatisera lågt hängande frukt uppgifter vetenskap

MapR grundare John Schroeder steg ner, COO för att ersätta

Hemligheten bakom DevOps framgång? Det handlar inte om teknik, Vikten av att vara klibbiga, varför API äter världen, gå bortom datorn och tabletten: Hur kan man vara autentiskt digital

Socialt företagande, Linkedin avslöjar sin nya blogging plattform, stora datamängder, är detta en ålder av Big OLAP,? Big Data Analytics, DataRobot syftar till att automatisera lågt hängande frukt uppgifter vetenskap, stora datamängder, MapR grundare John Schroeder steg ner, COO för att ersätta

Nu läser detta