O documento apresenta uma introdução sobre bancos de dados NoSQL como uma alternativa ao modelo relacional tradicional. Aborda os principais motivos para o surgimento dos bancos NoSQL, como o grande volume de dados gerados na internet, e apresenta as principais categorias de bancos NoSQL, incluindo armazenamento em colunas, chave-valor, orientado a documentos e orientado a grafos.

1. Banco de Dados
NoSQL
UMA ALTERNATIVA AO TRADICIONAL MODELO RELACIONAL

2. Joel Jr.
Twitter: @jhowvasconcelos
Blog: joevjunior.wordpress.com
E-mail: jr.joelvasconcelos@gmail.com

3. “Every 2 days we create
as much information as
we did up 2003”
ERIC SCHMIDT, GOOGLE

4. Por que NoSQL ?

Como o Google, Facebook e Twitter processam aquela imensidão
de dados ?

Como desenvolver algo tão rápido e otimizado utilizando modelo
relacional ?

O preço deve ser muito alto.

5. Conteúdo
1º Dia
Introdução
Contextualização Banco de Dados
Grande volume de Dados (Big Data)
Bancos de Dados NoSQL
2º Dia
Atuais Categorias de bancos NoSQL
Redis
MongoDB
Neo4j
Referências Bibliográficas

6. Introdução

Evolução dos Computadores



Investimento em pesquisa
Aumento do poder de processamento
Surgimento de tecnologias para armazenamento de dados

Conceituar, estruturar e manipular a informação independente da
máquina

7. Introdução

Modelo relacional


Edgar F Codd
Década de 70 surgem os primeiros bancos de
dados relacionais



System R
Ingres
Crescimento da internet

Cada vez mais pessoas acessando a internet

Cada vez mais dispositivos conectados à internet
Edgar F. Codd, criador do artigo Um Modelo
Relacional para Grandes Bancos de Dados
Compartilhados.

8. Bala de prata

Em TI a única bala de prata, ainda, é o banco de dados relacional.

9. Banco de Dados

Dado, Informação e Conhecimento

Dado



Sintático
Entidade matemática
Informação



Semântica
Abstração informal
Conhecimento

Contexto subjetivo

Abstração pessoal

10. Banco de Dados

O termo


Coleção logicamente coerente


Possui um aspecto do mundo real
Construído para uma finalidade específica
Evolução do conceito de arquivo



Redundância
Inconsistência
Vantagens

Integração

Controle de concorrência

Modelo Padronizado

SQL (Structured Query Language)

11. Banco de Dados

Mudança na forma de pensar no desenvolvimento de software

12. Grande Volume de Dados

Internet

Surgimento

Guerra Fria

J. C. R. Licklider (1962)

ARPANET (1972)


Trocar informações de maneira segura e ininterrupta
World Wide Web (Tim Bernes-Lee)

Até então a internet era muito chata

CERN libera a tecnologia (WWW) para qualquer usar sem necessidade de
pagamento de taxa

13. Grande Volume de Dados

14. Grande volume de dados

Big Data

Quão grande um conjunto de dados precisa ser para ser classificado como
Big Data ?

Acima dos terabytes (10^12)

Momento em que o modelo relacional começa apresentar problemas

O tráfego de dados irá quadruplicar de 2011 a 2016. Com uma taxa de 31%
ao ano.

Em nível global, o trafego de dados irá alcançar os 91,6 exabytes por mês,
ultrapassando os 23,9 exabytes por mês de 2011.

O tráfego da internet mundial 2016 será equivalente a 54 vezes o volume
da internet global de 2005

O google hoje está preparado para processar 20 petabytes (10^15) POR
DIA

O número de usuários acessando a internet no Brasil foi de 55 milhões para
83,4 milhões de 2008 a 2012

15. Grande volume de dados

Escalabilidade

Definição

Vertical

Bom para o modelo relacional

Alto custo

Limitação

16. Grande voluma de dados

Horizontal

Problemas com o modelo relacional

Ilimitado

Custo baixo

17. Bancos de Dados NoSQL

Surgimento

Modelo de Dados Agregados

Schemaless

Map Reduce

Propriedade ACID

18. Banco de Dados NoSQL
Surgimento
Banco
de dados relacional que não usava
SQL como linguagem de manipulação de
dados, criado por Carlo Strozzi.
2009
por Johan Oskarsson, desenvolvedor de
software londrino.
Falta
de um banco de dados que
funcionasse naturalmente em uma
arquitetura distribuída horizontalmente.
Resolver

a diferença de impedância.
Produtividade no desenvolvimento de
software.

19. Banco de Dados NoSQL

Diferença de Impedância.

Bancos orientados a objetos

Necessidade de “espremer” os dados
no esquema proposto.

Soluções caras no mundo relacional

20. Banco de Dados NoSQL
Modelo de Dados Agregados
Modelo

Tabelas, linhas e colunas
Modelo

Relacional
agregado
Unidades
Efeitos
do uso do modelo agregado

Abrir mão de resoluções propostas pelo modelo relacional

Consulta demorada para certos casos

21. Banco de Dados NoSQL
Modelo de Dados Agregados – Exemplo
Modelo
Relacional

22. Banco de Dados NoSQL
Modelo de Dados Agregados – Exemplo
Modelo
Agregado

23. Banco de Dados NoSQL
Modelo de Dados Agregados – Exemplo
Modelo
Agregado

24. Banco de Dados NoSQL
Schemaless
Como
é no modelo relacional
Flexibilidade
Facilidade
Efeitos
de lidar com dados não uniformes
no uso de banco de dados schmaless

Quando o programa exigir conhecimento dos nomes dos campos

Necessidade de analisar o código da aplicação

Banco de dados ignorante, no que diz respeito aos dados que estão sendo
armazenados.

25. Banco de Dados NoSQL
Map Reduce
Arquitetura

Cliente / Servidor
Preocupação com a quantidade de dados trafegados na rede
Cluster
de computadores

Divisão do processamento

Preocupação com a quantidade de dados trafegados na rede
Conceito
Map

Age em cada elemento de uma determinada lista
Reduce

(accumulate, compress e inject function)
Opera nas várias saídas produzidas pela função map.

26. Banco de Dados NoSQL
Map Reduce
Map

27. Banco de Dados NoSQL
Map Reduce
Reduce

28. Banco de Dados NoSQL
Propriedades ACID
Atomicidade

Transações envolvendo mais
de uma estrutura de dados agregados
Consistência

Escrita

Leitura

Consistência eventual
Teorema
CAP

Consistency

Availability

Partition tolerance

29. Observações

Quando usar NoSQL

30. Conclusão

Resolução de um problema

Crescimento da quantidade de dados (BigData)

Incertezas

Pequenas empresas devem tomar cuidado


Teorema CAP
Realizar uma boa análise para identificar qual das categorias
existentes de bancos NoSQL melhor se encaixa no modelo de
negócio

31.  Atuais
Categorias de bancos NoSQL
 Redis
 MongoDB
 Neo4j
 Referências
Bibliográficas

32. Atuais Categorias de Bancos NoSQL

Armazenamento orientado a colunas

Armazenamento em chave / valor

Banco de Dados orientado a documentos

Banco de Dados orientado a grafos

33. Atuais Categorias de Bancos NoSQL
Armazenamento orientado a colunas

Conceito


Evita desperdício de disco

Leitura muito rápida


Schmaless
Escrita um pouco mais lenta
Produtos

HBase

Hypertable

Amazon DynamoDB

Cloudata

34. Atuais Categorias de Bancos NoSQL
Armazenamento em chave / valor

Conceito

Categoria mais simples de NoSQL

Hash table


Acesso muito rápido aos dados
Produtos

Riak

Redis

Memcached DB

Membase

Kyoto Cabinet

35. Atuais Categorias de Bancos NoSQL
Banco de Dados orientado a documentos

Conceito

Documento

XML, JSON, BSON etc

Árvores hierárquicas auto descritíveis,
que consistem de mapas, coleções
e valores escalares

Collection



Conjunto de documentos similares
Pode ser comparada a uma tabela
do modelo relacional
Produtos

MongoDB

CouchDB

36. Atuais Categorias de Bancos NoSQL
Banco de Dados orientado a grafos

Conceito

Permite armazenar os
relacionamentos


Entidades


Podem possuir propriedades
Nós (vértices)
Relacionamentos

Arestas



Pode-se representar os
relacionamentos entre entidades
na maneira como eles ocorrem no
mundo real
Consulta muito rápida
Produtos

Neo4j

FlockDB

37. Redis

Breve introdução



Key-value store
In-memory
Características

Muito rápido

Ótimo para replicação

Leve e pequeno

Transações

Open Source (BSD License).

38. Redis

O que posso armazenar com Redis ?


Intengers

Hash

Lists

Sets


Strings
Sorted Sets
Clientes para Redis

C, C#, C++, Clojure, Common Lisp, Erlang, Go, Haskell

haXe, Java, Lua, Node.JS, Objetive C, Perl, PHP, Python

Ruby, Scala, SmallTalk, Tcl

39. Redis

Quem utiliza Redis ?

40. MongoDB

Breve Introdução


Poderoso

Flexível

Escalável


Mantido pela 10gen
Fácil de se trabalhar (amigável)
Características

Utiliza JSON

Schema flexível

Atualizações atômicas

Performance

Replicação

Auto-sharding

41. MongoDB

O que posso armazenar com o MongoDB



Boolean, Integer, String, Date, Regular Expression
Code, Array, Embedded document
Clientes para MongoDB

C, C++, C#, Erlang, Java

Perl, PHP, Python, Ruby, Scala

42. MongoDB

Quem usa MongoDB ?

43. Neo4j

Breve Introdução


Embeddable / Server

ACID (Atomicidade, consistência, isolamento e durabilidade)

Alta disponibilidade (Versão Enterprise)


Tudo pode ser modelado com grafos
Schemaless
Casos onde usar grafos

Sistemas de recomendação, Business Inteligence

Social Computing, Sistemas de gerenciamento

Web of things, Catálogo de Produtos, Web analytics

44. Neo4j

Clientes para Neo4j

Java, Ruby, PHP, .net, py2neo, node.js

Scala, Borneo, Python, django

45. Neo4j

Quem usa Neo4j ?

46. Referências

ABITEBOUL, Serge; BUNEMAN, Peter; SUCIU, Dan. Data on the Web: from relations to semistructured data and XML. San Francisco: Morgan Kaufmann Publishers, 2000.

CHODOROW, Kristina; DIROLF, Michael. MongoDB: the definitive guide. Sebastopol: O’Reilly Media Inc., 2010.

CISCO. VNI forecast highlights. Disponível em: < http://www.cisco.com/ web/solutions/sp/vni/vni_forecast_highlights/index.html#~Region>. Acesso em: 26 jan. 2013.

COMMITTEE ON INNOVATIONS IN COMPUTING AND COMMUNICATIONS. Funding a Revolution. Washington: National Academies Press, 1999.

ELMASRI; NAVATHE. Sistemas de banco de dados. 3. ed. São Paulo: Pearson, 2010.

ELON UNIVERSITY SCHOOL OF COMMUNICATIONS. Imagining the Internet: a history and forecast. Disponível em: < http://www.elon.edu/eweb/predictions/early90s/internethistory.xhtml>. Acesso em: 26 jan. 2013.

FERREIRA, Edmar. Escolhendo entre escalabilidade horizontal e escalabilidade vertical. Disponível em: <http://escalabilidade.com/2010/09/21/escolhendo-entre-escalabilidadehorizontal- e-escalabilidade-vertical/>. Acesso em: 26 jan. de 2013.

GREGOL, R. E. Weizenmann. Recursos de escalabilidade e alta disponibilidade para aplicações web. 2011. Monografia (Conclusão de Curso em Análise e Desenvolvimento de
Sistemas). UTFPR. 2011.

INTERNET SOCIETY. Brief history of the Internet. Disponível em: < http://www.internetsociety.org/internet/what-internet/history-internet/brief-history- internet#Origins>. Acesso em 26 jan
2013.

MANDEL, Arnaldo; IMRE, Simon; DELYRA, Jorge L. Informação: computação e comunicação. São Paulo: USP, 1997.

PETER, Ian. History of the World Wide Web. Disponível em: < http://www.nethistory.info/History%20of%20the%20Internet/web.html>. Acesso em: 26 jan. 2013.

RODRIGUES FILHO, José. A. F. Data Mining: conceitos, técnicos e aplicação, 2001. Dissertação (Mestrado em Engenharia) – Escola Politécnica, Universidade de São Paulo, 2001.

59

SADALAGE, Pramodkumar J.; FOWLER, Martin. NoSQL Distilled: A brief guide to the emerging world of polyglot persistence. Nova Jersey: Pearson Education Inc., 2012.

SETZER, Valdemar W. Dado, informação, conhecimento e competência. Disponível em: <http://www.dgz.org.br/dez99/Art_01.htm>. Acesso em: 21 out. 2012.

STRAUCH, Christof. NoSQL Databases. Stuttgart, 2011. Disponível em: <http://www.christof-strauch.de/nosqldbs.pdf>. Acesso em: 23 mai. 2013.

TIWARI, Shashank. Professional NoSQL. Indianápolis: Jhon Wiley & Sons, 2011.

YONG, Shao Chu. Banco de dados: organização, sistemas, administração. São Paulo: Atlas, 1983.

ZAKON, Robert H. Hobbes’ Internet timeline 10.2. Disponível em: <http://www.zakon.org/robert/internet/timeline/>. Acesso em: 26 jan. 2013.