ડેટાબેઝ ડિઝાઇન ફંડામેન્ટલ્સ - PostgreSQL, Cassandra, અને MongoDB ની સરખામણી

હેલો, મિત્રો. મે મહિનાની રજાઓના બીજા ભાગમાં જતા પહેલા, અમે તમારી સાથે તે સામગ્રી શેર કરીએ છીએ જેનો અમે અભ્યાસક્રમ પર એક નવો પ્રવાહ શરૂ થવાની અપેક્ષામાં અનુવાદ કર્યો હતો. "રિલેશનલ DBMS".

એપ્લીકેશન ડેવલપર્સ બહુવિધ ઓપરેશનલ ડેટાબેસેસની સરખામણી કરવા માટે ઘણો સમય વિતાવે છે જે હેતુપૂર્વકના વર્કલોડને શ્રેષ્ઠ અનુરૂપ હોય છે. જરૂરિયાતોમાં સરળ ડેટા મોડેલિંગ, ટ્રાન્ઝેક્શનલ બાંયધરી, વાંચન/લખવાની કામગીરી, આડી સ્કેલિંગ અને દોષ સહિષ્ણુતા શામેલ હોઈ શકે છે. પરંપરાગત રીતે, પસંદગી ડેટાબેઝ કેટેગરી, SQL અથવા NoSQL થી શરૂ થાય છે, કારણ કે દરેક કેટેગરી ટ્રેડ-ઓફનો સ્પષ્ટ સમૂહ રજૂ કરે છે. ઓછી વિલંબતા અને ઉચ્ચ થ્રુપુટના સંદર્ભમાં ઉચ્ચ પ્રદર્શનને સામાન્ય રીતે બિન-વેપાર-બંધ જરૂરિયાત તરીકે જોવામાં આવે છે અને તેથી તે કોઈપણ નમૂના ડેટાબેઝ માટે આવશ્યક છે.

આ લેખનો હેતુ એપ્લિકેશન ડેવલપર્સને એપ્લિકેશન ડેટા મોડેલિંગના સંદર્ભમાં SQL અને NoSQL વચ્ચે યોગ્ય પસંદગી કરવામાં મદદ કરવાનો છે. અમે ડેટાબેઝ ડિઝાઇનની મૂળભૂત બાબતોને આવરી લેવા માટે એક SQL ડેટાબેઝ, પોસ્ટગ્રેએસક્યુએલ, અને બે નોએસક્યુએલ ડેટાબેઝ, કેસાન્ડ્રા અને મોંગોડીબીને જોઈશું, જેમ કે કોષ્ટકો બનાવવી, તેને વસાવવા, કોષ્ટકમાંથી ડેટા વાંચવો અને તેને કાઢી નાખવો. આગલા લેખમાં, અમે ઇન્ડેક્સ, વ્યવહારો, જોડાઓ, TTL નિર્દેશો અને JSON-આધારિત ડેટાબેઝ ડિઝાઇન જોવાની ખાતરી કરીશું.

SQL અને NoSQL વચ્ચે શું તફાવત છે?

એસક્યુએલ ડેટાબેસેસ એસીઆઈડી ટ્રાન્ઝેક્શનલ ગેરંટી દ્વારા એપ્લિકેશન લવચીકતામાં વધારો કરે છે, તેમજ હાલના નોર્મલાઇઝ્ડ રીલેશનલ ડેટાબેઝ મોડલ્સની ટોચ પર અનપેક્ષિત રીતે JOIN નો ઉપયોગ કરીને ડેટાને ક્વેરી કરવાની તેમની ક્ષમતામાં વધારો કરે છે.

તેમના મોનોલિથિક/સિંગલ-નોડ આર્કિટેક્ચર અને રીડન્ડન્સી માટે માસ્ટર-સ્લેવ રેપ્લિકેશન મોડલના ઉપયોગને જોતાં, પરંપરાગત SQL ડેટાબેઝમાં બે મહત્વની સુવિધાઓનો અભાવ છે - લીનિયર રાઈટ સ્કેલેબિલિટી (એટલે ​​​​કે બહુવિધ નોડ્સ પર સ્વચાલિત પાર્ટીશન) અને સ્વચાલિત/શૂન્ય ડેટા નુકશાન. આનો અર્થ એ છે કે પ્રાપ્ત ડેટાની માત્રા એક નોડના મહત્તમ લેખન થ્રુપુટ કરતાં વધી શકતી નથી. વધુમાં, ફોલ્ટ સહિષ્ણુતા (શેર્ડ-નથિંગ આર્કિટેક્ચરમાં) કેટલાક કામચલાઉ ડેટા નુકશાનને ધ્યાનમાં લેવું આવશ્યક છે. અહીં તમારે ધ્યાનમાં રાખવાની જરૂર છે કે તાજેતરના કમિટ હજુ સુધી સ્લેવ કોપીમાં પ્રતિબિંબિત થયા નથી. નોન-ડાઉનટાઇમ અપડેટ્સ પણ SQL ડેટાબેસેસમાં હાંસલ કરવા મુશ્કેલ છે.

NoSQL ડેટાબેસેસ સામાન્ય રીતે પ્રકૃતિ દ્વારા વિતરિત કરવામાં આવે છે, એટલે કે. તેમાં, ડેટાને વિભાગોમાં વિભાજિત કરવામાં આવે છે અને વિવિધ ગાંઠોમાં વિતરિત કરવામાં આવે છે. તેમને ડિનોર્મલાઇઝેશનની જરૂર છે. આનો અર્થ એ છે કે તમે મોકલો છો તે વિશિષ્ટ વિનંતીઓનો પ્રતિસાદ આપવા માટે દાખલ કરેલ ડેટાની ઘણી વખત નકલ કરવી આવશ્યક છે. એકંદરે ધ્યેય વાંચન દરમિયાન ઉપલબ્ધ શાર્ડ્સની સંખ્યા ઘટાડીને ઉચ્ચ પ્રદર્શન પ્રાપ્ત કરવાનું છે. આ સૂચવે છે કે NoSQL માટે તમારે તમારી ક્વેરીઝનું મોડલ કરવાની જરૂર છે, જ્યારે SQL માટે તમારે તમારા ડેટાનું મોડલ કરવાની જરૂર છે.

NoSQL વિતરિત ક્લસ્ટરમાં ઉચ્ચ પ્રદર્શન હાંસલ કરવા પર ધ્યાન કેન્દ્રિત કરે છે અને આ ઘણા ડેટાબેઝ ડિઝાઇન ટ્રેડઓફ માટે અંતર્ગત તર્ક છે જેમાં ACID ટ્રાન્ઝેક્શન લોસ, JOINs અને સતત વૈશ્વિક ગૌણ સૂચકાંકોનો સમાવેશ થાય છે.

એવી દલીલ છે કે જ્યારે NoSQL ડેટાબેઝ લીનિયર રાઈટ સ્કેલેબિલિટી અને હાઈ ફોલ્ટ સહિષ્ણુતા પ્રદાન કરે છે, ત્યારે ટ્રાન્ઝેક્શનલ ગેરંટીની ખોટ તેમને મિશન-ક્રિટીકલ ડેટા માટે અયોગ્ય બનાવે છે.

નીચેનું કોષ્ટક બતાવે છે કે કેવી રીતે NoSQL માં ડેટા મોડેલિંગ SQL થી અલગ છે.

SQL અને NoSQL: બંને શા માટે જરૂરી છે?

Amazon.com, Netflix, Uber અને Airbnb જેવી મોટી સંખ્યામાં યુઝર્સ ધરાવતી વાસ્તવિક દુનિયાની એપ્લીકેશનોને જટિલ, બહુપક્ષીય કાર્યો કરવા માટે સોંપવામાં આવે છે. ઉદાહરણ તરીકે, Amazon.com જેવી ઈ-કોમર્સ એપ્લિકેશનને લાઇટવેઇટ, ઉચ્ચ-જટિલ ડેટા જેમ કે વપરાશકર્તાની માહિતી, ઉત્પાદનો, ઓર્ડર્સ, ઇન્વૉઇસેસ, ભારે, ઓછા સંવેદનશીલ ડેટા જેમ કે ઉત્પાદન સમીક્ષાઓ, સપોર્ટ સંદેશાઓ, વપરાશકર્તા પ્રવૃત્તિ, સંગ્રહિત કરવાની જરૂર છે. વપરાશકર્તા સમીક્ષાઓ અને ભલામણો. સ્વાભાવિક રીતે, આ એપ્લિકેશનો ઓછામાં ઓછા એક એસક્યુએલ ડેટાબેઝ સાથે ઓછામાં ઓછા એક NoSQL ડેટાબેઝ પર આધાર રાખે છે. ક્રોસ-પ્રાદેશિક અને વૈશ્વિક સિસ્ટમોમાં, NoSQL ડેટાબેઝ ચોક્કસ પ્રદેશમાં ચાલતા વિશ્વસનીય સ્ત્રોત SQL ડેટાબેઝમાં સંગ્રહિત ડેટા માટે જીઓ-વિતરિત કેશ તરીકે કાર્ય કરે છે.

યુગબાઇટ ડીબી SQL અને NoSQL ને કેવી રીતે જોડે છે?

લોગ-ઓરિએન્ટેડ મિક્સ્ડ સ્ટોરેજ એન્જિન, ઓટો-શાર્ડિંગ, શાર્ડેડ ડિસ્ટ્રિબ્યુટેડ કન્સેન્સસ રિપ્લિકેશન અને ACID ડિસ્ટ્રિબ્યુટેડ ટ્રાન્ઝેક્શન્સ (Google Spanner દ્વારા પ્રેરિત) પર બનેલ, YugaByte DB એ વિશ્વનો પહેલો ઓપન સોર્સ ડેટાબેઝ છે જે એકસાથે NoSQL (Cassandra & Redis) સાથે સુસંગત છે. SQL (PostgreSQL). નીચે આપેલા કોષ્ટકમાં બતાવ્યા પ્રમાણે, YCQL, કેસાન્ડ્રા સાથે સુસંગત યુગબાઇટ DB API, NoSQL API માં સિંગલ અને મલ્ટી-કી ACID વ્યવહારો અને વૈશ્વિક ગૌણ અનુક્રમણિકાઓની વિભાવનાઓ ઉમેરે છે, જેનાથી વ્યવહારિક NoSQL ડેટાબેસેસના યુગની શરૂઆત થાય છે. વધુમાં, YCQL, PostgreSQL સાથે સુસંગત યુગબાઇટ DB API, SQL API માં લીનિયર રાઇટ સ્કેલિંગ અને ઓટોમેટિક ફોલ્ટ ટોલરન્સના ખ્યાલો ઉમેરે છે, જે વિશ્વમાં વિતરિત SQL ડેટાબેસેસ લાવે છે. યુગાબાઇટ ડીબી પ્રકૃતિમાં વ્યવહારિક હોવાને કારણે, NoSQL API નો ઉપયોગ હવે મિશન-ક્રિટીકલ ડેટાના સંદર્ભમાં થઈ શકે છે.

અગાઉ લેખમાં જણાવ્યું તેમ "YSQL નો પરિચય: યુગબાઇટ DB માટે પોસ્ટગ્રેએસક્યુએલ સુસંગત વિતરિત SQL API", YugaByte DB માં SQL અથવા NoSQL વચ્ચેની પસંદગી સંપૂર્ણપણે અંતર્ગત વર્કલોડની લાક્ષણિકતાઓ પર આધારિત છે:

• જો તમારું પ્રાથમિક વર્કલોડ મલ્ટી-કી JOIN ઑપરેશન્સ છે, તો YSQL પસંદ કરતી વખતે, સમજો કે તમારી કી બહુવિધ નોડ્સ પર વિતરિત થઈ શકે છે, જેના પરિણામે NoSQL કરતાં વધુ લેટન્સી અને/અથવા ઓછા થ્રુપુટ થાય છે.
• નહિંતર, બેમાંથી કોઈ એક NoSQL API પસંદ કરો, ધ્યાનમાં રાખીને કે તમને એક સમયે એક નોડમાંથી આપવામાં આવતી ક્વેરીઝના પરિણામે વધુ સારું પ્રદર્શન મળશે. YugaByte DB વાસ્તવિક-વિશ્વ, જટિલ એપ્લિકેશનો માટે એકલ ઓપરેશનલ ડેટાબેઝ તરીકે સેવા આપી શકે છે જેને એકસાથે બહુવિધ વર્કલોડનું સંચાલન કરવાની જરૂર છે.

આગળના વિભાગમાં ડેટા મોડેલિંગ લેબ પોસ્ટગ્રેએસક્યુએલ અને કેસાન્ડ્રા API સુસંગત યુગબાઇટ ડીબી ડેટાબેસેસ પર આધારિત છે, જે મૂળ ડેટાબેસેસની વિરુદ્ધ છે. આ અભિગમ બે અલગ અલગ ડેટાબેઝના સંપૂર્ણ સ્વતંત્ર ક્લસ્ટરનો ઉપયોગ કરવાના વિરોધમાં, સમાન ડેટાબેઝ ક્લસ્ટરના બે અલગ-અલગ API (બે અલગ-અલગ બંદરો પર) સાથે ક્રિયાપ્રતિક્રિયા કરવાની સરળતા પર ભાર મૂકે છે.
નીચેના વિભાગોમાં, અમે આવરી લેવામાં આવેલા ડેટાબેઝના તફાવતો અને કેટલીક સમાનતાઓને સમજાવવા માટે ડેટા મોડેલિંગ લેબ પર એક નજર નાખીશું.

ડેટા મોડેલિંગ લેબોરેટરી

ડેટાબેઝ ઇન્સ્ટોલેશન

ડેટા મૉડલ ડિઝાઇન (જટિલ ડિપ્લોયમેન્ટ આર્કિટેક્ચરને બદલે) પરના ભારને જોતાં, અમે સ્થાનિક મશીન પર ડોકર કન્ટેનરમાં ડેટાબેસેસ ઇન્સ્ટોલ કરીશું અને પછી તેમના સંબંધિત કમાન્ડ લાઇન શેલ્સનો ઉપયોગ કરીને તેમની સાથે ક્રિયાપ્રતિક્રિયા કરીશું.

PostgreSQL અને Cassandra સુસંગત યુગાબાઇટ DB ડેટાબેઝ

mkdir ~/yugabyte && cd ~/yugabyte
wget https://downloads.yugabyte.com/yb-docker-ctl && chmod +x yb-docker-ctl
docker pull yugabytedb/yugabyte
./yb-docker-ctl create --enable_postgres

MongoDB

docker run --name my-mongo -d mongo:latest

કમાન્ડ લાઇન એક્સેસ

ચાલો અનુરૂપ API માટે કમાન્ડ લાઇન શેલનો ઉપયોગ કરીને ડેટાબેસેસ સાથે કનેક્ટ કરીએ.

પોસ્ટગ્રે એસક્યુએલ

psql PostgreSQL સાથે ક્રિયાપ્રતિક્રિયા કરવા માટે કમાન્ડ લાઇન શેલ છે. ઉપયોગમાં સરળતા માટે, યુગાબાઇટ ડીબી બીન ફોલ્ડરમાં જ psql સાથે આવે છે.

docker exec -it yb-postgres-n1 /home/yugabyte/postgres/bin/psql -p 5433 -U postgres

Cassandra

cqlsh CQL (Cassandra Query Language) દ્વારા Cassandra અને તેના સુસંગત ડેટાબેસેસ સાથે ક્રિયાપ્રતિક્રિયા કરવા માટે કમાન્ડ લાઇન શેલ છે. ઉપયોગમાં સરળતા માટે, યુગબાઇટ ડીબી સાથે આવે છે cqlsh સૂચિમાં bin.
નોંધ કરો કે CQL એ SQL દ્વારા પ્રેરિત હતું અને તેમાં કોષ્ટકો, પંક્તિઓ, કૉલમ્સ અને ઇન્ડેક્સના સમાન ખ્યાલો છે. જો કે, NoSQL ભાષા તરીકે, તે મર્યાદાઓનો ચોક્કસ સમૂહ ઉમેરે છે, જેમાંથી મોટા ભાગનાને અમે અન્ય લેખોમાં પણ આવરી લઈશું.

docker exec -it yb-tserver-n1 /home/yugabyte/bin/cqlsh

MongoDB

મોગો મોંગોડીબી સાથે ક્રિયાપ્રતિક્રિયા કરવા માટે કમાન્ડ લાઇન શેલ છે. તે MongoDB ઇન્સ્ટોલેશનની બિન ડિરેક્ટરીમાં મળી શકે છે.

docker exec -it my-mongo bash 
cd bin
mongo

એક ટેબલ બનાવો

હવે આપણે આદેશ વાક્યનો ઉપયોગ કરીને વિવિધ કામગીરી કરવા માટે ડેટાબેઝ સાથે સંપર્ક કરી શકીએ છીએ. ચાલો એક ટેબલ બનાવીને શરૂઆત કરીએ જે વિવિધ કલાકારો દ્વારા લખાયેલા ગીતો વિશેની માહિતી સંગ્રહિત કરે છે. આ ગીતો આલ્બમનો ભાગ હોઈ શકે છે. ગીત માટે વૈકલ્પિક લક્ષણો પણ રિલીઝનું વર્ષ, કિંમત, શૈલી અને રેટિંગ છે. અમારે "ટૅગ્સ" ફીલ્ડ દ્વારા ભવિષ્યમાં જરૂર પડી શકે તેવા વધારાના લક્ષણો માટે એકાઉન્ટ કરવાની જરૂર છે. તે કી-વેલ્યુ જોડીના રૂપમાં સેમી-સ્ટ્રક્ચર્ડ ડેટા સ્ટોર કરી શકે છે.

પોસ્ટગ્રે એસક્યુએલ

CREATE TABLE Music (
    Artist VARCHAR(20) NOT NULL, 
    SongTitle VARCHAR(30) NOT NULL,
    AlbumTitle VARCHAR(25),
    Year INT,
    Price FLOAT,
    Genre VARCHAR(10),
    CriticRating FLOAT,
    Tags TEXT,
    PRIMARY KEY(Artist, SongTitle)
);	

Cassandra

Cassandra માં કોષ્ટક બનાવવું એ PostgreSQL જેવું જ છે. મુખ્ય તફાવતોમાંનો એક અખંડિતતાના અવરોધોનો અભાવ છે (દા.ત. NULL નહીં), પરંતુ આ એપ્લિકેશનની જવાબદારી છે, NoSQL ડેટાબેઝની નહીં. પ્રાથમિક કીમાં પાર્ટીશન કી (નીચેના ઉદાહરણમાં આર્ટિસ્ટ કૉલમ) અને ક્લસ્ટરિંગ કૉલમનો સમૂહ (નીચેના ઉદાહરણમાં ગીત ટાઇટલ કૉલમ)નો સમાવેશ થાય છે. પાર્ટીશન કી નક્કી કરે છે કે પંક્તિ કયા પાર્ટીશન/શાર્ડમાં મૂકવી જોઈએ, અને ક્લસ્ટરિંગ કૉલમ સૂચવે છે કે વર્તમાન શાર્ડમાં ડેટા કેવી રીતે ગોઠવવો જોઈએ.

CREATE KEYSPACE myapp;
USE myapp;
CREATE TABLE Music (
    Artist TEXT, 
    SongTitle TEXT,
    AlbumTitle TEXT,
    Year INT,
    Price FLOAT,
    Genre TEXT,
    CriticRating FLOAT,
    Tags TEXT,
    PRIMARY KEY(Artist, SongTitle)
);

MongoDB

મોંગોડીબી ડેટાબેઝ (ડેટાબેઝ) (કેસાન્ડ્રામાં કીસ્પેસની જેમ) માં ડેટાનું આયોજન કરે છે, જ્યાં દસ્તાવેજો (કોષ્ટકની પંક્તિઓની જેમ) સમાવિષ્ટ સંગ્રહો (કોષ્ટકોની જેમ) છે. MongoDB માં, મૂળભૂત રીતે પ્રારંભિક સ્કીમા વ્યાખ્યાયિત કરવાની કોઈ જરૂર નથી. ટીમ "ડેટાબેઝનો ઉપયોગ કરો", નીચે બતાવેલ, પ્રથમ કોલ પર ડેટાબેઝને ઇન્સ્ટન્ટિએટ કરે છે અને નવા બનાવેલા ડેટાબેઝ માટે સંદર્ભમાં ફેરફાર કરે છે. સંગ્રહો પણ સ્પષ્ટ રીતે બનાવવાની જરૂર નથી; તે આપમેળે બનાવવામાં આવે છે, જ્યારે તમે નવા સંગ્રહમાં પ્રથમ દસ્તાવેજ ઉમેરો છો. નોંધ કરો કે મોંગોડીબી ડિફૉલ્ટ રૂપે પરીક્ષણ ડેટાબેઝનો ઉપયોગ કરે છે, તેથી કોઈ ચોક્કસ ડેટાબેઝનો ઉલ્લેખ કર્યા વિના કોઈપણ સંગ્રહ-સ્તરની કામગીરી ડિફોલ્ટ રૂપે તેના પર ચાલશે.

use myNewDatabase;

ટેબલ વિશે માહિતી મેળવવી
પોસ્ટગ્રે એસક્યુએલ

d Music
Table "public.music"
    Column    |         Type          | Collation | Nullable | Default 
--------------+-----------------------+-----------+----------+--------
 artist       | character varying(20) |           | not null | 
 songtitle    | character varying(30) |           | not null | 
 albumtitle   | character varying(25) |           |          | 
 year         | integer               |           |          | 
 price        | double precision      |           |          | 
 genre        | character varying(10) |           |          | 
 criticrating | double precision      |           |          | 
 tags         | text                  |           |          | 
Indexes:
    "music_pkey" PRIMARY KEY, btree (artist, songtitle)

Cassandra

DESCRIBE TABLE MUSIC;
CREATE TABLE myapp.music (
    artist text,
    songtitle text,
    albumtitle text,
    year int,
    price float,
    genre text,
    tags text,
    PRIMARY KEY (artist, songtitle)
) WITH CLUSTERING ORDER BY (songtitle ASC)
    AND default_time_to_live = 0
    AND transactions = {'enabled': 'false'};

MongoDB

use myNewDatabase;
show collections;

કોષ્ટકમાં ડેટા દાખલ કરો
પોસ્ટગ્રે એસક્યુએલ

INSERT INTO Music 
    (Artist, SongTitle, AlbumTitle, 
    Year, Price, Genre, CriticRating, 
    Tags)
VALUES(
    'No One You Know', 'Call Me Today', 'Somewhat Famous',
    2015, 2.14, 'Country', 7.8,
    '{"Composers": ["Smith", "Jones", "Davis"],"LengthInSeconds": 214}'
);
INSERT INTO Music 
    (Artist, SongTitle, AlbumTitle, 
    Price, Genre, CriticRating)
VALUES(
    'No One You Know', 'My Dog Spot', 'Hey Now',
    1.98, 'Country', 8.4
);
INSERT INTO Music 
    (Artist, SongTitle, AlbumTitle, 
    Price, Genre)
VALUES(
    'The Acme Band', 'Look Out, World', 'The Buck Starts Here',
    0.99, 'Rock'
);
INSERT INTO Music 
    (Artist, SongTitle, AlbumTitle, 
    Price, Genre, 
    Tags)
VALUES(
    'The Acme Band', 'Still In Love', 'The Buck Starts Here',
    2.47, 'Rock', 
    '{"radioStationsPlaying": ["KHCR", "KBQX", "WTNR", "WJJH"], "tourDates": { "Seattle": "20150625", "Cleveland": "20150630"}, "rotation": Heavy}'
);

Cassandra

એકંદર અભિવ્યક્તિ INSERT Cassandra માં PostgreSQL માં ખૂબ સમાન દેખાય છે. જો કે, સિમેન્ટિક્સમાં એક મોટો તફાવત છે. કસાન્ડ્રામાં INSERT ખરેખર એક ઓપરેશન છે UPSERT, જ્યાં પંક્તિ પહેલાથી અસ્તિત્વમાં હોય તો પંક્તિમાં છેલ્લા મૂલ્યો ઉમેરવામાં આવે છે.

ડેટા એન્ટ્રી પોસ્ટગ્રેએસક્યુએલ જેવી જ છે INSERT ઉચ્ચ

.

MongoDB

મોંગોડીબી એ કેસાન્ડ્રાની જેમ NoSQL ડેટાબેઝ હોવા છતાં, તેની નિવેશ કામગીરી કસાન્ડ્રાના અર્થપૂર્ણ વર્તણૂક સાથે સામાન્ય નથી. MongoDB માં દાખલ કરો () કોઈ તકો નથી UPSERT, જે તેને PostgreSQL જેવું જ બનાવે છે. વગર ડિફોલ્ટ ડેટા ઉમેરી રહ્યા છે _idspecified સંગ્રહમાં એક નવો દસ્તાવેજ ઉમેરવાનું કારણ બનશે.

db.music.insert( {
artist: "No One You Know",
songTitle: "Call Me Today",
albumTitle: "Somewhat Famous",
year: 2015,
price: 2.14,
genre: "Country",
tags: {
Composers: ["Smith", "Jones", "Davis"],
LengthInSeconds: 214
}
}
);
db.music.insert( {
artist: "No One You Know",
songTitle: "My Dog Spot",
albumTitle: "Hey Now",
price: 1.98,
genre: "Country",
criticRating: 8.4
}
);
db.music.insert( {
artist: "The Acme Band",
songTitle: "Look Out, World",
albumTitle:"The Buck Starts Here",
price: 0.99,
genre: "Rock"
}
);
db.music.insert( {
artist: "The Acme Band",
songTitle: "Still In Love",
albumTitle:"The Buck Starts Here",
price: 2.47,
genre: "Rock",
tags: {
radioStationsPlaying:["KHCR", "KBQX", "WTNR", "WJJH"],
tourDates: {
Seattle: "20150625",
Cleveland: "20150630"
},
rotation: "Heavy"
}
}
);

કોષ્ટક ક્વેરી

ક્વેરી કન્સ્ટ્રક્શનના સંદર્ભમાં કદાચ SQL અને NoSQL વચ્ચેનો સૌથી નોંધપાત્ર તફાવત વપરાયેલી ભાષા છે FROM и WHERE. એસક્યુએલ અભિવ્યક્તિ પછી પરવાનગી આપે છે FROM બહુવિધ કોષ્ટકો પસંદ કરો, અને અભિવ્યક્તિ સાથે WHERE કોઈપણ જટિલતા હોઈ શકે છે (ઓપરેશન્સ સહિત JOIN કોષ્ટકો વચ્ચે). જો કે, NoSQL પર ગંભીર મર્યાદા લાદવાનું વલણ ધરાવે છે FROM, અને માત્ર એક ઉલ્લેખિત કોષ્ટક સાથે કામ કરો, અને માં WHERE, પ્રાથમિક કી હંમેશા ઉલ્લેખિત હોવી જોઈએ. આ NoSQL પરફોર્મન્સ પુશ સાથે જોડાયેલું છે જેના વિશે આપણે અગાઉ વાત કરી હતી. આ ઇચ્છા કોઈપણ ક્રોસ-ટેબ્યુલર અને ક્રોસ-કી ક્રિયાપ્રતિક્રિયામાં દરેક સંભવિત ઘટાડા તરફ દોરી જાય છે. વિનંતિનો પ્રતિસાદ આપતી વખતે તે આંતર-નોડ સંચારમાં મોટો વિલંબ લાવી શકે છે અને તેથી સામાન્ય રીતે તેને શ્રેષ્ઠ રીતે ટાળવામાં આવે છે. ઉદાહરણ તરીકે, કસાન્ડ્રાને ક્વેરી ચોક્કસ ઓપરેટરો સુધી મર્યાદિત હોવી જરૂરી છે (ફક્ત =, IN, <, >, =>, <=) પાર્ટીશન કીઓ પર, ગૌણ અનુક્રમણિકાની વિનંતી કરતી વખતે સિવાય (માત્ર = ઓપરેટર અહીં માન્ય છે).

પોસ્ટગ્રે એસક્યુએલ

નીચે પ્રશ્નોના ત્રણ ઉદાહરણો છે જે સરળતાથી SQL ડેટાબેઝ દ્વારા એક્ઝિક્યુટ કરી શકાય છે.

• કલાકાર દ્વારા બધા ગીતો પ્રદર્શિત કરો;
• શીર્ષકના પ્રથમ ભાગ સાથે મેળ ખાતા કલાકારના તમામ ગીતો પ્રદર્શિત કરો;
• શીર્ષકમાં ચોક્કસ શબ્દ હોય અને જેની કિંમત 1.00 કરતા ઓછી હોય તેવા કલાકારના તમામ ગીતો પ્રદર્શિત કરો.

SELECT * FROM Music
WHERE Artist='No One You Know';
SELECT * FROM Music
WHERE Artist='No One You Know' AND SongTitle LIKE 'Call%';
SELECT * FROM Music
WHERE Artist='No One You Know' AND SongTitle LIKE '%Today%'
AND Price > 1.00;

Cassandra

ઉપર સૂચિબદ્ધ પોસ્ટગ્રેએસક્યુએલ ક્વેરીઝમાંથી, ફક્ત પ્રથમ જ કેસન્ડ્રામાં યથાવત કામ કરશે, કારણ કે ઓપરેટર LIKE ક્લસ્ટરિંગ કૉલમ પર લાગુ કરી શકાતું નથી જેમ કે SongTitle. આ કિસ્સામાં, ફક્ત ઓપરેટરોને જ મંજૂરી છે = и IN.

SELECT * FROM Music
WHERE Artist='No One You Know';
SELECT * FROM Music
WHERE Artist='No One You Know' AND SongTitle IN ('Call Me Today', 'My Dog Spot')
AND Price > 1.00;

MongoDB

અગાઉના ઉદાહરણોમાં બતાવ્યા પ્રમાણે, મોંગોડીબીમાં ક્વેરી બનાવવા માટેની મુખ્ય પદ્ધતિ છે db.collection.find(). આ પદ્ધતિમાં સ્પષ્ટપણે સંગ્રહનું નામ છે (music નીચેના ઉદાહરણમાં), તેથી બહુવિધ સંગ્રહોની પૂછપરછ પ્રતિબંધિત છે.

db.music.find( {
  artist: "No One You Know"
 } 
);
db.music.find( {
  artist: "No One You Know",
  songTitle: /Call/
 } 
);

કોષ્ટકની બધી પંક્તિઓ વાંચવી

બધી પંક્તિઓ વાંચવી એ ક્વેરી પેટર્નનો એક વિશિષ્ટ કેસ છે જે આપણે અગાઉ જોયો હતો.

પોસ્ટગ્રે એસક્યુએલ

SELECT * 
FROM Music;

Cassandra

ઉપરના PostgreSQL ઉદાહરણ જેવું જ.

MongoDB

db.music.find( {} );

કોષ્ટકમાં ડેટાનું સંપાદન

પોસ્ટગ્રે એસક્યુએલ

PostgreSQL સૂચનાઓ પ્રદાન કરે છે UPDATE ડેટા બદલવા માટે. તેણી પાસે કોઈ તકો નથી UPSERT, તેથી જો પંક્તિ હવે ડેટાબેઝમાં ન હોય તો આ નિવેદન નિષ્ફળ જશે.

UPDATE Music
SET Genre = 'Disco'
WHERE Artist = 'The Acme Band' AND SongTitle = 'Still In Love';

Cassandra

કસાન્ડ્રા પાસે છે UPDATE PostgreSQL જેવું જ. UPDATE સમાન અર્થશાસ્ત્ર ધરાવે છે UPSERT, સમાન INSERT.

ઉપરના PostgreSQL ઉદાહરણ જેવું જ.

MongoDB
ઓપરેશન અપડેટ () MongoDB માં અસ્તિત્વમાંના દસ્તાવેજને સંપૂર્ણપણે અપડેટ કરી શકે છે અથવા ફક્ત અમુક ફીલ્ડ્સને અપડેટ કરી શકે છે. ડિફૉલ્ટ રૂપે, તે સિમેન્ટિક્સ અક્ષમ સાથે માત્ર એક દસ્તાવેજને અપડેટ કરે છે UPSERT. બહુવિધ દસ્તાવેજો અને સમાન વર્તન અપડેટ કરવું UPSERT ઓપરેશન માટે વધારાના ફ્લેગ સેટ કરીને લાગુ કરી શકાય છે. ઉદાહરણ તરીકે, નીચેના ઉદાહરણમાં, ચોક્કસ કલાકારની શૈલી તેના ગીતના આધારે અપડેટ કરવામાં આવે છે.

db.music.update(
  {"artist": "The Acme Band"},
  { 
    $set: {
      "genre": "Disco"
    }
  },
  {"multi": true, "upsert": true}
);

કોષ્ટકમાંથી ડેટા દૂર કરી રહ્યા છીએ

પોસ્ટગ્રે એસક્યુએલ

DELETE FROM Music
WHERE Artist = 'The Acme Band' AND SongTitle = 'Look Out, World';

Cassandra

ઉપરના PostgreSQL ઉદાહરણ જેવું જ.

MongoDB

MongoDB પાસે દસ્તાવેજો કાઢી નાખવા માટે બે પ્રકારની કામગીરી છે - એક કાઢી નાખો() /deleteMany() и () દૂર કરો. બંને પ્રકારો દસ્તાવેજો કાઢી નાખે છે પરંતુ વિવિધ પરિણામો આપે છે.

db.music.deleteMany( {
        artist: "The Acme Band"
    }
);

કોષ્ટક કાઢી રહ્યું છે

પોસ્ટગ્રે એસક્યુએલ

DROP TABLE Music;

Cassandra

ઉપરના PostgreSQL ઉદાહરણ જેવું જ.

MongoDB

db.music.drop();

નિષ્કર્ષ

SQL અને NoSQL વચ્ચે પસંદગી કરવા અંગેની ચર્ચા 10 વર્ષથી વધુ સમયથી ચાલી રહી છે. આ ચર્ચાના બે મુખ્ય પાસાઓ છે: ડેટાબેઝ એન્જિન આર્કિટેક્ચર (મોનોલિથિક, ટ્રાન્ઝેક્શનલ એસક્યુએલ વિ વિતરિત, નોન-ટ્રાન્ઝેક્શનલ NoSQL) અને ડેટાબેઝ ડિઝાઇન અભિગમ (SQL માં તમારા ડેટાનું મોડેલિંગ vs NoSQL માં તમારી ક્વેરીઝનું મોડેલિંગ).

યુગબાઇટ ડીબી જેવા વિતરિત ટ્રાન્ઝેક્શનલ ડેટાબેઝ સાથે, ડેટાબેઝ આર્કિટેક્ચર વિશેની ચર્ચાને સરળતાથી શાંત કરી શકાય છે. જેમ જેમ ડેટા વોલ્યુમ્સ એક નોડ પર લખી શકાય તેના કરતા વધુ મોટું થાય છે, એક સંપૂર્ણ વિતરિત આર્કિટેક્ચર કે જે ઓટોમેટિક શાર્ડિંગ/રિબેલેન્સિંગ સાથે લીનિયર રાઈટ સ્કેલેબિલિટીને સપોર્ટ કરે છે તે જરૂરી બને છે.

આ ઉપરાંત, એક લેખમાં જણાવ્યા મુજબ Google મેઘ,વ્યવહારલક્ષી, મજબૂત સુસંગત આર્કિટેક્ચરો હવે વધુ છે, નોન-ટ્રાન્ઝેક્શનલ, આખરે સુસંગત આર્કિટેક્ચરો કરતાં વધુ સારી વિકાસ ચપળતા પ્રદાન કરવા માટે વપરાય છે.

ડેટાબેઝ ડિઝાઇન ચર્ચા પર પાછા આવીએ, તે કહેવું યોગ્ય છે કે કોઈપણ જટિલ વાસ્તવિક-વિશ્વ એપ્લિકેશન માટે બંને ડિઝાઇન અભિગમો (SQL અને NoSQL) જરૂરી છે. SQL "ડેટા મોડેલિંગ" અભિગમ વિકાસકર્તાઓને બદલાતી વ્યાપાર આવશ્યકતાઓને વધુ સરળતાથી પૂરી કરવાની મંજૂરી આપે છે, જ્યારે NoSQL "ક્વેરી મોડેલિંગ" અભિગમ સમાન વિકાસકર્તાઓને ઓછી વિલંબતા અને ઉચ્ચ થ્રુપુટ સાથે મોટા પ્રમાણમાં ડેટા પર કામ કરવાની મંજૂરી આપે છે. આ કારણોસર છે કે યુગાબાઇટ ડીબી એક સામાન્ય કોરમાં SQL અને NoSQL API પ્રદાન કરે છે, એક અભિગમને પ્રોત્સાહન આપવાને બદલે. વધુમાં, PostgreSQL અને Cassandra સહિતની લોકપ્રિય ડેટાબેઝ ભાષાઓ સાથે સુસંગતતા પ્રદાન કરીને, YugaByte DB એ સુનિશ્ચિત કરે છે કે વિતરિત, અત્યંત સુસંગત ડેટાબેઝ એન્જિન સાથે કામ કરવા માટે વિકાસકર્તાઓએ બીજી ભાષા શીખવી ન પડે.

આ લેખમાં, અમે પોસ્ટગ્રેએસક્યુએલ, કેસાન્ડ્રા અને મોંગોડીબી વચ્ચે ડેટાબેઝ ડિઝાઇન ફંડામેન્ટલ્સ કેવી રીતે અલગ પડે છે તે જોયું. ભવિષ્યના લેખોમાં, અમે અદ્યતન ડિઝાઇન ખ્યાલો જેમ કે અનુક્રમણિકાઓ, વ્યવહારો, જોઇન, TTL નિર્દેશો અને JSON દસ્તાવેજોમાં ડાઇવ કરીશું.

અમે તમને સપ્તાહના અંતે આરામની ઇચ્છા કરીએ છીએ અને તમને આમંત્રિત કરીએ છીએ મફત વેબિનાર, જે 14મી મેના રોજ યોજાશે.

સોર્સ: www.habr.com