This GitHub repo has example exercises for the ITBA Distributed Systems course. Develop practical skills and learn key concepts to master distributed systems.
View the Project on GitHub GonzaloHirsch/Programacion-de-Objetos-Distribuidos
Los sistemas NoSQL cumplen ciertas características:
Resuelven problemas de escalabilidad con las siguientes estrategias:
El teorema CAP se basa en 3 conceptos:
El teorema indica que no se pueden los 3, sinó que se elijen 2. Como son sistemas que escalan horizontalmente, la P debe estar, se elije entre las otras dos. En general suelen elegir la A y tener Consistencia Eventual (promete que ante una escritura, todos los nodos eventualmente tendrán la misma información, y la cantidad de nodos/replicas afecta a la velocidad de esto).
Base de datos simple que usa un vector para guardar pares clave-valor. La clave generalmente es un string, y el valor puede ser cualquier cosa.
No hacen falta índices, y la respuesta no se puede controlar porque no hay esquema para los valores.
No suelen tener query language más que unas operaciones simples para guardar, borrar y recuperar. Son rápidas para escritura y lectura, además de fáciles de usar.
Redis es Remote Dictionary Server, es una base de datos en memoria que sirve como cache y broker de mensajes. Soporta distintas estructuras de datos además de tipos primitivos básicos.
No es recomendable como store permanente, y no puede guardar más información de la que entra en memoria.
Base de datos optimizada para leer columnas, sirve más que nada para hacer queries analíticas. Reducen accesos de IO ya que no hace falta hacer un full-scan. Son horizontalmente escalables con hardware barato.
Teniendo un ejemplo con 3 filas y 3 columnas:
| A | B | C |
|---|---|---|
| A1 | B1 | C1 |
| A2 | B2 | C2 |
| A3 | B3 | C3 |
En una base por filas se guardan conceptualmente como:
| A1 | B1 | C1 | A2 | B2 | C2 | A3 | B3 | C3 |
|---|---|---|---|---|---|---|---|---|
En una base por columnas se guardan como:
| A1 | A2 | A3 | B1 | B2 | B3 | C1 | C2 | C3 |
|---|---|---|---|---|---|---|---|---|
Y probablemente cada columna se guarda/escribe en un archivo separado.
HBase es una base de datos no relacional, columnar, distribuida, escalable, de baja latencia y random access construida sobre Apache Hadoop.
Ventajas:
Desventajas:
Las tables son mapas de filas, cada fila tiene una primary key, y cada fila tiene un conjunto de familia de columnas que es parte del esquema.
Se pueden agregar columnas dinámicamente, las celdas son combinaciones de fila-columna, tienen tipo byte[] y un timestamp. Los NULL no ocupan espacio.
Las tablas se componen de una o más regiones.
Hay RegionServers, que sirve de a una región a la vez, y estas regiones están colocadas con HDFS.
Cada vez que se quiere hacer una escritura, hay 3 elementos que participan:
Cuando un cliente pide una fila, hace que pase:
El borrado escribe un “tombstone” en MemStore para que devuelva “borrado” más rápido.
Desarrollado por Facebook y basado en papers de Google y Amazon.
Features claves son:
Tiene su propio query language.
Los nodos periódicamente intercambian información de su estado, corre cada segundo y cada nodo habla con hasta 3 otros nodos. Se puede ver quién tiene la última versión de la información.
Es recomendable que el modelo de datos se haga a partir del query, cada consulta tiene su tabla asociada.
Las Primary Keys tienen 2 partes (ambas pueden ser compuestas):
Cassandra no tiene soporte de JOIN, LIKE, Subqueries y Aggregations, los campos del WHERE son solo de Primary Keys (a menos que se especifique ALLOW FILTERING). Esto se da por como se indexa la información en el file system de cada nodo (según la estructura de la Primary Key), y genera que sea “1 tabla por query”.
Es un Key-Value store donde el valor es un documento que no tiene esquema, y que a diferencia de key-value store, se pueden filtrar los documentos. Sirven para información semi-estructurada.
Estos documentos son unidades independientes y complejas, no hace falta convertir modelos en tablas.
MongoDB es una base de datos open source que provee alta performance, alta disponibilidad y escalamiento automático.
Features claves son:
Los documentos son pares key-value que se presentan como JSON (en realidad es BSON).
Las colecciones son conjuntos de documentos, y las bases de datos son conjuntos de colecciones.
Guarda la información como un conjunto de nodos y aristas.
Cada nodo es una entidad que se define con una clave única, aristas de entrada y salida, y las propiedades (key-value).
Cada arista tiene clave única, nodo origen y destino, y propiedades (key-value).
Es un engine altamente escalable y open source para búsquedas full-text y queries de agregación analítica. Permite guardar, buscar y analizar grandes cantidades de información en casi “real-time”. Usa Apache Lucene como base para full-text.
Es una base distribuida, multitenant, con interfaz REST y que guarda documentos en JSON.