Graf veri tabanları ve zaman serisi veri tabanları

Kısaca: Graf veri tabanları şeyler arasındaki ilişkileri ağ olarak, zaman serisi veri tabanları ise ölçümleri zaman damgalarıyla saklar; ikisi de veri örüntüleri için özelleşmiştir.

Biraz daha ayrıntılı: İlişkisel veri tabanları çok yönlüdür. Belirli veri biçimleri için bu görevlerde çok daha hızlı veya basit özelleşmiş veri tabanları vardır.

Ayrıntılı

Graf veri tabanları

Veriler düğümlerden (insanlar, ürünler), kenarlardan (“tanır”, “satın aldı” gibi ilişkiler) ve özelliklerden oluşur. “Arkadaşların arkadaşları” veya “en kısa yol” gibi sorgular, SQL’in birçok join gerektireceği yerde doğrudan ve hızlıdır.

Örnekler: Neo4j (sorgu dili Cypher), Amazon Neptune, Memgraph.

MATCH (a:Person {name:'Mia'})-[:KNOWS*2]-(b)
RETURN DISTINCT b.name

Kullanım: sosyal ağlar, öneriler, dolandırıcılık tespiti, bilgi grafları, ağ topolojisi.

Zaman serisi veri tabanları

Veriler zaman damgalı ölçümlerdir: sıcaklık, sunucu yükü, hisse fiyatları, sensörler. Tipik olan: çok fazla yazma, nadir değişiklik, zaman aralıkları üzerinde sorgular (saat başına ortalama, haftanın maksimumu) ve eski verilerin otomatik silinmesi veya yoğunlaştırılması (saklama, aşağı örnekleme).

Örnekler: InfluxDB, TimescaleDB (PostgreSQL uzantısı), Prometheus, ClickHouse.

SELECT time_bucket('1 hour', ts) AS hour, avg(value)
FROM measurements GROUP BY hour;

Ne zaman değer?

Küçük veri hacimlerinde PostgreSQL çoğu zaman tamamen yeterlidir (özyineleme/dizinlerle, zaman serileri için TimescaleDB uzantısıyla). Özelleşmiş veri tabanları, ilişki derinliği veya veri hacmi SQL’i zorladığında karşılığını verir. Her ek veri tabanı işletim, yedekleme ve bilgi getirir.

Diğer türler

Belge veri tabanları (MongoDB), anahtar-değer (Redis), geniş sütunlu (Cassandra), vektör veri tabanları (gömmeler ve yapay zekâ araması için), arama motorları (Elasticsearch). Seçim, trendi değil erişim örüntüsünü izler.

Ayrıca bak: NoSQL veri tabanları, Prometheus, Redis, MongoDB