Valore chiave Coppia database in un ambiente Big Data - manichini

Di gran lunga il più semplice dei database NoSQL (non solo SQL) in un ambiente di big data sono quelli che utilizzano il modello di coppia chiave-valore (KVP). I database KVP non richiedono uno schema (come gli RDBMS) e offrono una grande flessibilità e scalabilità.

I database KVP non offrono funzionalità ACID (Atomicity, Consistency, Isolation, Durability) e richiedono agli implementatori di pensare al posizionamento dei dati, alla replica e alla tolleranza ai guasti poiché non sono espressamente controllati dalla tecnologia stessa. I database KVP non sono stati digitati. Di conseguenza, la maggior parte dei dati viene archiviata come stringhe.

Tasto	Valore
Colore	Blu
Libazione	Birra
Eroe	Soldato

Questo è un set di chiavi molto semplificato e valori. In un'implementazione di big data, molte persone avranno idee diverse su colori, libagioni ed eroi.

Key	Value
FacebookUser12345_Color	Red
TwitterUser67890_Color	Brownish
FoursquareUser45678_Libation	"Vino bianco"
Google + User24356_Libation	"Dry martini con una svolta "
LinkedInUser87654_Hero	" Miglior venditore "

Con l'aumento del numero di utenti, tenere traccia delle chiavi precise e dei relativi valori può essere difficile. Se è necessario tenere traccia delle opinioni di milioni di utenti, il numero di coppie chiave-valore ad esse associate può aumentare in modo esponenziale. Se non si desidera limitare le scelte per i valori, la rappresentazione di stringa generica di KVP fornisce flessibilità e leggibilità.

Potrebbe essere necessario un ulteriore aiuto nell'organizzazione dei dati in un database di valori-chiave. La maggior parte offre la capacità di aggregare le chiavi (e i relativi valori) in una raccolta. Le raccolte possono essere costituite da un numero qualsiasi di coppie chiave-valore e non richiedono il controllo esclusivo dei singoli elementi KVP.

Un database di coppie chiave-valore open source ampiamente utilizzato è chiamato Riak. È sviluppato e supportato da una società chiamata Basho Technologies ed è reso disponibile con Apache Software License v2. 0.

Riak è un'implementazione molto veloce e scalabile di un database di valori-chiave. Supporta un ambiente ad alto volume con dati in rapida evoluzione perché è leggero. Riak è particolarmente efficace nell'analisi in tempo reale del trading nei servizi finanziari. Utilizza "bucket" come meccanismo di organizzazione per raccolte di chiavi e valori.

Le implementazioni Riak sono cluster di nodi fisici o virtuali disposti in modo peer-to-peer. Nessun nodo principale esiste, quindi il cluster è resiliente e altamente scalabile.Tutti i dati e le operazioni sono distribuiti attraverso il cluster. I cluster più grandi hanno prestazioni migliori e più veloci rispetto ai cluster con un minor numero di nodi. La comunicazione nel cluster è implementata tramite un protocollo speciale chiamato Gossip. Gossip memorizza le informazioni sullo stato del cluster e condivide le informazioni sui bucket.

Riak ha molte caratteristiche e fa parte di un ecosistema composto da:

• Elaborazione parallela: Utilizzando MapReduce, Riak supporta la capacità di decomporre e ricomporre query nel cluster per analisi e calcoli in tempo reale.

• Link e link walking: Riak può essere costruito per simulare un database grafico usando i collegamenti. Un collegamento può essere pensato come una connessione unidirezionale tra coppie chiave-valore. Camminando (seguendo) i collegamenti forniranno una mappa delle relazioni tra coppie chiave-valore.

• Cerca: Riak Search ha una capacità di ricerca full-text distribuita a tolleranza d'errore. I bucket possono essere indicizzati per una rapida risoluzione del valore dei tasti.

• Indici secondari: Gli sviluppatori possono taggare valori con uno o più valori di campo chiave. L'applicazione può quindi interrogare l'indice e restituire un elenco di chiavi corrispondenti. Questo può essere molto utile nelle implementazioni di big data perché l'operazione è atomica e supporterà comportamenti in tempo reale.

Le implementazioni Riak sono più adatte per

• Dati utente per social network, comunità o giochi

• Raccolta e archiviazione di dati ad alto volume e contenuti multimediali

• Livelli di cache per il collegamento di database RDBMS e NoSQL

• Applicazioni mobili che richiedono flessibilità e affidabilità