Какие знаешь не реляционные базы данных?

Нереляционные базы данных (NoSQL)

Нереляционные базы данных (NoSQL) — это широкий класс систем хранения данных, которые отличаются от традиционных реляционных СУБД отсутствием жесткой схемы таблиц, горизонтальной масштабируемостью и гибкой моделью данных. Они стали ответом на вызовы Big Data, высоконагруженных веб-приложений и распределенных систем, где требования к скорости записи/чтения, объему данных и отказоустойчивости часто превышают возможности классических SQL-решений. Как QA Engineer с опытом, я рассматриваю их не только с точки зрения администрирования, но и через призму тестирования: проверки целостности данных, производительности, согласованности в распределенных сценариях и корректности работы клиентских приложений.

Основные категории NoSQL баз данных, которые я знаю и с которыми работал:

1. Документоориентированные базы данных

Хранят данные в виде документов (например, JSON, BSON, XML). Каждый документ — это самостоятельная сущность с собственной структурой, что обеспечивает гибкость.

• Типичные представители: MongoDB, Couchbase, CouchDB.
• Ключевые особенности: Гибкая схема, поддержка вложенных структур, индексация по полям документов.
• Сценарии применения: Каталоги товаров, профили пользователей, системы контент-менеджмента.
• Пример документа в MongoDB (JSON):

  {
    "_id": ObjectId("507f1f77bcf86cd799439011"),
    "username": "johndoe",
    "email": "john@example.com",
    "address": {
      "city": "Moscow",
      "street": "Tverskaya"
    },
    "orders": [101, 245, 300]
  }
  

2. Базы данных типа «ключ-значение»

Самая простая модель, где данные хранятся как пары уникальный ключ — значение. Значение часто непрозрачно для базы данных и интерпретируется клиентским приложением.

• Типичные представители: Redis, Amazon DynamoDB, Riak, Memcached.
• Ключевые особенности: Высокая производительность, низкая задержка, идеальны для кэширования и хранения сессий.
• Сценарии применения: Кэширование веб-страниц, корзины покупок, управление сеансами пользователей, очереди задач.
• Пример команды в Redis:

  SET user:session:452 "{\"userId\": 452, \"lastActivity\": 1678886400}"
  GET user:session:452
  

3. Колоночные базы данных

Хранят данные не по строкам, а по колонкам. Это позволяет эффективно считывать и агрегировать данные по определенным столбцам, что критично для аналитических запросов.

• Типичные представители: Apache Cassandra, ScyllaDB, HBase, Google Bigtable.
• Ключевые особенности: Отличная горизонтальная масштабируемость, высокая скорость записи, оптимизация для запросов по диапазонам.
• Сценарии применения: Аналитика больших данных, системы сбора метрик (мониторинг), журналирование событий.
• Пример создания таблицы в Cassandra (CQL похож на SQL, но семантика иная):

  CREATE TABLE user_events (
      user_id uuid,
      event_date date,
      event_time timestamp,
      event_type text,
      details text,
      PRIMARY KEY ((user_id), event_date, event_time)
  ) WITH CLUSTERING ORDER BY (event_date DESC, event_time DESC);
  

4. Графовые базы данных

Специализируются на хранении и查询 связей между сущностями. Данные представлены в виде узлов (сущности), ребер (связи) и их свойств.

• Типичные представители: Neo4j, Amazon Neptune, JanusGraph.
• Ключевые особенности: Эффективные запросы к связанным данным, использование специальных языков запросов (например, Cypher).
• Сценарии применения: Социальные сети (поиск друзей, рекомендации), системы обнаружения мошенничества, рекомендательные движки, управление знаниями.
• Пример запроса на Cypher (Neo4j) для поиска друзей пользователя:

  MATCH (user:Person {name: 'Alice'})-[:FRIEND_OF]->(friend)
  RETURN friend.name, friend.city;
  

5. Базы данных на основе поисковых движков

Хотя их основная цель — полнотекстовый поиск, они часто используются как документоориентированные хранилища с мощными возможностями индексации и поиска.

• Типичные представители: Elasticsearch, OpenSearch.
• Ключевые особенности: Инвертированные индексы, полнотекстовый поиск, агрегации в реальном времени, RESTful API.
• Сценарии применения: Поиск по сайту, лог-аналитика (ELK-стек), системы аналитики в реальном времени.

Вопросы тестирования NoSQL баз данных

Для QA Engineer понимание типов NoSQL напрямую влияет на стратегию тестирования:

• Тестирование схемы: В документарных БД проверяем валидацию схемы на уровне приложения или с помощью встроенных JSON-схем.
• Тестирование согласованности: Проверяем, как система ведет себя в условиях eventual consistency (最终 согласованность). Актуально для Cassandra, DynamoDB.
• Производительность и нагрузочное тестирование: Измеряем latency (задержку) и throughput (пропускную способность) для операций записи/чтения, особенно в распределенном кластере.
• Тестирование отказоустойчивости: Имитируем отказ узлов в кластере (ноды) и проверяем, как система перераспределяет данные и продолжает обслуживать запросы.
• Тестирование клиентских интеграций: Проверяем корректность работы драйверов (drivers) и ORM (например, Mongoose для MongoDB), обработку ошибок и повторных попыток.

Выбор конкретной NoSQL базы данных всегда зависит от требований проекта к модели данных, согласованности, доступности и устойчивости к разделению (CAP-теорема). Задача QA — не только понимать эти различия, но и уметь проектировать тесты, которые выявят проблемы, специфичные для выбранной технологии.