PostgreSQL & NoSQL

PostgreSQL ist ein objektrelationales Open-Source-Datenbanksystem. Es unterstützt ACID-Transaktionen und komplexe SQL-Abfragen. PostgreSQL ist bekannt für Stabilität und Erweiterbarkeit.

PostgreSQL bietet starke Konsistenz und umfangreiche SQL-Funktionen. Es unterstützt JSONB, Window Functions und CTEs. Erweiterungen machen es sehr flexibel.

NoSQL bezeichnet nicht-relationale Datenbanksysteme. Sie speichern Daten schemaflexibel. Sie sind auf Skalierbarkeit und Performance ausgelegt.

SQL-Datenbanken sind relational und schemafest. NoSQL-Datenbanken sind schemaflexibel. NoSQL skaliert meist horizontal.

Wenn Datenkonsistenz wichtig ist. Bei komplexen Abfragen und Joins. In klassischen Business-Anwendungen.

Bei sehr großen Datenmengen. Wenn flexible Schemas nötig sind. Für hohe Schreib- oder Leseperformance.

ACID steht für Atomicity Consistency Isolation Durability. Es beschreibt Transaktionssicherheit. PostgreSQL erfüllt diese Eigenschaften vollständig.

BASE steht für Basically Available Soft state Eventually consistent. Es ist typisch für NoSQL-Systeme. Konsistenz ist schwächer als bei ACID.

JSONB speichert JSON binär. Es ist indexierbar und performant. Es verbindet relationale und dokumentenbasierte Konzepte.

Ein Index beschleunigt Abfragen. Er kostet zusätzlichen Speicher. Falsch gesetzte Indizes können Performance verschlechtern.

B-Tree ist Standard. GIN und GiST werden für spezielle Datentypen genutzt. BRIN ist für große Tabellen geeignet.

Ein Foreign Key erzwingt referenzielle Integrität. Er verbindet Tabellen logisch. PostgreSQL prüft Konsistenz automatisch.

Normalisierung reduziert Redundanz. Daten werden logisch aufgeteilt. Sie verbessert Datenintegrität.

Denormalisierung dupliziert Daten bewusst. Sie erhöht Leseperformance. NoSQL nutzt dies häufig.

Sharding teilt Daten auf mehrere Knoten. Es ermöglicht horizontale Skalierung. NoSQL nutzt Sharding intensiv.

Replication kopiert Daten auf mehrere Knoten. Sie erhöht Verfügbarkeit. PostgreSQL unterstützt Streaming Replication.

Ein Primary Key identifiziert Datensätze eindeutig. Er ist eindeutig und nicht null. Er wird oft indexiert.

MVCC steht für Multi Version Concurrency Control. Leser blockieren keine Schreiber. PostgreSQL nutzt dieses Modell.

Locking schützt Daten bei gleichzeitigen Zugriffen. PostgreSQL minimiert Locks durch MVCC. Locks können trotzdem auftreten.

Eine Transaktion ist eine logische Arbeitseinheit. Sie wird vollständig ausgeführt oder zurückgerollt. PostgreSQL garantiert Konsistenz.

Explain Analyze zeigt Query-Ausführungspläne. Es hilft bei Performance-Optimierung. Es ist wichtig für Tuning.

Ein Document Store speichert JSON-Dokumente. Beispiele sind MongoDB. Daten sind schemaflexibel.

Key-Value Stores speichern Schlüssel-Wert-Paare. Sie sind sehr schnell. Beispiele sind Redis oder DynamoDB.

Column Stores speichern Daten spaltenorientiert. Sie sind effizient für Analysen. Beispiele sind Cassandra oder HBase.

Eventual Consistency bedeutet verzögerte Konsistenz. Daten gleichen sich später ab. Typisch für NoSQL.

CAP beschreibt Consistency Availability Partition Tolerance. Systeme können nur zwei garantieren. NoSQL-Systeme priorisieren unterschiedlich.

Primär vertikal. Replikation ermöglicht Lese-Skalierung. Sharding ist komplexer.

Über Rollen und Rechte. TLS schützt Verbindungen. Regelmäßige Backups sind Pflicht.

Schwächere Konsistenz. Komplexere Abfragen fehlen oft. Joins sind meist nicht möglich.

Bei Polyglot Persistence. Jede Datenbank löst ein spezielles Problem. Moderne Architekturen nutzen beides.