TGViewer
مهندسی و علم داده مهندسی و علم داده @bimining · 3.98K subscribers
Post #364 822

Forwarded from Deleted Account

پایگاه‌داده‌های ستون-فامیل (Column-Family) : پایگاه‌داده‌های ستون-فامیل نوعی از پایگاه‌داده‌های جفت کلید-مقدار هستند. و شامل column،column family و super column هستند. ابرستون ها (super-columns) و ستون فامیل (column family) شمای پایگاه‌داده را تعیین می‌کنند. می‌توان ستون و ابرستون‌های جدیدی نیز به پایگاه‌داده‌ای قبلاً تولید است اضافه نمود. یکی از تفاوت‌های پایگاه‌داده رابطه‌ای با پایگاه‌داده ستون-فامیل این است که سطرهای(row) در پایگاه‌داده ستون فامیلی لزوماً نباید هم‌درجه باشند.یعنی می‌توانند شمار متغیر و متفاوتی از ستون‌ها و ابرستون ها را داشته باشند. ازاین‌رو پایگاه‌داده‌های ستون فامیل در برنامه‌هایی که با گردایه ای از داده‌های پر تهی (spars) کار می‌کنند بسیار کارا هستند. نمونه ای از پیاده سازی ها :

Cassandra(Apache)
Hypertable
HBase
Dynamo
Riak


• پایگاه‌داده سندمحور : از مفهوم جفت کلید-مقدار استفاده می‌کند ولی ساختار خاصی را در ذخیره‌سازی داده شبیه سند مانند XML و JSON اعمال می‌کنند که موجب ذخیره اطلاعات بیش‌تری درباره ساختار خود داده می‌شود که آن را نسبت به ستون-فامیل ها جستار پذیر تر می‌کند چراکه آنجا تنها جستار با یک کلید(key) یا بازه کلید (key range) امکان‌پذیر است[1] . پایگاه‌داده‌های سند‌محور با وجود شباهت ساختاری زیاد به پایگاه داده های جفت کلید/مقدار با آن ها دو تفاوت دارند: اول این‌که مقادیر پایگاه‌داده‌های سند‌محور معنایی(semantic)هستند و دوم این‌که می توانند از شاخص‌ثانویه نیز استفاده کنند . MangoDB نمونه‌ای از این مدل است که توسط شرکت 10gen توسعه‌یافته است. وقتی از پیاده‌سازی MangoDB پایگاه‌داده‌های NoSQL ای استفاده می‌کنیم خبری از جداول و شماها در پایگاه‌داده نیست. MangoDB در عوض از "گردایه ها" (collection) ها که شبیه جداول هستند و نیز از "اسناد" (documents) که شبیه سطرها هستند برای ذخیره‌سازی داده‌ها و اطلاعات شما (schema information) استفاده می‌کند. MangoDB به‌صورت خودکار برای هر "سند" یک شناسه‌ی کلید اصلی تولید(primary key id) می‌کند تا به‌طور منحصربه‌فرد قابل‌شناسایی باشد. ازلحاظ مفهومی شناسه (id) و سند (document) شبیه جفت کلید‌مقدار (key-value pair)است. MangoDB سعی می‌کند تا داده را بر حافظه نگاه دارد بنابراین دیگر نیاز به بازیابی (retrieve) داده‌های از روی دیسک سخت (hard disk) نیست و زمان کمتری برای جستارها لازم نیاز است. یکی از مشکلات (caveat) زمانی است مجموعه داده بزرگ‌تر از حافظه موجود (available memory) می‌گردد که در این صورت MangoDB مجبور به شروع کردن جستار از روی دیسک سخت خواهد شد. نمونه ای از پیاده سازی ها :

MangoDB(10gen)
CouchDB(Apache)
Riak
eXist
SimpleDB(Amazon)
Terrastore
Lotus Notes
More from @bimining
  1. Oct 15, 2026روشی که داده‌ها را جابه‌جا و پردازش می‌کنیم به‌سرعت در حال تغییر است. ETL → ELT → Streamin…
  2. Oct 1, 2026نکته مهم همین‌جاست: 100M Records ≠ 100M Records Read به همین دلیل: • Partitioning • ORDER…
  3. Oct 1, 2026چطور ClickHouse روی 100 میلیون رکورد Query اجرا می‌کند، بدون اینکه 100 میلیون رکورد را بخو…
  4. Sep 4, 2026قراردادی برای اینکه داده، قابل اعتماد بماند؛ Data Contract. در یک سیستم داده، ممکن است یک…
  5. Aug 16, 2026۵ الگوی معماری داده برای ۲۰۲۶ بحث ابزار نیست، بحث الگوست. الگوی غلط = خط لولهٔ مرده. ۱. لا…
  6. Jul 18, 2026ابزار dbt (Data Build Tool) در حال تسخیر دنیای مهندسی داده است. در ادامه لینک قیلمهای آموز…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →