Нереляционные базы данных. Лекция №1: Часть 1. "NoSQL и MongoDB"

• Нереляционные базы данных не используют SQL-запросы и не являются табличными.  

• Они широко применяются в работе с большими данными, игровых движках и высоконагруженных проектах.  

• Facebook и другие крупные компании используют нереляционные базы данных.  

• Нереляционные базы данных подходят для работы с большими данными и высоконагруженными системами.  

• Они позволяют создавать собственную структуру данных и хранить их в оперативной памяти.  

• Важно рассмотреть их преимущества и недостатки для понимания их использования.  

• OLTP обработка операций в режиме реального времени.  

• Система работает с небольшими транзакциями и большим потоком данных.  

• Пример: авторизация и вывод данных в веб-интерфейс.  

• Нереляционные базы данных имеют низкую задержку, особенно при хранении данных в оперативной памяти.  

• Это увеличивает скорость запросов и вывода данных.  

• Они полезны для обработки сложных и неструктурированных данных в различных отраслях.  

• Нереляционные базы данных используют модели ключ-значение, документы и графы.  

• Они предлагают компромисс между требованиями ACID и гибкостью модели данных.  

• ACID: атомарность, непротиворечивость, изолированность и надежность.  

• Первый уровень: read-committed допускает несогласованное чтение.  

• Второй уровень: read-committed видит только зафиксированные данные.  

• Третий уровень: repeatable read: читающая транзакция не видит изменений, внесенных другой транзакцией.  

• Четвертый уровень: Serializable обеспечивает беспрепятственный доступ к базе данных.  

• Нереляционные базы данных предлагают компромисс для масштабирования и гибкости модели данных.  

• Они подходят для высоконагруженных систем с низкой задержкой.  

• Производительность зависит от дисковой подсистемы и аппаратного обеспечения.  

• Базы данных могут храниться в оперативной памяти, что требует мощного процессора.  

• Задержка сети влияет на работу базы данных, особенно при удаленном подключении.  

• Масштабирование баз данных включает увеличение вычислительных мощностей и добавление копий для рабочих нагрузок.  

• Кластерная архитектура повышает пропускную способность и устойчивость к внешним воздействиям.  

• Один узел кластера может включать множество серверов, что увеличивает производительность.  

• Запросы на запись и извлечение данных составляются на языке SQL, что позволяет разработчикам легко работать с данными.  

• NewSQL поддерживает пять типов баз данных: нереляционные на основе пар ключ-значение, документы, графы, резидентные и поисковые.  

• Нереляционные базы данных обеспечивают горизонтальное масштабирование и подходят для игровых движков.  

• Документы в NewSQL хранятся в формате JSON, что делает их эффективными и интуитивно понятными для разработчиков.  

• Графовые базы данных упрощают разработку и запуск приложений с наборами сложносвязанных данных.  

• Резидентные базы данных хранят информацию напрямую в ОЗУ, что делает их дорогостоящими, но эффективными.  

• Поисковые нереляционные базы данных ориентированы на безопасный поиск и мониторинг бизнес-данных в режиме реального времени.  

• Для работы с NewSQL необходимо установить PyCharm и интегрировать его с Django.  

• Установка PyCharm включает загрузку и активацию через панель управления.  

• После установки PyCharm и интерпретатора Python можно начать работу с NewSQL.  

• Для работы с NewSQL устанавливается MySQL и настраивается подключение через PyCharm.  

• Используется драйвер JDBC для взаимодействия с базами данных в PyCharm.  

• Подключение к базе данных осуществляется через адрес localhost и порт 3306.  

• Проверка подключения и создание первой базы данных.  

• Установка MangoDB Enterprise.  

• Ввод данных для регистрации: почта, имя, компания, номер телефона.  

• Установка сервера и подключение по SSH.  

• Настройка и запуск сервера.  

• Подключение к нескольким базам данных.  

• Установка MangoDB для Mac.  

• Описание процесса установки и ссылки для скачивания.  

• Переход к созданию базы данных в MySQL.  

• Объяснение, что такое таблица в MySQL.  

• Логическая организация данных в таблицах.  

• Ограничения на количество таблиц в базе данных.  

• Таблицы могут содержать до 1024 столбцов и ограничены только емкостью SSD или HDD.  

• Можно устанавливать свойства таблиц и столбцов, такие как ограничения и значения по умолчанию.  

• Можно устанавливать связи между таблицами и использовать ORM для общего маппинга.  

• Данные в таблицах могут быть сжаты по строкам или страницам.  

• Пример создания таблицы с использованием команды CREATE TABLE.  

• Описание типов данных и их ограничений в PostgreSQL.  

• Использование команды INSERT для добавления данных в таблицу.  

• Пример заполнения таблицы данными с использованием команды INSERT.  

• Данные в PostgreSQL хранятся в виде таблиц.  

• Ряды и столбцы в таблицах PostgreSQL.  

• Ряды формируются при добавлении данных, столбцы содержат значения.  

• Возможность создания первичного ключа для идентификации записей.  

• Создание индексов для ускорения поиска данных.  

• Индексы создаются с помощью команды CREATE INDEX.  

• Представления в PostgreSQL как виртуальные таблицы, содержащие данные из нескольких таблиц.  

• Представления позволяют объединять данные из нескольких таблиц в одну.  

• Пример создания представления с использованием SELECT.  

• Представления могут быть использованы для создания новых таблиц и присвоения первичных ключей.  

• Важные таблицы позволяют работать с большими однородными данными.  

• Количество элементов в массиве может динамически увеличиваться до двух гигабайт.  

• Массивы удобны для работы с большими однородными или темпоральными данными.  

• В PostgreSQL можно использовать массивы, в отличие от MySQL.  

• Синтаксис массивов в PostgreSQL позволяет создавать многомерные и одномерные массивы.  

• В MySQL такой синтаксис отсутствует.  

• В MongoDB используются типы данных: integer, double, string, object, symbol, timestamp, minmax, binary, document, regex, code, binaryDate, date.  

• Эти типы данных позволяют хранить различные типы данных, включая массивы и документы.  

• Переход на виртуальную машину и отключение MySQL.  

• Создание базы данных с помощью команды use.  

• Вставка данных в коллекцию с помощью команды insert.  

• В MongoDB данные отображаются в табличном виде, что удобнее.  

• Удаление базы данных с помощью команды drop database.  

• Вставка нескольких документов в коллекцию с помощью команды insertMany.  

• Поля в MongoDB аналогичны столбцам в PostgreSQL.  

• ObjectId используется как первичный ключ и состоит из 24 символов.  

• Функция getTimestamp не работает в PyCharm, но работает в MongoDB.  

• Обжик Тай состоит из метки времени и пятибайтового уникального значения.  

• Значение создается один раз для каждой коллекции.  

• В конце добавляется трехбайтовый возрастающий счетчик.  

• Обжик Тай можно перевести в строковый тип данных.  

• По умолчанию хранится в шестнадцатеричном типе данных.  

• Пример: преобразование в строку и вывод.  

• Индексы используются для ускорения получения данных.  

• Хранятся как отдельная коллекция и доступны через команду getIndex.  

• Пример создания индекса для поля "студент нейм".  

• Поиск по полю "студент нейм" с помощью команды find.  

• Поиск по полю "студент вас на им" также возможен.  

• Индексы ускоряют поиск, но не всегда заметны.  

• Представления создаются из одной таблицы с помощью команды createView.  

• Пример создания представления из коллекции "п двадцать два три один".  

• Объединение коллекций возможно через агрегирование.  

• Вложенные документы позволяют создавать документы внутри других документов.  

• Пример добавления вложенного документа с полем "гроб".  

• Вложенные документы могут быть массивами.  

• Массивы в MongoDB аналогичны массивам в обычных языках программирования.  

• Пример создания массива с элементами "антонов александр" и "самарин игорь".  

• Массив создается в поле "гроб один".  

• Обсуждение команды фильтрации.  

• Пример фильтрации по значению "Егора" в таблице.  

• Возможность фильтрации по нескольким значениям.  

• Фильтрация по элементам вложенного объекта.  

• Пример фильтрации по полю "гроу один" и значению "Самарин Игорь".  

• Добавление нового студента в таблицу.  

• Проекция данных как аналог сложного условия в SQL.  

• Пример фильтрации по полю "студент нейм" и выводу только фамилий.  

• Использование команды "финдуан" для вывода одиночного документа.  

• Объяснение работы курсоров в MongoDB.  

• Пример использования курсора для вывода данных на новой строке.  

• Применение циклов for и forEach для перебора данных.  

• Использование функции "лимит" для вывода первых двух документов.  

• Пропуск первых двух записей с помощью команды "скип".  

• Комбинирование команд для вывода определенных документов.  

• Сортировка необходима для упорядоченного вывода информации.  

• Функция sort позволяет сортировать данные в алфавитном порядке.  

• Параметр -1 сортирует данные в обратном алфавитном порядке.  

• Пример использования sort для сортировки данных.  

• Данные выводятся в алфавитном порядке: сначала имена, затем группы.  

• Параметр -1 меняет порядок на обратный.  

• Оператор slice сочетает в себе limit и skip.  

• Позволяет работать с массивами.  

• Пример добавления данных в базу данных и использования slice.  

• Проблемы с использованием slice для выборки данных.  

• Решение проблем с помощью файн и файн.  

• Объяснение работы slice и его параметров.  

• Индексы используются для ускорения поиска информации.  

• В MongoDB индексы создаются для отдельных полей.  

• Пример создания индекса для поля "студент".  

• Присвоение индекса колонке "гроб студент".  

• Возможность создания нескольких индексов.  

• Удаление индексов с помощью команды "drop index".  

• Агрегатные функции позволяют получать общие документы и объединять их.  

• Функция "count documents" для подсчета количества документов.  

• Возможность вывода уникальных значений с помощью функции "distinct".  

• Добавление новых данных в базу: студенты и их возраст.  

• Присвоение полю "возраст" индекса для ускорения поиска.  

• Вывод студентов с возрастом от 18 лет и выше.  

• Использование операторов "lt" и "gt" для поиска студентов по возрасту.  

• Выявление студентов с возрастом от 17 до 40 лет.  

• Оператор равенства для поиска студентов с возрастом 18 лет.  

• Завершение лекции с упоминанием будущих тем: логические операторы, обновления данных, удаление данных и управление коллекцией.