Unser Multi-Modell-Ansatz ist eine elegante Lösung für heterogene Daten. Die MarkLogic Datenbank unterstützt unterschiedliche Datenmodelle auf natürliche, organische Weise innerhalb eines einzelnen, integrierten Backends und nutzt die für das jeweilige Modell geeigneten Daten- und Abfragestandards.

Integrierte Indexe

Integrierte Daten erfordern integrierte Indexe. Bei herkömmlichen Datenbanken müssen Sie zunächst auswählen, welche Indexe für den jeweiligen Datentyp erstellt werden sollen. Multi-Modell-Datenbanken hingegen verfügen über eine Vielzahl von Indexen, die einen sofortigen Zugriff direkt nach dem Laden der Daten ermöglichen. Eine Multi-Modell-Datenbank funktioniert ähnlich wie Google – das Format der Webseiten ist für Google unerheblich, die Suchmaschine indiziert sie einfach. Bei einer Multi-Modell-Datenbank können Benutzer rasch innerhalb aller Datenmodelle mit einer einzigen, frei zusammensetzbaren Abfrage suchen.

Frei zusammensetzbare Abfragen

Abfragen können erweitert oder kombiniert werden, um nahtlose Abfragen innerhalb aller unterstützten Datenmodelle zu ermöglichen. Die für das jeweilige Datenmodell geeigneten Indizierungs-, Analyse- und Verarbeitungsstandards sind in das Datenbank-Kernprodukt integriert.

Zentrale Plattform

Sie erhalten eine einheitliche Plattform, die den Aufwand in Zusammenhang mit Backup und Recovery, Entwicklung und Tests sowie Suchvorgängen verringert. Und das Beste: Sie müssen nur ein einziges Sicherheitsmodell verwalten.

Flexible Datenmodellierung

Mit MarkLogic haben Sie die Flexibilität, das geeignete Modell für Ihre Daten auszuwählen. Wenn Sie z. B. eine Dokument- und eine Tripel-Datenbank miteinander kombinieren, können Sie JSON für Objekte (Kunde, Warenbestand), XML für Text (Blogbeiträge, Presseartikel) und RDF-Tripel für Fakten und die Beziehungen der Daten verwenden.

Shared-Nothing-Architektur

Dabei handelt es sich um eine verteilte Computing-Architektur, in der jeder Knoten unabhängig und autark ist. Im gesamten System gibt es weder einen Single Point of Contention noch einen Single Point of Failure. Insbesondere greifen die Netzwerkknoten nicht auf gemeinsamen Arbeitsspeicher oder auf gemeinsame Festplattenlaufwerke zu.

Ein Multi-Modell-Szenario

Die Abbildung zeigt unterschiedliche Methoden, eine Person zu beschreiben: in einem Dokument, in Form von Tripeln mit Fakten und Beziehungen oder in Form einer Tabelle, also relational. In MarkLogic werden diese Daten in Form von Dokumenten gespeichert, aber sie können zusätzlich ganz einfach als relationale Daten erstellt werden, z. B. um SQL-Abfragen zu ermöglichen.

Von MarkLogic unterstützte Datentypen

JSON
Ideal für strukturierte Daten, die als Objekte gespeichert werden

  • Schema-agnostisch
  • Abfrage mit JavaScript
  • Kompakt und schnell zu analysieren
  • Sechs verschiedene Werte: Objekte, Arrays, Floats, Zeichenfolge, Boolesch, Null-Werte
  • Vermeidet Namespaces, Kommentare und Attribute
  • Gängiges Datenformat für das Web
XML
Ideal für strukturierte und unstrukturierte Daten oder Text

  • Schema-agnostisch
  • Abfrage mit XQuery
  • Speichert Objekte, Sets und viele Datentypen wie Datum, Dauer, Ganzzahl usw.
  • Verwendet Namespaces (für die Einbettung von Objekttypen), Kommentare und Attribute (für das Hinzufügen von Metadaten)
  • Als Datenmodell ausgereifter als JSON
RDF
Ideal für Fakten und Beziehungen

  • Zur Definition von Entitäten und Beziehungen
  • Atomare Struktur (kann nicht weiter zerlegt werden)
  • Nutzt einen universellen Standard für Daten und Abfragen (RDF und SPARQL)
  • Wird für Referenz-, Meta- und Herkunftsdaten verwendet
JSON/XML + RDF
Ideal für Systeme aus Daten, Text und Beziehungen

  • Dokumente können Tripel enthalten
  • Dokumente können mit Tripeln kommentiert werden
  • Tripel-Graphen können Dokumente enthalten
  • Erweiterte Abfragen:
    • Dokumentsuche durch Graphen erweitern
    • Graphen-Suche durch Verknüpfung mit Dokumenten erweitern
    • Dokumentsuche durch Tripel-Metadaten beschränken

Einfachere Datenintegration dank Multi-Modell-Datenbanken

Multi-Modell-Datenbanken vereinen die Vorteile von Dokumenten- und Tripel-Speichern und bieten die effektivste Möglichkeit zum Verwalten von Entitäten und Beziehungen. Entitäten werden in Dokumenten gespeichert, Beziehungen in Form von RDF-Tripeln. Dieser Ansatz ist schneller und effektiver als relationale Modelle oder Methoden, die nur auf Dokumenten oder Tripeln beruhen. Möchten Sie mehr darüber erfahren, wie Sie die Datenintegration durch die effektive Verwaltung von Entitäten und Beziehungen vereinfachen können?

Produktfunktion Data Hub-Framework

Lassen Sie sich nicht von fake Multi-Modell-Datenbanken blenden

Viele als "Multi-Modell" beworbene Datenbanken sind in Wirklichkeit nur zusammengeschraubte Multi-Tools, die keine einheitliche Speicher- oder Abfrageebene besitzen.

Echte Multi-Modell-Datenbanken sind in der Lage, unterschiedliche Datentypen in einem System zu speichern, wobei Data Governance, Management und Zugang einheitlich sind. Eine "Multi-Abfrage"-Datenbank ist damit nicht vergleichbar. Wenn Sie Daten speichern, dann sollten Sie sie auch durchsuchen können. Die Datenbank sollte unterschiedliche Datenmodelle verarbeiten und indizieren, sodass Sie eine Kombination aus Text-, SPARQL- und XQuery-Abfragen ausführen können – die freie Gestaltung der Abfragen ist dabei von entscheidender Bedeutung.

MarkLogic ist ein führender Multi-Modell-Anbieter

Eine Multi-Modell-Datenbank vereint die Vorteile von zwei Datenbanken in einer (z. B. Dokumentendatenbank und Graphdatenbank oder Semantik) und bietet eine einheitliche Abfrageoberfläche. MarkLogic ist eine führende Multi-Modell-Datenbank, die auf diesem Ansatz basiert und sich bei der Integration von isolierten Datenbeständen als sehr effektiv erwiesen hat. Der Kunde erhält die Flexibilität des Dokumentmodells für seine Kerndaten und kann Metadaten mithilfe von Tripeln speichern. Auf diese Weise lassen sich Daten nicht nur schneller und effektiver integrieren, auch die Data Governance wird optimiert.

Datenintegration mit einer Multi-Modell-Datenbank

Sind Multi-Modell-Datenbanken der neue Standard?

Reduzierung von Datensilos mit Multi-Modell-Datenbanken

Promo Gartner ODBMS 2017

Der einzige NoSQL-Anbieter, der im Gartner Magic Quadrant für ODBMS 2017 als Challenger eingestuft wurde.

MarkLogic wurde im zweiten Jahr hintereinander als Challenger anerkannt und ist der einzige NoSQL-Anbieter, der im Bericht 2017 als Challenger geführt wird. Das Unternehmen erhielt die beste Bewertung für Execution und Vision im Challenger-Quadranten.

Bericht herunterladen

Weitere Ressourcen

Whitepaper | Alle Branchen
Herkömmliche Datenmodelle reichen nicht mehr aus. Unternehmen werden durch relationale Technologien eingeschränkt und benötigen einen effektiveren Ansatz für die Datenmodellierung. Mit einer Multi-Modell-Datenbank mit NoSQL und Semantik lassen sich Daten schneller integrieren und intelligentere Anwendungen entwickeln.
Multimedia | Alle Branchen
Damon Feldman betrachtet zwei Methoden zum Aufbau einer Multi-Modell-Datenbank: zum einen eine einzelne Plattform, die viele Modelle auf einem einzigen Kern vereint, zum anderen komplexe Integrationen, bei denen viele Systeme vorpaketiert sind. Welche Methode ist für Sie die bessere?
This talk will lay out the most important reasons to simplify your architecture and discuss how to find the best balance between simplicity and functionality.

Funktionen speziell für Unternehmen

Auf dieser Website werden Cookies verwendet.

Mit der Nutzung dieser Webseite stimmen Sie der Verwendung von Cookies gemäß der MarkLogic Datenschutzrichtlinie zu.