Data Analysts, Data Scientists und Data Engineers benötigen selbstverständlich Daten, um ihre Arbeit zu erledigen. Die Verwaltung von Datenbanken ist daher der Grundstein für jede Aufgabe in diesen Bereichen. Ein Datenbankmanagementsystem (DBMS) ist eine Software, die einem oder mehreren Benutzern den Zugriff auf eine Datenbank ermöglicht. Es verwaltet den differenzierten Zugriff (Identifizierung, Sicherheit) und interpretiert Abfragen, um Daten aufzunehmen, zu ändern, zurückzugeben oder zu löschen. Es gibt zwei große DBMS-Familien: SQL-DBMS und NoSQL-DBMS. Um zu verstehen, welche Technologie Du wählen solltest, werden wir uns ansehen, was die beiden DBMS sind und worin ihre Unterschiede bestehen.
Was ist eine SQL-Datenbank?
SQL-Datenbanken (Abkürzung für Structured Query Language) werden auch als relationale Datenbanken bezeichnet. Sie bestehen aus einer Reihe von Tabellen, in denen die Daten nach Kategorien geordnet sind.
Jede Spalte in diesen Tabellen entspricht einer dieser Kategorien und enthält eine bestimmte Anzahl von Daten aus dieser Kategorie. Diese Tabellen haben in der Regel ein festes Schema, d. h. die Form der Tabellen wird festgelegt (Anzahl der Spalten, Überschriften, Datentypen und möglicherweise weitere Einschränkungen). Hier ein Beispiel:
Dabei entspricht jede Spalte einer bestimmten Kategorie und hat einen klar definierten Typen (Zahl, Text …).
Dieser Tabelle ist eine weitere Tabelle zugeordnet, die weitere Informationen enthält, z. B.:
Wie Du sehen kannst, sind die beiden Tabellen durch die Spalte „Wohnort“ verbunden, die der Spalte „Stadt“ entspricht, was als Fremdschlüssel bezeichnet wird. Mit diesem Schlüssel kann man die Daten kohärent verknüpfen.
Um die Funktionsweise und Verwendung von SQL tiefer zu verstehen, kannst Du den Artikel „Alles über SQL“ in unserem Blog lesen und das darin enthaltene SQL-Cheat-Sheet verwenden!
Diese relationalen Datenbanken werden seit ihrer Gründung bei IBM in den 1970er Jahren verwendet und sind die gängigsten, bekanntesten und in gewissem Maße auch am einfachsten zu verwendenden Datenbanken.
Was ist eine NoSQL-Datenbank?
NoSQL-Datenbanken (engl. Not only SQL) sind logischerweise das Gegenteil von SQL: Sie sind nicht-relational. Diese DBs benötigen kein festes Tabellenschema und sind leicht skalierbar. Es gibt verschiedene Typen, die sich an eine Vielzahl von Datenformaten anpassen lassen, zum Beispiel Dokumente, Grafiken oder auch Formate mit Schlüsseln. Das Ziel? Daten am selben Ort abrufen und Joins zwischen Tabellen vermeiden.
Nehmen wir das vorherige Beispiel mit einem Dokumentenformat wieder auf. Am häufigsten wird ein JSON-Objekt (Datenformat) verwendet. In diesem Fall ist jedes Attribut der SQL-Spalten ein Feld und die Details des Datensatzes einer Person wären die Datenwerte, die mit jedem Feld verknüpft sind:
BenutzerId: „452“ , Vorname: „Laure“, Name: „Moulin“, Wohnort: „Toulouse“, Departement: „Haute-Garonne“, Region: „Occitanie“.
Jede Art von NoSQL-Datenbank ist für eine bestimmte Situation konzipiert. Die jeweiligen technischen Einschränkungen rechtfertigen eine besondere Struktur.
NoSQL-Datenbanken wurden Ende der 2000er Jahre entwickelt und haben sich aufgrund ihrer Fähigkeit große, verteilte Big-Data-Datenbanken zu verwalten, schnell verbreitet.
Um mehr über NoSQL-DBs zu erfahren, kannst Du den Artikel „NoSQL : Alles über nicht-relationale Datenbanken verstehen“ in unserem Blog lesen!
Übersicht der Unterschiede zwischen SQL und NoSQL
| SQL | NoSQL | |
|---|---|---|
|
Beschreibung |
relational |
nicht-relational |
|
Anwendung |
Abfrage zum Analysieren und Abrufen von Daten |
für eine Vielzahl moderner Anwendungen wie WebApps geeignet |
|
Abfragesprache |
SQL |
mehrere Sprachen je nach Anwendung |
|
Typ |
Tabelle |
Dokument / Graph / Key-Value |
|
Schema |
festgelegt und vordefiniert |
dynamisch |
|
Data Management System (Beispiele) |
Oracle, PostGres, MySQL |
MongoDB, Neo4J |
|
Eignet sich für |
komplexe und intensive Abfragen |
Große Datenbanken, Big Data |
|
Entwicklungsjahre |
70er Jahre |
2000er |
|
Open Source |
Open Source (PostGres, MySQL) und proprietäre Systeme (Oracle) |
Open Source |
|
Vorteile |
optimierte Datenspeicherung und Stabilität |
einfache und flexible Speicherung |
|
Nachteile |
keine Flexibilität, erforderliche Expertise |
manchmal zu flexibel |
SQL und NoSQL: Was sollte ich wählen?
Beide Technologien haben das gleiche Ziel: Daten zu speichern, jedoch auf sehr unterschiedliche Weise. Nun erläutern wir, wie Du herausfinden kannst, welche Du für Deine Projekte wählen solltest.
SQL:
- Du willst eine strukturierte und segmentierte Datenbank (Grundlage der relationalen Datenbanken).
- Typ und Gültigkeit der Daten sind sehr wichtig
- Du willst bestimmte Datenelemente schreiben und ändern (mit SQL kannst Du bestimmte Zeilen einfach ändern).
- Du brauchst komplexe Abfragen
NoSql:
- Du willst eine Datenbank ohne spezifisches Schema (Eine nicht fixierte Struktur zum Beispiel).
- Du brauchst viele Leseabfragen. Mit NoSQL können tatsächlich alle benötigten Daten auf einmal abgerufen werden, ohne besondere Joins.
- Große Datensätze (Big Data)
- Verteilte Daten (mehrere Quellen)
Schlussfolgerung
SQL und NoSQL sind also zwei DMS, d. h. zwei Technologien, die denselben Zweck verfolgen: Daten zu speichern und die Werkzeuge zum Abfragen und zur Änderung dieser Daten anzubieten.
Die Auswahl der am besten geeigneten Datenbank ist ein sehr wichtiger Schritt, da die DB die Arbeitsgrundlage für alle Data Scientists ist. Diese Auswahl ist nicht einfach und die Antwort selbst für Experten und Expertinnen nicht immer offensichtlich. Heute haben wir gesehen, dass der erste Schritt darin bestehen kann, zwischen einer relationalen (SQL) und einer nicht-relationalen (NoSQL) Datenbank zu wählen. Der nächste Schritt besteht darin, sich für eine SQL- oder NoSQL-Option zu entscheiden (Oracle, Postgres, MongoDB …).
Wenn Du mehr über diese Technologien und ihre Einsatzmöglichkeiten erfahren möchtest, bitte kontaktiere uns, sodass wir die beste Weiterbildung für Dich finden können.
