kolomfamiliedatabases

Kolomfamiliedatabases, ook wel column-family databases genoemd, zijn een soort NoSQL-databases die data organiseren in kolomfamilies in plaats van rijen en kolommen zoals relationele systemen. In dit model worden data voor een rij verdeeld over meerdere kolomfamilies, zodat veelgebruikte kolommen samen kunnen worden opgeslagen en geanalyseerd. Het schema is doorgaans flexibel: kolommen kunnen per rij verschillen en nieuwe kolomfamilies kunnen zonder migraties worden toegevoegd.

Het data-model bestaat uit rijen die worden geïdentificeerd door een rij-sleutel. Binnen elke rij zijn kolommen gegroepeerd in kolomfamilies; kolommen worden aangeduid door een kolomnaam en kunnen een tijdstempel en meerdere versies hebben. Kolomfamilies bepalen welke kolomgroepen samen worden opgeslagen en kunnen efficiënte toegang bieden voor brede rijen. Schaling is meestal horizontaal: data wordt verdeeld over meerdere nodes en gerepliceerd voor beschikbaarheid en fouttolerantie.

Architecturen variëren per implementatie, maar veel kolomfamiliedatabases zijn ontworpen voor schaal en lage latentie bij grote datasets. Opslag kan logisch worden georganiseerd als kolomfamilies binnen distributed storage, bijvoorbeeld Cassandra met SSTables en memtables, of HBase op HDFS. De systemen bieden doorgaans configureerbare consistentieniveaus, waardoor toepassingen kunnen kiezen tussen sterke en eventual consistency.

Toepassingen omvatten tijdreeksen, IoT- en logdata, en gebruikersprofielen met veel attributen, waarvoor gecombineerde toegang tot meerdere kolomfamilies nodig is. Voorbeelden van populaire kolomfamiliedatabases zijn Apache Cassandra en Apache HBase; ScyllaDB en Google Bigtable bouwen voort op hetzelfde principe.

Voordelen zijn onder meer schaalbaarheid, snelle writes en reads voor brede rijen, en een flexibel schema. Nadelen omvatten complexiteit bij data-modellering en beperkingen bij het uitvoeren van complexe querying en bij het gebruik van secundaire indexes. Consistentie kan configureerbaar zijn, maar sterke, gecentraliseerde transacties zijn doorgaans duurder.