Diverses enquêtes ont révélé que chaque fois que nous entendons un objet, nous le récupérons à l'aide d'une image de notre cerveau. Par exemple, si je te demande “Tu aimes les pommes?” . Ne pensera pas aux alphabets “une”, “p”, “p”, “je”, “e”, il se souviendra de toutes les informations pertinentes sur la pomme en utilisant l'image d'une pomme. Voici comment notre traitement de données fonctionne peut-être dans notre cerveau. Bien sûr c'est compliqué et très efficace. À présent, si vous demandez “Qu'est-ce qu'une base de données?”, Vous penserez principalement à une collection de tables liées. Si la même question avait été posée à une personne dans les années 1920 1990, peut-être que je n'aurais pensé qu'à une seule grande table à partir de laquelle je récupérerais toutes les informations, mais aujourd'hui on est vraiment sorti de cette définition simpliste des bases de données.
Cet article vous aidera à comprendre quel type de base de données existe actuellement dans cette industrie. J'ai aussi fait un exercice intéressant de traçage de ces types de bases de données dans une arborescence avec un axe des temps. Cela vous aidera à visualiser comment la définition et l'application de la base de données ont changé au fil du temps..
Evolution du système de gestion de base de données
Nous sommes trop habitués aux chronologies sur Facebook. J'ai pensé que ce serait une bonne idée de commencer cet article sur une ligne similaire. Vous trouverez ci-dessous un arbre pour vous aider à cartographier tous les types de systèmes de gestion de bases de données populaires sur une chronologie:
Le calendrier varie de la décennie de 1980 à ce jour et n'est pas exhaustif de toutes les formes de systèmes de gestion de données. Cependant, nous pourrons couvrir la plupart des systèmes de gestion de données populaires.
Base de données de fichiers plats
C'est probablement le plus simple à comprendre, mais aujourd'hui il est rarement utilisé. Vous pouvez considérer cela comme une seule table énorme. Ces types d'ensembles de données ont été utilisés pendant longtemps dans les années 1990. 1990, lorsque les données n'étaient utilisées que pour récupérer des informations en cas de problème. Dans ces bases de données, il était possible d'effectuer des analyses très primitives.
Base de données relationnelle
Bientôt, les gens commencent à se rendre compte que de telles tables seront presque impossibles à stocker à long terme.. Flat File a apporté beaucoup de données redondantes dans chaque entrée. Par exemple, si je veux créer un jeu de données unique avec tous les produits achetés dans une épicerie avec toutes les informations sur les clients et les produits, nous aurons chaque ligne composée de toutes les informations sur le client et le produit. Partout où nous avons un produit ou un client récurrent, nous avons répété les données. Les gens ont pensé à stocker cela sous forme de tables différentes et à définir une hiérarchie pour accéder à toutes les données, qui sera appelé comme base de données hiérarchique.
Base de données hiérarchique il est très similaire à la structure des dossiers de votre ordinateur portable. Chaque dossier peut contenir des sous-dossiers et chaque sous-dossier peut toujours contenir plus de sous-dossiers. Enfin dans certains dossiers, nous allons stocker des fichiers. Cependant, chaque nœud enfant (sous-dossier) n'aura qu'un seul parent (dossier ou sous-dossier). Finalement, nous pouvons créer une hiérarchie de l'ensemble de données:
Bases de données hiérarchiques, cependant, peut résoudre de nombreux objectifs, vos applications sont limitées à des structures de données de mappage un à un. Par exemple, cela fonctionnera bien si vous utilisez cette structure de données pour afficher la hiérarchie des profils de poste dans une entreprise. Mais la structure échouera si le reporting devient un peu plus compliqué et qu'un seul employé rend compte à de nombreux managers. Donc, les gens ont pensé à des structures de base de données qui peuvent avoir différents types de relations. Ce type de structure doit permettre le mappage un-à-plusieurs. Ce tableau est devenu connu sous le nom Base de données relationnelle du système de gestion (SGBDR).
Vous trouverez ci-dessous un exemple de structure de données SGBDR:
Comme vous pouvez le voir sur le schéma ci-dessus, il existe plusieurs clés qui peuvent nous aider à fusionner différents ensembles de données dans cette base de données. Ce type de stockage de données optimise l'espace disque occupé sans compromettre les détails des données. Il s'agit de la base de données généralement utilisée par l'industrie de l'analytique. Cependant, quand les données perdent leur structure, ladite base de données ne sera pas utile.
Base de données NoSQL
NoSQL est souvent appelé “Pas de SQL seul”. Quand les gens ont réalisé que le texte non structuré contenait des tonnes d'informations qu'ils ne pouvaient pas extraire à l'aide du SGBDR, commencé à explorer des moyens de stocker de tels ensembles de données. Tout ce qui n'est pas aujourd'hui un SGBDR est vaguement connu sous le nom de NoSQL. Après que les réseaux sociaux ont pris de l'importance sur le marché, une telle base de données est devenue courante dans l'industrie. Vous trouverez ci-dessous un exemple où il sera très difficile de stocker les données dans le SGBDR:
Facebook stocke des téraoctets supplémentaires de données chaque jour. Essayons d'imaginer la structure dans laquelle ces données peuvent être structurées:
Dans le schéma ci-dessus, la même case de couleur tombe dans la même catégorie d'objet. Par exemple, utilisateur, les amis de l'utilisateur, qui a aimé et l'auteur des commentaires, tous sont des utilisateurs de FB. À présent, si nous essayons de stocker toutes les données dans le SGBDR, pour exécuter une seule requête qui peut être juste une réponse à l'ouverture de la page d'accueil, nous devons joindre plusieurs tables avec des milliards de lignes ensemble pour trouver une table jointe, puis exécuter des algorithmes pour trouver les informations les plus pertinentes pour l'utilisateur. Cela ne semble pas être un deuxième travail à coup sûr. Donc, nous devons passer d'une compréhension tabulaire des données à une structure de données plus basée sur les flux (graphique). C'est ce que les structures NoSQL ont apporté. Nous aborderons les bases de données NoSQL dans notre prochain article.. Nous comparerons également différents types de bases de données NoSQL pour comprendre le réglage de ces bases de données.
Remarques finales
Les bases de données constituent la base de l'industrie de l'analytique. Même si on ne connaît pas chacun d'eux en détail, nous devrions avoir une vue d'ensemble de tout l'éventail des bases de données. Dans cet article, nous discutons des types populaires d'ensembles de données et de l'évolution du besoin de bases de données au fil du temps.. Dans le prochain article, nous continuerons la même discussion et franchirons une nouvelle étape dans la compréhension des types de bases de données NoSQL.
L'article vous a-t-il été utile? Partagez avec nous vos expériences avec différents types de bases de données. Faites-nous part de vos impressions sur cet article dans la case ci-dessous..
