Τι είδη βάσεων δεδομένων υπάρχουν

Στον δρόμο προς το ευρετήριο, ο QUERY κοντοστέκεται σε ένα σκοτεινό τμήμα της αποθήκης. Πίσω από το τζάμι βρίσκεται το μητρώο των αρχείων της παλιάς Γης που δεν επιβίωσαν από τη Μεγάλη Ρήξη: οι κόμβοι cache έσβησαν πρώτοι, οι αποθήκες εγγράφων έμειναν σε κουρελιασμένα θραύσματα, τα αναλυτικά clusters σιωπούν σε ολόκληρους τομείς. Το σχεσιακό στιγμιότυπο του «Kotomarket» όμως επέζησε ακέραιο, μαζί με όλες του τις συνδέσεις.

Όχι μόνο σχεσιακές

Για το «Kotomarket» οι σχεσιακές βάσεις είναι ιδανικές: αγοραστές, παραγγελίες και προϊόντα μπαίνουν φυσικά σε πίνακες που συνδέονται μεταξύ τους. Σε αυτές ακριβώς είναι αφιερωμένο το μάθημα. Στον κλάδο όμως, τόσο το 2024 όσο και σήμερα, θα συναντήσεις και άλλες προσεγγίσεις:

• κλειδιού-τιμής (Redis) — πολύ γρήγορη μορφή «κλειδί → τιμή», όταν χρειάζεται να ανασύρεις αμέσως μια απλή εγγραφή·
• βάσεις εγγράφων (MongoDB) — αποθηκεύουν ευέλικτα έγγραφα JSON, όπου η δομή μπορεί να διαφέρει από εγγραφή σε εγγραφή·
• στηλικές (ClickHouse) — δυνατές στην αναλυτική, όταν χρειάζεται να υπολογίσεις γρήγορα δείκτες πάνω σε τεράστιους όγκους δεδομένων.

Τα DBMS που συναντάς συχνότερα στην ανάπτυξη προϊόντων παραμένουν σε μεγάλο βαθμό σχεσιακά: PostgreSQL, MySQL, Oracle, MS SQL. Αν μάθεις SQL εδώ, θα μπορείς να διαβάζεις δεδομένα με σιγουριά σε πολύ διαφορετικές εταιρείες.

QUERY: Κάθε αρχείο έχει τη δουλειά του: αλλού μετρά η ταχύτητα, αλλού η ευελιξία, αλλού η αναλυτική. Εμείς οι δύο σταθήκαμε τυχεροί: μας έτυχε εκείνο όπου τα πάντα συνδέονται με τα πάντα.

Not only relational

For Kotomarket, relational databases suit us especially well: buyers, orders, and products fall naturally into tables with links between them. That’s what this course is about. But across the industry — in 2024 just as today — you’ll meet other approaches too:

• key-value (Redis) — a blazingly fast "key → value" format for when you need to grab a simple record instantly;
• document-oriented (MongoDB) — stores flexible JSON documents whose structure can differ from record to record;
• columnar (ClickHouse) — strong at analytics, when you need to crunch metrics over enormous volumes of data fast.

Most of the popular DBMSs for product development stay relational: PostgreSQL, MySQL, Oracle, MS SQL. Master SQL here and you’ll be able to read data confidently at very different companies.

QUERY: Each archive has its own job: one prizes speed, another flexibility, a third analytics. You and I got lucky: we inherited the one where everything is connected to everything.

Το μητρώο των οικογενειών: με τάξη

Το μητρώο πίσω από το τζάμι είναι καλή αφορμή να βάλουμε σε σειρά τις οικογένειες των βάσεων δεδομένων. Το «τι είδη βάσεων υπάρχουν και πότε διαλέγεις ποια» είναι από τις πιο συχνές ερωτήσεις σε συνεντεύξεις. Θα δούμε πέντε οικογένειες μία-μία, με το ίδιο σχήμα για καθεμία: τρόπος αποθήκευσης, δυνατά και αδύνατα σημεία, προϊόντα και πότε τη διαλέγεις.

Σχεσιακές βάσεις: αυστηρό σχήμα και συνδέσεις

Τρόπος αποθήκευσης: γραμμές σε πίνακες, με σχήμα δηλωμένο εκ των προτέρων. Κάθε στήλη έχει τύπο, οι πίνακες συνδέονται μέσω κλειδιών και το DBMS προστατεύει μόνο του την ακεραιότητα: παραγγελία από αγοραστή που δεν υπάρχει δεν γράφεται. Οι αλλαγές εκτελούνται ως συναλλαγές με εγγυήσεις ACID: «παραγγελία + αφαίρεση αποθέματος» είτε αποθηκεύονται μαζί είτε δεν αποθηκεύονται καθόλου.

• Δυνατά σημεία: εκφραστική SQL (φίλτρα, συνενώσεις πινάκων, συναθροίσεις), ακεραιότητα σε επίπεδο βάσης, συναλλαγές.
• Αδύνατα: το σχήμα πρέπει να το σκεφτείς από πριν και να κάνεις migration σε κάθε αλλαγή· η οριζόντια κλιμάκωση σε πολλούς διακομιστές είναι πιο δύσκολη απ' ό,τι στις οικογένειες NoSQL.
• Προϊόντα: PostgreSQL, MySQL/MariaDB, Microsoft SQL Server, Oracle, SQLite.
• Πότε τη διαλέγεις: χρήστες, παραγγελίες, χρήματα, απόθεμα — όπου τα δεδομένα συνδέονται και ένα λάθος στην εγγραφή δεν επιτρέπεται. Για ένα νέο προϊόν είναι η προεπιλεγμένη αφετηρία.

Βάσεις κλειδιού-τιμής: λεξικό σε μέγιστη ταχύτητα

Τρόπος αποθήκευσης: ένα τεράστιο λεξικό «κλειδί → τιμή», συνήθως στη μνήμη RAM. Ούτε πίνακες, ούτε συνδέσεις: βάζεις τιμή με ένα κλειδί και την παίρνεις με το ίδιο κλειδί μέσα σε κλάσματα του χιλιοστού του δευτερολέπτου.

-- Αυτό δεν είναι SQL, είναι εντολές Redis
SET session:8f3a '{"user_id": 42}'
GET session:8f3a

• Δυνατά σημεία: ταχύτητα, απλότητα, εύκολη κλιμάκωση.
• Αδύνατα: ψάχνεις μόνο με ακριβές κλειδί — την ερώτηση «βρες όλες τις συνεδρίες αγοραστών από τη Μόσχα» δεν μπορείς να την κάνεις έτσι· το εσωτερικό της τιμής είναι αδιαφανές για τη βάση.
• Προϊόντα: Redis, Memcached, Amazon DynamoDB.
• Πότε τη διαλέγεις: μνήμη cache, συνεδρίες, μετρητές, ουρές, βαθμολογίες — ζεστά δεδομένα δίπλα στην κύρια βάση, όχι στη θέση της.

Βάσεις εγγράφων: ευέλικτο JSON

Τρόπος αποθήκευσης: κάθε εγγραφή είναι ένα έγγραφο JSON μέσα σε συλλογή. Το σχήμα δεν δηλώνεται από πριν: το έξυπνο ρολόι έχει πεδίο «διάρκεια μπαταρίας», το φούτερ έχει «πίνακα μεγεθών» και τα δύο έγγραφα συνυπάρχουν στην ίδια συλλογή. Οι ένθετες δομές αποθηκεύονται απευθείας μέσα στο έγγραφο, χωρίς ξεχωριστούς πίνακες.

• Δυνατά σημεία: ευέλικτη δομή, το έγγραφο διαβάζεται ολόκληρο με μία προσπέλαση, βολικό για καταλόγους με ανομοιογενή χαρακτηριστικά και για γρήγορα πρωτότυπα.
• Αδύνατα: οι συνδέσεις ανάμεσα στα έγγραφα μένουν κυρίως στην εφαρμογή, πλήρες JOIN σχεδόν δεν υπάρχει· χωρίς πειθαρχία η συλλογή γίνεται χαοτική και γεμίζει ασύμβατες μορφές.
• Προϊόντα: MongoDB, Couchbase, Firestore.
• Πότε τη διαλέγεις: περιεχόμενο, κατάλογοι με πεδία που διαφέρουν πολύ μεταξύ τους, προφίλ και ρυθμίσεις.

Παρεμπιπτόντως, τα όρια ανάμεσα στις οικογένειες είναι θολά: η PostgreSQL μπορεί να αποθηκεύει έγγραφα σε στήλη τύπου jsonb και να φτιάχνει ευρετήρια πάνω τους. Συχνά αυτό καλύπτει την ανάγκη «τύπου εγγράφου» χωρίς δεύτερη βάση:

-- Παράδειγμα εκτός του στιγμιότυπού μας: attrs — στήλη τύπου jsonb
SELECT name, attrs->>'color' AS color
FROM catalog
WHERE attrs @> '{"brand": "Kotomarket"}';

Στηλικές βάσεις: αναλυτική σε δισεκατομμύρια γραμμές

Τρόπος αποθήκευσης: οι τιμές αποθηκεύονται ανά στήλη, όχι ανά γραμμή: όλες οι τιμές μαζί, όλες οι ημερομηνίες μαζί. Το ερώτημα «μέση αξία παραγγελίας ανά μήνα» διαβάζει από τον δίσκο μόνο δύο στήλες αντί για ολόκληρο τον πίνακα, ενώ οι ομοειδείς τιμές συμπιέζονται εξαιρετικά. Από εκεί έρχεται η ταχύτητα στις συναθροίσεις.

-- Το αγαπημένο είδος της στηλικής βάσης (διάλεκτος ClickHouse: toYYYYMM — δική της συνάρτηση)
SELECT toYYYYMM(created_at) AS month, avg(total_amount) AS avg_check
FROM orders
GROUP BY month;

• Δυνατά σημεία: συναθροίσεις και σαρώσεις σε δισεκατομμύρια γραμμές, ισχυρή συμπίεση.
• Αδύνατα: οι μεμονωμένες ενημερώσεις και διαγραφές είναι ακριβές· το να διαβάσεις μία ολόκληρη γραμμή είναι πιο αργό απ' ό,τι σε βάση που αποθηκεύει ανά γραμμή· το συναλλακτικό φορτίο δεν είναι ο σκοπός τους.
• Προϊόντα: ClickHouse, BigQuery, Snowflake, Amazon Redshift.
• Πότε τη διαλέγεις: αναλυτική, αναφορές, συμβάντα, αρχεία καταγραφής, μετρικές — συνήθως δίπλα στην «επιχειρησιακή» σχεσιακή βάση.

Εδώ εμφανίζονται και δύο όροι που αγαπούν στις συνεντεύξεις: OLTP (online transaction processing — πολλές σύντομες λειτουργίες εγγραφής και ανάγνωσης, ο κόσμος της PostgreSQL) και OLAP (online analytical processing — βαριές αναλυτικές αναγνώσεις πάνω σε όλο το ιστορικό, ο κόσμος της ClickHouse). Το προϊόν γράφει στη βάση OLTP, η αναλυτική διαβάζει από το αντίγραφο OLAP.

Και η τελευταία οικογένεια — βάσεις γραφημάτων

Όταν οι συνδέσεις είναι πιο σημαντικές από τις ίδιες τις εγγραφές — «φίλοι των φίλων», διαδρομές παράδοσης, αλυσίδες συστάσεων — επιλέγεις βάσεις γραφημάτων (Neo4j, Memgraph). Τα δεδομένα σε αυτές είναι κόμβοι (οι εγγραφές) και ακμές (οι συνδέσεις ανάμεσα στις εγγραφές)· η διάσχιση συνδέσεων οποιουδήποτε βάθους είναι εγγενής λειτουργία. Σε μια σχεσιακή βάση η ίδια διάσχιση γίνεται με μια σκάλα από συνενώσεις πινάκων, που όσο βαθαίνει τόσο βαραίνει.

Μίνι οδηγός: πώς να διαλέξεις βάση για ένα έργο

1. Ξεκίνα από τις ερωτήσεις, όχι από τα δεδομένα. Τι ερωτήματα θα κάνει το προϊόν: σημειακά «με βάση το κλειδί», ερωτήματα σχέσεων «ποιος αγόρασε τι», αναλυτικά «πόσα τον μήνα»;
2. Εξ ορισμού — σχεσιακή. Συνδεδεμένα δεδομένα συν υψηλό κόστος λάθους (παραγγελίες, πληρωμές, αποθέματα) σημαίνουν PostgreSQL. Είναι η ασφαλέστερη αφετηρία σχεδόν για κάθε προϊόν.
3. Οι εξειδικευμένες βάσεις — για συγκεκριμένη ανάγκη, όχι «για παν ενδεχόμενο». Σε πιέζουν οι ζεστές αναγνώσεις — πρόσθεσε cache με Redis. Μεγάλωσε η αναλυτική — στείλε αντίγραφο των συμβάντων στο ClickHouse. Αν τα πεδία αλλάζουν συνέχεια — πρώτα jsonb στην PostgreSQL, και μόνο όταν δεν αρκεί, βάση εγγράφων.
4. Μέτρα το κόστος της δεύτερης βάσης. Κάθε νέο DBMS σημαίνει συγχρονισμό δεδομένων, αντίγραφα ασφαλείας, παρακολούθηση και άλλη μία τεχνολογία που πρέπει να συντηρεί η ομάδα.