Macam-macam Database Services : NonRelational Database

NonRelational Database adalah basis data yang tidak mengikuti model basis data relasional yang disediakan oleh sistem manajemen basis data relasional.

Apa itu NonRelational Database?

• Basis Data NonRelasional adalah basis data yang tidak mengikuti model basis data relasional yang disediakan oleh sistem manajemen basis data relasional.
• Ini adalah database NoSQL, telah terjadi pertumbuhan yang stabil dalam Database Non Relasional dengan meningkatnya aplikasi Big Data.
• Terdapat Basis Data NonRelasional. Di dalam database, terdapat koleksi. Di dalam koleksi, terdapat dokumen, dan di dalam dokumen, terdapat pasangan nilai-kunci. Jika berbicara dalam pengertian relasional, maka Koleksi adalah sebuah tabel, dokumen adalah sebuah baris, dan baris terdiri dari pasangan kunci-nilai.

Bagaimana cara kerja database Non Relasional?

Model database Non Relasional menggunakan berbagai model data yang berbeda seperti key-value, dokumen, Grafik, in-memory, dan pencarian.

Contoh :

• Dalam database relasional, catatan buku terdiri dari tabel-tabel yang terpisah, dan hubungan antar tabel ditentukan oleh batasan utama dan batasan asing. Misalnya, tabel Buku memiliki tiga kolom, yaitu, id Buku, judul Buku dan Nomor Edisi, tabel Penulis memiliki tiga kolom, yaitu, id Penulis, nama Penulis, dan id Buku. Model relasi ini dirancang agar database dapat menegakkan integritas referensial antara tabel-tabel untuk mengurangi redundansi.
• Pada database NonRelational, record disimpan dalam bentuk format json. Setiap item buku seperti id Buku, judul buku, Nomor Edisi, id Penulis, nama Penulis disimpan sebagai atribut dalam dokumen.

Mengapa menggunakan basis data Non Relasional

Basis data Non Relasional digunakan karena fitur-fitur berikut ini:

• Fleksibilitas: Memiliki model data yang sangat fleksibel yang menyediakan pengembangan yang lebih cepat dan berulang. Model database Non Relasional yang fleksibel menjadikannya ideal untuk data terstruktur, semi-terstruktur, dan tidak terstruktur.
• Skalabilitas: Basis data Non Relasional menyediakan penskalaan dengan menggunakan kelompok perangkat keras terdistribusi daripada meningkatkan skala dengan menambahkan server yang mahal.
• Kinerja tinggi: Basis data Non Relasional menggunakan beberapa model data spesifik seperti nilai kunci, dokumen, dll yang memberikan kinerja lebih tinggi daripada basis data relasional.
• Sangat fungsional: Database Non Relasional menyediakan API dan tipe data yang sangat fungsional untuk model data masing-masing.

Tipe Non Relational Databases

Key Value

• Basis data nilai-kunci adalah basis data non-relasional yang menyimpan data dalam bentuk nilai kunci.
• Basis data nilai-kunci menyediakan penskalaan yang sangat dapat dipartisi dan horizontal yang tidak dapat dicapai oleh jenis basis data lainnya.
• Basis data nilai-kunci digunakan oleh perusahaan yang ingin menyimpan data dalam jumlah besar tanpa biaya tambahan kinerja.
• Kunci dalam pasangan kunci-nilai harus unik, dan memungkinkan Anda untuk mengakses nilai yang terkait dengan kunci tersebut.
• Redis, Riak, dan Oracle NoSQL adalah contoh basis data kunci-nilai.
• Penyimpanan kunci-nilai adalah tabel Big-Hash yang berisi kunci dan nilai.
• Kunci dibuat secara otomatis, sedangkan nilai dapat berupa string, JSON, BLOB, dll.
• Sebuah nilai kunci memiliki tabel hash yang terdiri dari sebuah kunci dan sebuah penunjuk yang menunjuk ke sebuah data tertentu.
• Tabel hash adalah sebuah ember yang terdiri dari sekelompok kunci logis.

Disadvantages of Key-Value database:

• Sistem ini tidak menyediakan kemampuan yang disediakan oleh sistem basis data tradisional seperti konsistensi ketika beberapa transaksi dieksekusi secara bersamaan. Kemampuan tersebut disediakan oleh aplikasi itu sendiri.
• Ketika volume data meningkat, maka mempertahankan kunci yang unik menjadi tugas yang sulit.

Document

• Basis data dokumen adalah basis data nonrelasional yang digunakan untuk menyimpan data semiterstruktur sebagai dokumen.
• Basis data dokumen diperlukan untuk pengembang karena data dalam tingkat aplikasi direpresentasikan sebagai format JSON.
• Dalam basis data dokumen, sebuah dokumen dapat memiliki struktur data yang sama atau berbeda.
• Dokumen dikelompokkan ke dalam koleksi yang berperilaku sama seperti tabel dalam database relasional.
• Basis data dokumen sangat populer karena memungkinkan Anda untuk menyimpan data dalam basis data dengan menggunakan model yang sama dengan yang Anda gunakan dalam kode aplikasi Anda.
• Apache CouchDB, MongoDB adalah contoh database Dokumen.

Graph

• Basis data Graf adalah basis data jaringan yang diwakili oleh sisi dan simpul untuk menyimpan data.
• Sebuah Graf dapat dengan mudah diubah dari satu model ke model lainnya dengan menggunakan basis data Graf.
• Node memiliki beberapa hubungan, yang diwakili oleh sisi-sisi di antara node.
• Beberapa properti yang didefinisikan berhubungan dengan node dan sisi.
• Graph berisi node dan edge. Node digunakan untuk menyimpan entitas sedangkan edge digunakan untuk menyimpan hubungan antar edge.
• Sebuah sisi memiliki simpul awal, simpul akhir, jenis, dan arah. Hal ini juga menggambarkan hubungan induk-anak.
• Menelusuri gabungan dalam basis data Graph sangat cepat karena hubungan antara node tidak dihitung pada waktu kueri tetapi disimpan dalam basis data.

In-memory

• Basis data dalam memori adalah jenis basis data nonrelasional yang bergantung pada memori untuk penyimpanan data daripada menyimpan data pada disk atau SSD.
• Hal ini meminimalkan waktu respons dengan menghilangkan kebutuhan untuk mengakses disk.
• Karena data disimpan dan dikelola dalam memori utama, maka ada risiko data hilang saat server mengalami kegagalan.
• Basis data In-memory sangat ideal untuk aplikasi yang membutuhkan waktu respons mikrodetik.
• Kasus penggunaan basis data In-memory adalah penawaran waktu nyata, Papan Peringkat Permainan, dan caching.

Search

• Basis data pencarian adalah basis data non-relasional yang digunakan untuk mencari konten data.
• Basis data ini menggunakan indeks untuk mengkategorikan karakteristik yang sama di antara data, dan memfasilitasi kemampuan pencarian.
• Hal ini terutama digunakan dengan data yang mungkin panjang, data semiterstruktur atau tidak terstruktur.
• Ini menawarkan beberapa metode khusus seperti pencarian teks lengkap, ekspresi pencarian yang kompleks, dan peringkat hasil pencarian.

referensi : [1][2]