La creación de estructuras de datos grandes manejables

A medida que la computación se movió en el mercado comercial, los datos se almacenan en archivos planos que impusieron ninguna estructura. Hoy en día, los grandes datos requiere estructuras de datos manejables. Cuando las empresas necesitan para llegar a un nivel de comprensión detallada acerca de los clientes, que tenían que aplicar los métodos de fuerza bruta, incluyendo modelos muy detallados de programación para crear un cierto valor.

Más tarde, en la década de 1970, las cosas cambiaron con la invención del modelo de datos relacional y el sistema de gestión de bases de datos relacionales (RDBMS) que impuso estructura y un método para mejorar el rendimiento. Lo más importante, el modelo relacional añade un nivel de abstracción por lo que era más fácil para los programadores para satisfacer las demandas crecientes de las empresas para extraer valor de los datos.

El modelo relacional ofreció un ecosistema de herramientas de un gran número de empresas de software emergentes. Se llenó una necesidad cada vez mayor para ayudar a las empresas a organizar mejor sus datos y poder comparar las transacciones de una a otra geografía.

Video: Fundamentos de la programación: Estructuras de datos : Tráiler | video2brain

Además, ayudó a los gerentes de empresas que querían ser capaces de examinar la información, tales como inventario y compararla con la información de pedidos de clientes para la toma de decisiones. Pero surgió un problema de esta explosiva demanda de respuestas: almacenar este volumen creciente de datos era caro y accediendo a ella era lento. Para empeorar las cosas, una gran cantidad de duplicación de datos existían, y el valor de negocio real de que los datos era difícil de medir.

Cuando el volumen de datos que las organizaciones necesitan para gestionar creció fuera de control, el almacén de datos proporciona una solución. El almacén de datos permitió a la organización de TI para seleccionar un subconjunto de los datos que se almacenan por lo que sería más fácil para el negocio para tratar de obtener información.

El almacén de datos se pretende ayudar a las empresas tratan cada vez más grandes cantidades de datos estructurados que tenían que ser capaces de analizar mediante la reducción del volumen de los datos a algo más pequeño y más centrado en un área particular de la empresa. Se llenó la necesidad de separar el procesamiento de apoyo a las decisiones operacionales y de soporte de decisiones - por razones de rendimiento.

Almacenes suelen almacenar los datos de años anteriores para comprender el desempeño de la organización, la identificación de tendencias, y ayudar a exponer a los patrones de comportamiento. También proporcionó una fuente integrada de información de a través de varias fuentes de datos que podrían ser utilizados para el análisis. Hoy en día, los sistemas de gestión de contenidos y almacenes de datos son capaces de aprovechar las mejoras en la escalabilidad de hardware, tecnologías de virtualización y la capacidad de crear sistemas de hardware y software integrados.

A veces, estos almacenes de datos en sí eran demasiado complejos y grandes y no ofrecen la velocidad y la agilidad que requiere el negocio. La respuesta fue un refinamiento adicional de los datos que se gestiona a través de mercados de datos. Estos mercados de datos se han centrado en cuestiones específicas de negocio y apoyaron la necesidad de negocio para consultas rápidas. El almacén ha evolucionado para apoyar las tecnologías emergentes, tales como sistemas integrados y dispositivos de datos.

Los almacenes de datos y mercados de datos resuelven muchos problemas para las empresas que necesitan una manera coherente para gestionar datos transaccionales masivos. Pero cuando se trata de administrar grandes volúmenes de datos no estructurados o semi-estructurados, el almacén no era capaz de evolucionar lo suficiente para satisfacer las demandas cambiantes.

Video: Estructuras de datos

Para complicar las cosas, los almacenes de datos se alimentan típicamente en intervalos de lotes, por lo general semanal o diaria. Esto está bien para la planificación, la presentación de informes financieros, y las campañas de marketing tradicionales, pero es demasiado lento para entornos comerciales y de consumo cada vez más en tiempo real.

¿Cómo las empresas será capaz de transformar sus enfoques tradicionales de gestión de datos para manejar el volumen creciente de elementos de datos no estructurados? La solución no surgió durante la noche. Dado que las empresas comenzaron a almacenar datos no estructurados, los vendedores comenzaron a añadir capacidades tales como BLOB (objetos binarios grandes).

En esencia, un elemento de datos no estructurados se almacena en una base de datos relacional como un trozo contiguo de datos. Este objeto podría ser etiquetado pero no se podía ver lo que había dentro de ese objeto. Claramente, esto no se va a resolver necesidades cambiantes del cliente o de negocios.

Entrar en el sistema de gestión de base de datos de objeto (ODBMS). La base de datos almacena objeto BLOB como un conjunto direccionable de piezas de manera que se podía ver lo que estaba allí. A diferencia de la burbuja, que era una unidad independiente adjunta a una base de datos relacional tradicional, la base de datos de objetos proporciona un enfoque unificado para hacer frente a los datos no estructurados.

bases de datos de objetos incluyen un lenguaje de programación y una estructura para los elementos de datos para que sea más fácil de manipular varios objetos de datos sin necesidad de programación compleja y uniones. Las bases de datos de objetos introducen un nuevo nivel de innovación que ayudó a llevar a la segunda ola de la gestión de datos.