
SQL and Nosql Databases: Modeling, Languages, Security and Architectures for Big Data Management
Dieses Lehrbuch bietet eine umfassende Einführung in relationale (SQL) und nicht-relationale (NoSQL) Datenbanken. Die Autoren geben einen gründlichen Überblick über den aktuellen Stand der Datenbank-Tools und -Techniken und untersuchen kommende Innovationen.
In den ersten fünf Kapiteln analysieren die Autoren detailliert die Verwaltung, Modellierung, Sprachen, Sicherheit und Architektur von relationalen Datenbanken, Graphdatenbanken und Dokumentendatenbanken. Darüber hinaus wird ein Überblick über andere SQL- und NoSQL-basierte Datenbankansätze gegeben. Neben klassischen Konzepten wie dem Entitäts- und Beziehungsmodell und dessen Abbildung in SQL-Datenbankschemata, Abfragesprachen oder dem Transaktionsmanagement werden weitere Aspekte für NoSQL-Datenbanken wie nicht-relationale Datenmodelle, Dokumenten- und Graphenabfragesprachen (MQL, Cypher), das Map/Reduce-Verfahren, Verteilungsmöglichkeiten (Sharding, Replikation) oder das CAP-Theorem (Consistency, Availability, Partition Tolerance) erläutert.
Diese 2. englische Auflage bietet eine neue, vertiefende Einführung in Dokumentendatenbanken mit einer Methode zur Modellierung von Dokumentenstrukturen, einem Überblick über die dokumentenorientierte MongoDB-Abfragesprache MQL sowie Sicherheits- und Architekturaspekten. Das Thema Datenbanksicherheit wird als eigenes Kapitel neu eingeführt und im Hinblick auf Datenschutz, Integrität und Transaktionen detailliert analysiert. Die Texte zu Datenmanagement, Datenbankprogrammierung sowie Data Warehousing und Data Lakes wurden aktualisiert. Darüber hinaus erklärt das Buch jetzt die Konzepte von JSON, JSON-Schema, BSON, indexfreier Nachbarschaft, Cloud-Datenbanken, Suchmaschinen und Zeitreihendatenbanken.
Das Buch enthält mehr als 100 Tabellen, Beispiele und Abbildungen, und jedes Kapitel bietet eine Liste von Ressourcen für weiterführende Lektüre. Es vermittelt einen eingehenden Vergleich zwischen relationalen und nicht-relationalen Ansätzen und zeigt, wie die Entwicklung von Big-Data-Anwendungen durchgeführt werden kann. Auf diese Weise kommt es Studenten und Praktikern zugute, die auf dem weiten Feld der Datenwissenschaft und der angewandten Informationstechnologie arbeiten.