Ihr Unternehmen verändert sich. Genau wie Ihre Daten. Sie können sich dem Fortschritt nicht verschließen und versuchen, all diese Daten in einem relationalen Schema zu vereinen. Sie benötigen eine Multi-Modell-Datenbank, um all Ihre Daten auf einer einheitlichen Plattform zu verarbeiten. Um es mit den Worten eines unserer Kunden zu sagen: "MarkLogic befreit Sie von den Fesseln der relationalen Technologie."

Im Kern ist MarkLogic eine Multi-Modell-Datenbank. Es speichert JSON, XML, RDF, Geodaten und große Binärdateien im nativen Format. Dadurch wird es einfach, alle Ihre Daten lückenlos zu erfassen und später Änderungen daran vorzunehmen. Die Daten und Metadaten lassen sich ganz einfach im Ist-Zustand laden – egal ob es sich um strukturierte oder unstrukturierte Daten handelt. Und zwar ohne umständliche ETL-Prozesse. Möchten Sie eine weitere Datenquelle hinzufügen oder Änderungen an Ihren Schemata vornehmen? Kein Problem! MarkLogic ist flexibel. Schnell. Und iterativ.

Datenblatt

Alle Daten laden – egal, woher sie kommen

  • Strukturierte Daten
  • Unstrukturierte Daten
  • Metadaten
  • Regulierte Daten
  • ERP-Systeme
  • Mainframe-Daten
  • Geodaten
  • IoT, Clickstream
  • UND VIELES MEHR
  • Oracle
  • IBM DB2
  • SQL Server
  • Sybase
  • Teradata
  • Netsuite
  • MS Excel
  • NoSQL
  • Hadoop
  • Dateisystem
  • UND VIELES MEHR

Das Dokumentenmodell – flexibel und am Benutzer ausgerichtet

Die Dokumentendatenbank ist das vielseitigste und beliebteste NoSQL-Datenmodell. Dokumente sind ideal für die Handhabung vielfältiger und komplexer Daten geeignet. Sie sind für Menschen lesbar und an dem Modell orientiert, das den Daten zugrunde liegt. Außerdem kann durch Dokumentendatenbanken das mit relationalen Datenbanken verbundene "Unvereinbarkeitsproblem" vermieden werden.

Ob e sich um Java-Objekte, die Geschäftsbereiche repräsentieren, oder um frei fließenden Text aus einem "Dokument" (Microsoft Word-Dokumente, PDFs usw.) im herkömmlichen Sinne handelt – sie werden alle nativ als JSON und XML-Dokumente in MarkLogic gespeichert.
  • Schnelle Entwicklung
  • Schema-agnostisch
  • Auf den Benutzer ausgerichtet
  • "Denormalisierte" Daten 
  • Verbesserte Suche und Abfrage
  • Nutzt alle Attribute 
  • Abfragen im Kontext
  • Ideal für die Datenintegration

Beispiel für ein JSON-Dokument, das einen chirurgischen Eingriff in einem Krankenhaus darstellt:

{ "krankenhaus": "Charite",
  "operationstyp": "Herztransplantation"
  "chirurg": "Klaus Meier",
  "Operationsnummer": 13,
  "verabreichteMedikamente": [
    { "medikamentName": "Minicillan",
      "pharmahersteller": "Drugs R Us",
      "dosiermenge": 200, "dosier-ME": "mg" },
    { "medikamentName": "Maxicillan",
      "pharmahersteller": "Canada4Less",
      "dosiermenge": 400, "dosier-ME": "mg" },
    { "medikamentName": "Minicillan",
      "pharmahersteller": "Drugs USA",
      "dosiermenge": 150, "dosier-ME": "mg" }

Integrierte Graphdatenbank für Beziehungen

Dokumente sind hervorragend zum Speichern von Entitäten geeignet. Zur Darstellung von Beziehungen zwischen Daten sind jedoch Graphdatenbanken ideal. Eine Graphdatenbank dient zum Speichern und Verwalten von Beziehungen, z. B. zwischen Benutzern, Kunden, Anbietern usw.

MarkLogic verfügt über eine integrierte RDF-Tripel-Datenbank (eine Art von Graphdatenbank) für die Speicherung und Verwaltung semantischer Daten. Wir nennen diese Funktion MarkLogic Semantik. Semantik bietet die Möglichkeit, die von MarkLogic gespeicherten JSON- und XML-Dokumente auf intelligente Art und Weise miteinander zu verknüpfen und zu erweitern. Dies ist eine entscheidende Voraussetzung für eine bessere Datenintegration und leistungsfähigere Abfragen.

Semantik liefert außerdem Kontext für Ihre Daten. Nehmen wir als Beispiel eine Datenbank, in der Informationen über Teile gespeichert werden. Ein Teil wird darin mit der Größe "42" geführt. Aber wo sind die kontextbezogenen Informationen? In welcher Maßeinheit wird diese "42" gemessen? Wie sieht die Toleranz aus? Wer hat die Messung vorgenommen? Wann wurde gemessen? Wer kann diese Daten sehen? All diese Kontextinformationen bilden die Semantik Ihrer Daten.

Mehr erfahren

Benötigen Sie nach wie vor strukturierte, relationale Ansichten Ihrer Daten?

Manchmal ist es wirklich sinnvoll, mit strukturierten, relationalen Ansichten von Daten in tabellarischer Form zu arbeiten, die Sie mit dem guten alten Standard-SQL abfragen können. MarkLogic hat auch hierfür die Lösung.

MarkLogic unterstützt Standard-SQL. Die zugrunde liegenden Daten bleiben dieselben – es sind immer noch Dokumente in MarkLogic. Sie haben jedoch die Möglichkeit, relationale Sichten Ihrer Daten zu erstellen und sie in Tabellenform anzuzeigen.

Nur MarkLogic verfügt über die Technologie, die dieses Maß an SQL-Unterstützung ermöglicht. Wir nennen sie Template Driven Extraction (TDE).TDE ermöglicht es, eine "relationale Ansicht" zu definieren und auf Ihr Dokument anzuwenden, um Teile Ihrer Daten mithilfe von Standard-SQL zu durchsuchen.

Zur Abfrage Ihrer relationalen Ansichten können Sie auch die neue Optic API verwenden. Die Optic API bietet eine einheitliche Schnittstelle zur Ausführung von Abfragen in Dokumenten, relationalen Ansichten oder Graph-Ansichten (bzw. einer Kombination davon). Außerdem können Sie mit der Optic API dokumentenübergreifende Verknüpfungen und Aggregate erstellen. Versuchen Sie das einmal mit einer anderen Dokumentendatenbank!

Multi-Modell-Ansatz und Datenintegration

MarkLogic ist schema-agnostisch, nicht schema-frei. Schema-agnostisch bedeutet, dass das Schema geändert werden kann und dass mehrere Schemas nebeneinander in einer Datenbank vorhanden sein können. Dies macht die Datenintegration einfacher und schneller, denn im Gegensatz zu relationalen Datenbanken müssen nicht alle Daten erst einem einzigen, übergeordneten Schema zugeordnet werden. Und dank der leistungsstarken Indexe von MarkLogic können Sie für Suchen und Abfragen die Sprache Ihrer Wahl nutzen – ob JavaScript, XQuery, SQL oder SPARQL.

  • Quelldaten laden – in jedem Format
  • Herkunft und andere Metadaten beibehalten
  • Nur das Benötigte harmonisieren
  • Das Modell später ohne erneuten Aufnahmeprozess aktualisieren
  • Neue Schemas haben keine Auswirkung auf vorhandene Daten und Anwendungen.

Ressourcen

Für Unternehmen: Sind Sie bereit, der Matrix zu entfliehen?

Möchten Sie mehr darüber erfahren, warum der Multi-Modell-Ansatz für die Datenintegration besser geeignet ist als der traditionelle relationale Ansatz? David Gorbet, SVP of Engineering bei MarkLogic, erklärt in diesem Video, wie Sie der Matrix und der Tyrannei der Maschinen entkommen und das unmöglich geglaubte erreichen.

Für Architekten: Technische Vorteile einer Multi-Modell-Datenbank

Lesen Sie unser kostenloses O'Reilly-E-Book, "Building on Multi-Model Databases" (in englischer Sprache), um zu verstehen, wie Sie mit mehreren Schemata auf einer einzigen Plattform arbeiten können. In dem E-Book wird anhand praktischer Beispiele veranschaulicht, wie Multi-Modell-Datenbanken Komplexität und Risiko reduzieren und die Wertschöpfungszeit verkürzen.

O'Reilly-E-Book herunterladen

Für Entwickler: Multi-Modell-Datenmodellierung in 16 Minuten

Dieses kurze Tutorial bietet einen technischen Überblick über die Best Practices für die Datenmodellierung mit Dokumenten und Tripeln, einschließlich Techniken wie Envelope-Muster und progressive Enhancement.

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.