Moderne, Skala Anwendungen erfordern die Überwindung standardmäßiger tabellarischer Schemata, um einzigartige Datenformen mit optimierten nichtrelationalen Speicher-Engines abzugleichen. In diesem Kurs werden die architektonischen Merkmale, Vorteile und Datenmodellierungsansätze für die vier wichtigsten NoSQL-Taxonomien systematisch beschrieben:

Dokumentdatenbanken (z. B. MongoDB, IBM Cloudant): Speichert Daten in halbstrukturierten Formaten wie JSON- oder BSON-Dokumenten und bietet so extreme Flexibilität für Content-Management- und E-Commerce-Kataloge.

Wide-Column Stores (z. B. Apache Cassandra): Organisiert Daten in dynamischen Spaltenzeilen, die für die Verarbeitung großer Mengen von Zeitreihen oder analytischen Protokollen über verteilte Knoten optimiert sind.

Key-Value-Stores: Ordnet eindeutige Schlüssel diskreten Datenblobs zu und dienen als superschnelle Cache-Ebene für Sitzungsstatus und Benutzerprofile.

Graphdatenbanken: Nutzt Knoten, Kanten und Eigenschaften, um dichte Verbindungen abzubilden, ideal für soziale Netzwerke, Betrugserkennung und Empfehlungsmaschinen.

Bonus: Der Lehrplan behandelt auch Vector Databases, eine neue Architekturklasse, die speziell für hochdimensionale Einbettungen für Generative KI und semantische Suchindizierung entwickelt wurde.

Eine grundlegende Voraussetzung für die Skalierung von Datenplattformen ist das Verständnis der theoretischen Kompromisse Verteilte Systeme. Sie werden die strengen Transaktionsbeschränkungen traditioneller relationaler Systeme (ACID-Eigenschaften) der verteilten Denkweise von NoSQL (BASE-Eigenschaften — Basically Available, Soft State, Eventual consistency) gegenüberstellen. Mithilfe des CAP-Theorem-Frameworks werden Sie herausfinden, warum ein verteiltes System gleichzeitig nur zwei von drei Kernpfeilern garantieren kann: Konsistenz, Verfügbarkeit und Partitionstoleranz, sodass Architekten gezwungen sind, während eines Partitionsereignisses zwischen Datengenauigkeit oder Netzwerkverfügbarkeit zu wählen.

Sie werden von der Theorie der Datenbankarchitektur auf hoher Ebene zum konkreten Engineering auf Syntaxebene übergehen. In interaktiven praktischen Laborumgebungen werden Sie die folgenden programmatischen Arbeitsabläufe beherrschen:

MongoDB: Erstellen strukturierter JSON-Dokumente, Erstellen leistungsoptimierter Indizes, Schreiben komplexer Pipeline-Aggregationen und Ausführen von CRUD-Kernoperationen (Create, Read, Update, Delete) bei gleichzeitiger Konfiguration von Replikationssätzen und Cluster-Sharding für horizontale Skalierung.

Apache Cassandra: Zugriff auf den Cluster über die Cassandra Query Language (CQL Shell), Verwaltung dezentraler Keyspace-Operationen, Einrichtung verteilter Spaltentabellen und Durchführung von Transaktionsabfragen mit hohem Durchsatz, zugeschnitten auf ständig verfügbare Webplattformen.