Banco de dados orientado a documentos - Document-oriented database

Um banco de dados orientado a documentos , ou armazenamento de documentos , é um programa de computador e sistema de armazenamento de dados projetado para armazenar, recuperar e gerenciar informações orientadas a documentos, também conhecidos como dados semiestruturados .

Os bancos de dados orientados a documentos são uma das principais categorias dos bancos de dados NoSQL , e a popularidade do termo "banco de dados orientado a documentos" cresceu com o uso do próprio termo NoSQL. Os bancos de dados XML são uma subclasse de bancos de dados orientados a documentos otimizados para trabalhar com documentos XML . Os bancos de dados de gráficos são semelhantes, mas adicionam outra camada, o relacionamento , que permite vincular documentos para uma passagem rápida.

Os bancos de dados orientados a documentos são inerentemente uma subclasse do armazenamento de valores-chave , outro conceito de banco de dados NoSQL. A diferença está na forma como os dados são processados; em um armazenamento de valor-chave, os dados são considerados inerentemente opacos para o banco de dados, enquanto um sistema orientado a documentos depende da estrutura interna do documento para extrair metadados que o mecanismo de banco de dados usa para otimização posterior. Embora a diferença seja freqüentemente insignificante devido às ferramentas nos sistemas, conceitualmente o armazenamento de documentos é projetado para oferecer uma experiência mais rica com técnicas de programação modernas.

Os bancos de dados de documentos contrastam fortemente com o banco de dados relacional tradicional (RDB). Os bancos de dados relacionais geralmente armazenam dados em tabelas separadas que são definidas pelo programador, e um único objeto pode ser espalhado por várias tabelas. Os bancos de dados de documentos armazenam todas as informações de um determinado objeto em uma única instância no banco de dados, e cada objeto armazenado pode ser diferente um do outro. Isso elimina a necessidade de mapeamento relacional de objeto ao carregar dados no banco de dados.

Documentos

O conceito central de um banco de dados orientado a documentos é a noção de documento . Embora cada implementação de banco de dados orientada a documentos difira nos detalhes dessa definição, em geral, todas elas assumem que os documentos encapsulam e codificam dados (ou informações) em algum formato ou codificação padrão. As codificações em uso incluem XML , YAML , JSON , bem como formas binárias como BSON .

Os documentos em um armazenamento de documentos são aproximadamente equivalentes ao conceito de programação de um objeto. Eles não são obrigados a aderir a um esquema padrão, nem terão todas as mesmas seções, slots, peças ou chaves. Geralmente, os programas que usam objetos têm muitos tipos diferentes de objetos, e esses objetos geralmente têm muitos campos opcionais. Cada objeto, mesmo aqueles da mesma classe, pode ter uma aparência muito diferente. Os armazenamentos de documentos são semelhantes no sentido de que permitem diferentes tipos de documentos em um único armazenamento, permitem que os campos dentro deles sejam opcionais e geralmente permitem que sejam codificados usando diferentes sistemas de codificação. Por exemplo, o seguinte é um documento codificado em JSON:

{
    "FirstName": "Bob", 
    "Address": "5 Oak St.", 
    "Hobby": "sailing"
}

Um segundo documento pode ser codificado em XML como:

  <contact>
    <firstname>Bob</firstname>
    <lastname>Smith</lastname>
    <phone type="Cell">(123) 555-0178</phone>
    <phone type="Work">(890) 555-0133</phone>
    <address>
      <type>Home</type>
      <street1>123 Back St.</street1>
      <city>Boys</city>
      <state>AR</state>
      <zip>32225</zip>
      <country>US</country>
    </address>
  </contact>

Esses dois documentos compartilham alguns elementos estruturais um com o outro, mas cada um também possui elementos exclusivos. A estrutura, o texto e outros dados dentro do documento são geralmente referidos como o conteúdo do documento e podem ser referenciados por meio de métodos de recuperação ou edição (veja abaixo). Ao contrário de um banco de dados relacional onde cada registro contém os mesmos campos, deixando os campos não utilizados vazios; não há 'campos' vazios em nenhum dos documentos (registro) do exemplo acima. Essa abordagem permite que novas informações sejam adicionadas a alguns registros sem exigir que todos os outros registros no banco de dados compartilhem a mesma estrutura.

Os bancos de dados de documentos geralmente fornecem metadados adicionais a serem associados e armazenados junto com o conteúdo do documento. Esses metadados podem estar relacionados a recursos que o armazenamento de dados fornece para organizar documentos, fornecer segurança ou outros recursos específicos de implementação.

Operações CRUD

As operações principais que um banco de dados orientado a documentos suporta para documentos são semelhantes a outros bancos de dados e, embora a terminologia não seja perfeitamente padronizada, a maioria dos profissionais os reconhecerá como CRUD :

• Criação (ou inserção)
• Recuperação (ou consulta, pesquisa, leitura ou localização)
• Atualizar (ou editar)
• Exclusão (ou remoção)

Chaves

Os documentos são endereçados no banco de dados por meio de uma chave única que representa aquele documento. Essa chave é um identificador (ou ID) simples , normalmente uma string , um URI ou um caminho . A chave pode ser usada para recuperar o documento do banco de dados. Normalmente, o banco de dados retém um índice na chave para acelerar a recuperação do documento e, em alguns casos, a chave é necessária para criar ou inserir o documento no banco de dados.

Recuperação

Outra característica definidora de um banco de dados orientado a documentos é que, além da consulta simples chave-para-documento que pode ser usada para recuperar um documento, o banco de dados oferece uma API ou linguagem de consulta que permite ao usuário recuperar documentos com base no conteúdo (ou metadados). Por exemplo, você pode desejar uma consulta que recupere todos os documentos com um determinado campo definido para um determinado valor. O conjunto de APIs de consulta ou recursos de linguagem de consulta disponíveis, bem como o desempenho esperado das consultas, varia significativamente de uma implementação para outra. Da mesma forma, o conjunto específico de opções de indexação e configuração disponíveis variam muito de acordo com a implementação.

É aqui que o armazenamento de documentos varia mais do armazenamento de valores-chave. Em teoria, os valores em um armazenamento de valor-chave são opacos para o armazenamento, eles são essencialmente caixas pretas. Eles podem oferecer sistemas de pesquisa semelhantes aos de um armazenamento de documentos, mas podem ter menos conhecimento sobre a organização do conteúdo. Os armazenamentos de documentos usam os metadados do documento para classificar o conteúdo, permitindo-lhes, por exemplo, entender que uma série de dígitos é um número de telefone e outra é um código postal. Isso permite que eles pesquisem esses tipos de dados, por exemplo, todos os números de telefone contendo 555, o que ignoraria o código postal 55555.

Editando

Os bancos de dados de documentos geralmente fornecem algum mecanismo para atualizar ou editar o conteúdo (ou metadados) de um documento, permitindo a substituição de todo o documento ou de partes estruturais individuais do documento.

Organização

Implementações de banco de dados de documentos oferecem uma variedade de maneiras de organizar documentos, incluindo noções de

• Coleções: grupos de documentos, onde dependendo da implementação, um documento pode ser forçado a viver dentro de uma coleção ou pode ter permissão para viver em várias coleções
• Tags e metadados não visíveis: dados adicionais fora do conteúdo do documento
• Hierarquias de diretório: grupos de documentos organizados em uma estrutura semelhante a uma árvore, normalmente com base no caminho ou URI

Às vezes, essas noções organizacionais variam em quanto são lógicas versus físicas (por exemplo, no disco ou na memória), representações.

Relacionamento com outros bancos de dados

Relacionamento com lojas de valores-chave

Um banco de dados orientado a documentos é um armazenamento de valor-chave especializado , que por si só é outra categoria de banco de dados NoSQL. Em um armazenamento de valor-chave simples, o conteúdo do documento é opaco. Um banco de dados orientado a documentos fornece APIs ou uma linguagem de consulta / atualização que expõe a capacidade de consultar ou atualizar com base na estrutura interna do documento . Essa diferença pode ser pequena para usuários que não precisam de consultas, recuperação ou edição de APIs mais ricas que normalmente são fornecidas por bancos de dados de documentos. Os armazenamentos de valores-chave modernos geralmente incluem recursos para trabalhar com metadados, borrando as linhas entre os armazenamentos de documentos.

Relacionamento com os motores de busca

Alguns sistemas de mecanismo de pesquisa (também conhecidos como recuperação de informações ), como o Elasticsearch, fornecem operações centrais em documentos suficientes para se ajustar à definição de um banco de dados orientado a documentos.

Relacionamento com bancos de dados relacionais

Em um banco de dados relacional, os dados são primeiro categorizados em vários tipos predefinidos e as tabelas são criadas para conter entradas individuais, ou registros , de cada tipo. As tabelas definem os dados dentro dos campos de cada registro , o que significa que cada registro na tabela tem a mesma forma geral. O administrador também define os relacionamentos entre as tabelas e seleciona certos campos que eles acreditam que serão mais comumente usados ​​para pesquisar e definir índices neles. Um conceito-chave no design relacional é que quaisquer dados que possam ser repetidos são normalmente colocados em sua própria tabela e, se essas instâncias estiverem relacionadas entre si, uma coluna é selecionada para agrupá-los, a chave estrangeira . Esse design é conhecido como normalização do banco de dados .

Por exemplo, um aplicativo de catálogo de endereços geralmente precisará armazenar o nome do contato, uma imagem opcional, um ou mais números de telefone, um ou mais endereços de correspondência e um ou mais endereços de e-mail. Em um banco de dados relacional canônico, as tabelas seriam criadas para cada uma dessas linhas com campos predefinidos para cada bit de dados: a tabela CONTACT pode incluir colunas FIRST_NAME, LAST_NAME e IMAGE, enquanto a tabela PHONE_NUMBER pode incluir COUNTRY_CODE, AREA_CODE, PHONE_NUMBER e TYPE ( casa, trabalho, etc.). A tabela PHONE_NUMBER também contém uma coluna de chave estrangeira, "CONTACT_ID", que contém o número de ID exclusivo atribuído ao contato quando ele foi criado. Para recriar o contato original, o mecanismo de banco de dados usa as chaves estrangeiras para procurar os itens relacionados no grupo de tabelas e reconstruir os dados originais.

Em contraste, em um banco de dados orientado a documentos, pode não haver uma estrutura interna que mapeie diretamente no conceito de uma tabela, e os campos e relacionamentos geralmente não existem como conceitos predefinidos. Em vez disso, todos os dados de um objeto são colocados em um único documento e armazenados no banco de dados como uma única entrada. No exemplo do catálogo de endereços, o documento conteria o nome do contato, a imagem e quaisquer informações de contato, tudo em um único registro. Essa entrada é acessada por meio de sua chave, que permite que o banco de dados recupere e devolva o documento ao aplicativo. Nenhum trabalho adicional é necessário para recuperar os dados relacionados; tudo isso é retornado em um único objeto.

Uma diferença fundamental entre os modelos orientado a documento e relacionais é que os formatos de dados não são predefinidos no caso do documento. Na maioria dos casos, qualquer tipo de documento pode ser armazenado em qualquer banco de dados e esses documentos podem mudar de tipo e forma a qualquer momento. Se se deseja adicionar um COUNTRY_FLAG a um CONTACT, este campo pode ser adicionado a novos documentos à medida que são inseridos, isso não terá efeito na base de dados ou nos documentos existentes já armazenados. Para ajudar na recuperação de informações do banco de dados, os sistemas orientados a documentos geralmente permitem que o administrador forneça dicas para que o banco de dados procure determinados tipos de informações. Eles funcionam de maneira semelhante aos índices no caso relacional. A maioria também oferece a capacidade de adicionar metadados adicionais fora do conteúdo do próprio documento, por exemplo, marcando entradas como parte de um catálogo de endereços, o que permite ao programador recuperar tipos relacionados de informações, como "todas as entradas do catálogo de endereços" . Isso fornece funcionalidade semelhante a uma tabela, mas separa o conceito (categorias de dados) de sua implementação física (tabelas).

No modelo relacional normalizado clássico, os objetos no banco de dados são representados como linhas separadas de dados sem nenhuma estrutura inerente além daquela fornecida a eles conforme são recuperados. Isso leva a problemas ao tentar traduzir objetos de programação de e para suas linhas de banco de dados associadas, um problema conhecido como incompatibilidade de impedância relacional de objeto . Os armazenamentos de documentos mais próximos ou, em alguns casos, diretamente, mapeiam os objetos de programação para o armazenamento. Muitas vezes, eles são comercializados usando o termo NoSQL .

Implementações

Implementações de banco de dados XML

A maioria dos bancos de dados XML são bancos de dados orientados a documentos.

Veja também

• Teoria do banco de dados
• Hierarquia de dados
• Análise de dados
• Pesquisa de texto completo
• Banco de dados na memória
• Internet Message Access Protocol (IMAP)
• Documentos legíveis por máquina
• Banco de dados multi-modelo
• NoSQL
• Banco de dados de objetos
• Banco de dados online
• Banco de dados em tempo real
• Banco de dados relacional
• Sistema de gerenciamento de conteúdo

Notas

Referências

Leitura adicional

• Assaf Arkin. (2007, 20 de setembro). Consistência de leitura: bancos de dados idiotas, serviços inteligentes.

links externos

• Classificação DB-Engines de armazenamentos de documentos por popularidade, atualizado mensalmente