Nada se pierde, todo se complica: Algunas simples reflexiones sobre base de datos y aplicaciones

Desde hace un tiempo, vengo leyendo con interés los artículos que se escriben sobre NoSQL, que en general son sobre bases de datos que almacenan los datos en esquemas no relacionales. Hay varias bases de datos de este tipo (SimpleDB,Project Voldemort, Cassandra, Neo4j y muchas mas). Algunas de éstas bases de datos son ideales para almacenar campos blobs, cosa que muchísimas aplicaciones que desarrollamos con Genexus tienen que hacer hoy.


También hay otra tendencia interesante en las bases de datos que es la de almacenar los datos por columnas, en vez de por filas. La que mas he mirado de esas bases de datos es Vertica y parece estar buena.


Que ventaja tiene guardar los datos por columnas en vez de por filas?. Estas DBMS son muy rápidas para consultas de sumarización de datos, del tipo de consultas que se realizan en la data warehouses.


Otra cosa que me ha tenido meditando son que las aplicaciones que necesitan guardar historia (o versiones de los datos) y también las aplicaciones que son orientadas a tiempo [1]. Estos dos temas están bastante relacionados y por suerte están apareciendo herramientas que ya las soportan.


Las bases de datos que guardan la historia de tus datos, permiten hacer aplicaciones que nunca actualizan datos, sino que cualquier actualización se transforma en un insert en la base de datos, posibilitando tener muy buenas performance (para aplicaciones especificas). Un ejemplo de esta base de datos es RethinkDB.


Otro tema que cada vez mas tienen que tener las aplicaciones modernas es la posibilidad de search "tipo google" y aun las bases de datos no lo resuelven correctamente. Un ejemplo de herramienta que hace esto es Lucene


En la situación actual se plantean como antagonistas estas opciones y a mi me parecen complementarias. Mi opinión importa poco, pero son los clientes los que cada vez piden mas que las cosas como :

• Quiero buscar en todos los datos de la aplicacion una palabra determinada
• Quiero que mi consulta de resumen de los ultimos 23 años se resuelva en menos de 10 segundos
• La aplicacion debe poder imprimir el documento emitido hace 5 años exactamente igual que el original.
• Se necesita adjuntar cualquier documento a la entidad X y luego recuperarlo, verlo, etc.

Seria muy bueno poder tener en mi base de datos, un conjunto de tablas que se guarden orientados a filas, y otros que se guarden orientados a columnas (los acumulados).


También seria bueno poder indicar (declarar!) si quiero poder mantener la historia de determinada entidad de mi base de datos y que automáticamente se guarde dicha historia y ademas pueda consultar su estado en diferentes momentos del tiempo.


Lo que a mi me gustaría seria que los repositorios de datos (base de datos + lo que se necesite) resolvieran todos estos problemas y que tuviéramos un mensaje unificado para consultarlos (SQL + lo que se necesite). Por un tiempo creo que las aplicaciones van a tener que lidiar con todas estas complejidades y vamos a tener que continuar programando en varios frentes.

UPDATE: Un articulo interesante que habla sobre el tema de bases NoSQL y tiene links interesantes: The end of SQL and relational databases?.

[1] Con respecto al manejo de tiempo en las base de datos con SQL, hay un libro PDF interesante gratis aqui.