Contexto del tema

Un sistema de gestión de bases de datos es el programa que guarda los datos por ti: tú le describes qué quieres y él se encarga de dónde y cómo. Durante décadas eso significó el modelo relacional, con sus tablas, sus claves y su SQL. Este tema explica ese modelo y lo que vino después: las bases NoSQL, que renuncian al esquema fijo y a parte de las garantías para poder repartir los datos entre muchas máquinas, y el ecosistema de Big Data, que es lo que se hace cuando los datos no caben en un solo servidor.

El tema corresponde a un epígrafe del programa oficial que tiene tres tercios, y por eso mezcla cosas que parecen de épocas distintas. Conviene leerlo como una historia: el relacional resuelve la consistencia; llega internet con volúmenes que el relacional no escala; aparecen NoSQL y el teorema CAP para explicar qué se sacrifica; y Hadoop y sus herramientas para procesar lo que ninguna base sola puede. Cada pieza existe por una limitación de la anterior.

En el examen se preguntan los conceptos con nombre: ACID frente a BASE, las tres letras de CAP y cuál se sacrifica, los cuatro modelos NoSQL con su producto de ejemplo, las uves del Big Data, qué es HDFS, YARN y MapReduce. Los temas de modelado y de SQL, en el bloque de desarrollo, profundizan en la parte relacional que aquí solo se presenta.

Léelo como una historia en la que cada pieza nace de una limitación de la anterior: el relacional garantiza consistencia pero no escala; NoSQL escala sacrificando algo, y CAP dice qué; Hadoop procesa lo que ninguna base sola puede.