[1] O documento discute os mitos e fatos sobre a escalabilidade de bancos de dados não relacionais (NoSQL); [2] Alguns bancos de dados NoSQL como Cassandra, Riak e HBase são altamente escaláveis pois usam técnicas de distribuição, enquanto outros como CouchDB e MongoDB não conseguem escalar além dos limites de um único servidor; [3] Nem todo banco de dados NoSQL é altamente escalável, apenas aqueles que usam distribuição de dados.

1. Movimento NoSQL
mitos e fatos sobre escalabilidade de
bancos de dados não relacionais
Allisson Azevedo
allisson arroba gmail.com
http://slideshare.net/allisson/

2. Allisson Azevedo
➔ Concluinte do curso de Licenciatura em
Computação, UEPB
➔ Desenvolvedor Web na sodavirtual.com.br
➔ Django
➔ befter.net
➔ Áreas de interesse
➔ Desenvolvimento web
➔ Computação nas núvens
➔ Sistemas operacionais

3. NoSQL?

4. No SQL?
No SQL?

5. Not Only SQL
Não apenas SQL

6. Not Only SQL
Não apenas SQL
Diferentes sistemas de armazenamento de
dados para resolver problemas em que os
RDBMS não são a melhor solução

7. Not Only SQL
Não apenas SQL
Diferentes sistemas de armazenamento de
dados para resolver problemas em que os
RDBMS não são a melhor solução
Algo em torno de 10% dos casos

8. Not Only SQL
Não apenas SQL
Diferentes sistemas de armazenamento de
dados para resolver problemas em que os
RDBMS não são a melhor solução
Algo em torno de 10% dos casos
Hype: alta escalabilidade

9. Escalabilidade?

10. Escalabilidade?
É uma característica desejável em todo o
sistema, em uma rede ou em um processo,
que indica sua habilidade de manipular uma
porção crescente de trabalho de forma
uniforme, ou estar preparado para crescer.
Wikipedia: http://pt.wikipedia.org/wiki/Escalabilidade

11. Escalabilidade?
É uma característica desejável em todo o
sistema, em uma rede ou em um processo,
que indica sua habilidade de manipular uma
porção crescente de trabalho de forma
uniforme, ou estar preparado para crescer.
Wikipedia: http://pt.wikipedia.org/wiki/Escalabilidade
Escalabilidade != Performance

12. Escalabilidade?
É uma característica desejável em todo o
sistema, em uma rede ou em um processo,
que indica sua habilidade de manipular uma
porção crescente de trabalho de forma
uniforme, ou estar preparado para crescer.
Wikipedia: http://pt.wikipedia.org/wiki/Escalabilidade
Escalabilidade != Performance
Podemos ter sistemas escaláveis que usam linguagens
“lentas” (Rails escala?)

13. Escalabilidade?
É uma característica desejável em todo o
sistema, em uma rede ou em um processo,
que indica sua habilidade de manipular uma
porção crescente de trabalho de forma
uniforme, ou estar preparado para crescer.
Wikipedia: http://pt.wikipedia.org/wiki/Escalabilidade
Escalabilidade != Performance
Podemos ter sistemas escaláveis que usam linguagens
“lentas” (Rails escala?)
Dois tipos: Vertical e Horizontal

14. Vertical

15. Horizontal

16. Escalabilidade?
Vertical: Compre um servidor melhor
Alto custo de investimento
Subistituição
Fácil
Horizontal: Adicione mais servidores
Baixo custo de investimento
Adição
Complexo

17. Escalabilidade?
Google
Escalabilidade Horizontal
Sistema de arquivos distribuído: GFS
Banco de dados distribuído: BigTable (Não relacional)
Processamento distribuído: Map/Reduce

18. Escalabilidade?
Google
Escalabilidade Horizontal
Sistema de arquivos distribuído: GFS
Banco de dados distribuído: BigTable (Não relacional)
Processamento distribuído: Map/Reduce
Hadoop (Open Source)
Sistema de arquivos distribuído: HDFS
Banco de dados distribuído: Hbase
Processamento distribuído: Map/Reduce
Java

19. Escalabilidade em RDBMS

20. Antes de escalar, aplique os band-aids

21. Desnormalização

22. Desnormalização
Tabela Posts
Tabela Comments
id int autoincrement
id int autoincrement
title varchar
post_id int foreignkey
content text comment text
pub_date date pub_date date
Para saber a quantidade de comentários de cada post é
necessário fazer um select count

23. Desnormalização
Tabela Posts
Tabela Comments
id int autoincrement
id int autoincrement
title varchar
post_id int foreignkey
content text comment text
pub_date date pub_date date
Para saber a quantidade de comentários de cada post é
necessário fazer um select count
Agora imagine que você quer listar os cem últimos posts, vamos
ter cem vezes o select count

24. Desnormalização
Tabela Posts
Tabela Comments
id int autoincrement
id int autoincrement
title varchar
post_id int foreignkey
content text comment text
pub_date date pub_date date
Para saber a quantidade de comentários de cada post é
necessário fazer um select count
Agora imagine que você quer listar os cem últimos posts, vamos
ter cem vezes o select count
Agora imagine que a tabela de comentários já ultrapassou a
barreira de um milhão de linhas

25. Desnormalização
Tabela Posts
Tabela Comments
id int autoincrement
id int autoincrement
title varchar
post_id int foreignkey
content text
comment text
pub_date date
pub_date date
comments_count int
Para saber a quantidade de comentários de cada post é
necessário fazer um select count
Agora imagine que você quer listar os cem últimos posts, vamos
ter cem vezes o select count
Agora imagine que a tabela de comentários já ultrapassou a
barreira de um milhão de linhas
Solução: crie um campo comments_count em posts e a cada
novo comentário incremente o campo

26. Cache
Faça o máximo de cache possível, evite ao
máximo o acesso ao banco de dados

27. Cache
Guarde o resultado da Tag Cloud por uma hora em cache

28. Agora sim, podemos
escalar RDBMS

29. Replicação Mestre → Escravo

30. Replicação Mestre → Escravo

31. Replicação Mestre → Escravo
Afeta a consistência dos dados (levando em
consideração que a replicação é assíncrona)
Eficiente apenas para aplicações com
bastante leitura e pouca escrita
Volume de dados não pode ultrapassar o
limite do servidor

32. Replicação Mestre → Mestre

33. Replicação Mestre → Mestre

34. Replicação Mestre → Mestre
Pouco escalável (levando em consideração
que a replicação é síncrona)
Volume de dados não pode ultrapassar o
limite do servidor

35. Particionamento Vertical

36. Particionamento Vertical

37. Particionamento Vertical
Escala dados até certo ponto (volume de uma
tabela não pode ultrapassar o limite do
servidor)
Não é mais verdadeiramente relacional
(precisa ser gerenciado via aplicação)

38. Particionamento Horizontal
(Sharding)

39. Particionamento Horizontal (Sharding)

40. Particionamento Horizontal
(Sharding)
Escala horizontalmente leitura e escrita
Não é mais verdadeiramente relacional
(precisa ser gerenciado via aplicação)
Ao adicionar um novo servidor, como
rebalancear a carga?
Mais shards, mais complexidade

41. Escalabilidade em RDBMS
Escalar é possível, mas se perde as
características que tornam RDBMS úteis
Aumento da complexidade na aplicação
RDBMS é a ferramenta certa?

42. Banco de dados ideal
Dados são automaticamente particionados
Balanceamento de carga automático
Transparente para aplicação
Capacidade de adicionar capacidade sem
tempo de inatividade
Tolerância a falhas

43. Todo banco NoSQL é altamente
escalável?

44. Todo banco NoSQL é altamente
escalável?
Resposta curta: Não

45. Todo banco NoSQL é altamente
escalável?
Resposta curta: Não
Resposta longa: No final dos
slides

46. Escalabilidade de bancos
NoSQL

47. CouchDB
Orientado a documento
Replicação (atualmente)
Volume de dados não pode ultrapassar o
limite do servidor

48. MongoDB
Orientado a documento
Replicação
Auto Sharding (previsto para versão 1.6, julho
de 2010)
Volume de dados não pode ultrapassar o
limite do servidor

49. Riak
Chave valor (key-value, Hash)
Distribuído (particionamento, balanceamento
de carga e replicação)
Altamente escalável

50. Cassandra
Orientado a coluna
Distribuído (particionamento, balanceamento
de carga e replicação)
Altamente escalável
Digg, Twitter

51. Hbase
Orientado a coluna
Distribuído (utiliza o Hadoop como base,
HDFS + MapReduce)
Altamente escalável

52. Todo banco NoSQL é altamente
escalável?
Apenas os bancos NoSQL
distribuídos (Cassandra, Riak,
Hbase, Voldemort)

53. Todo banco NoSQL é altamente
escalável?
Apenas os bancos NoSQL distribuídos
(Cassandra, Riak, Hbase, Voldemort)
NoSQL não distribuídos utilizam as mesmas
técnicas de escalabilidade dos RDBMS

54. Conclusão
NoSQL não é sinônimo de alta escalabilidade
Opte por NoSQL's distribuídos se precisar de
escalabilidade

55. Obrigado!
Perguntas?