Datenbank

Was es ist

Eine Datenbank ist ein Datenbestand mit fester Struktur und Regeln
für zulässige Inhalte, damit Software die Daten finden, ändern und
prüfen kann. Dasselbe Wort, oft zu DB abgekürzt, bezeichnet im
lockeren Gebrauch auch das verwaltende Programm. Dessen genauer Name
lautet Datenbankmanagementsystem oder DBMS. Das NIST-Glossar führt
zwei Definitionen auf. Die weiter gefasste beschreibt einen
Informations- oder Datenspeicher, „der ein herkömmliches
relationales Datenbanksystem sein kann, aber nicht muss“.

Das Wort erfüllt drei Aufgaben. Wenn zwei Menschen Verschiedenes
meinen, dreht sich das Gespräch im Kreis. Es bezeichnet die Daten:
Kunden, Bestellungen und Sensormesswerte einer Organisation. Es
bezeichnet das verwaltende System: PostgreSQL, SQL Server, SQLite.
Und innerhalb eines Servers bezeichnet es einen von mehreren
Containern. Das PostgreSQL-Tutorial beschreibt die Ebenen: Zeilen
mit benannten, typisierten Spalten bilden Tabellen, Tabellen werden
zu Datenbanken gruppiert und die von einer Serverinstanz gemeinsam
verwalteten Datenbanken bilden einen Datenbankcluster. SQL Server
zieht dieselbe Grenze zwischen einer Instanz und den von ihr
gehosteten Datenbanken. „Die Datenbank ist langsam“ kann eine
Tabelle, einen Container oder einen ganzen Rechner meinen.

Die meisten im Alltag verwendeten Systeme sind relational: Sie
speichern Daten als Relationen, den mathematischen Begriff für
Tabellen, und nehmen Fragen in SQL entgegen. Das PostgreSQL-Tutorial
nennt andere Anordnungen. Dateien und Verzeichnisse eines
Unix-ähnlichen Systems bilden eine hierarchische Datenbank.
Objektorientierte Datenbanken kamen später hinzu. Redis bezeichnet
sich als Datenstrukturserver: Statt Tabellen bietet es
Zeichenfolgen, Hashes, Listen, Mengen und weitere native Typen für
Caching, Warteschlangen und Ereignisverarbeitung.

Die Systeme unterscheiden sich auch durch ihren Ausführungsort. Ein
Client-Server-System ist ein dauerhaft laufender Prozess, den viele
Programme über ein Netzwerk erreichen. Ein eingebettetes
Datenbanksystem läuft als Bibliothek innerhalb eines Programms.
SQLite hält eine ganze Datenbank mit Tabellen, Indizes, Triggern und
Sichten in einer gewöhnlichen Datei. Das Projekt sieht sich eher im
Wettbewerb mit `fopen()` als mit Serverdatenbanken. Der Unterschied
zeigt sich beim Verbinden eines Programms:

```sh
i# client/server: connect to a service that is already running		engineer.company	70
psql "host=db.internal dbname=shop user=app"

i# embedded: the program opens a file and the engine runs inside it		engineer.company	70
sqlite3 shop.db
```

Eine dritte Familie ist für Analysen gebaut. BigQuery speichert jede
Spalte getrennt, während viele klassische Systeme die Felder einer
Zeile gemeinsam auf dem Datenträger halten. Zeilenorientierte
Speicherung passt zum Nachschlagen eines Datensatzes.
Spaltenorientierte Speicherung passt zum Summieren eines Felds über
Millionen Zeilen: Die Abfrage liest nur diese Spalte und lässt den
Rest aus.

Warum es wichtig ist

Auch Dateien halten Daten. Eine Datenbank ergänzt Zusagen für den
Moment, in dem viele Programme gleichzeitig darauf zugreifen.

Die erste Zusage ist ein konsistentes Bild bei gleichzeitiger
Nutzung. PostgreSQL gibt jeder Anweisung einen Snapshot der Daten zu
einem Zeitpunkt. Das heißt Multiversion Concurrency Control oder
MVCC: Ein Lesevorgang wartet dadurch nie auf einen Schreibvorgang,
und ein Schreibvorgang nie auf einen Lesevorgang. SQLite erlaubt
beliebig viele gleichzeitige Leser und zu jedem Zeitpunkt einen
Schreiber. Die übrigen Schreiber warten, bis sie an der Reihe sind.
Beide passen zu unterschiedlichen Anzahlen von Schreibern. Diese
Zahl bestimmt einen großen Teil der Auswahl.

Die zweite Zusage ist, dass die Daten ihre Form behalten. Ein Schema
legt Spalten und Typen einer Tabelle fest. Schlüssel und Constraints
bestimmen, welche Zeilen existieren dürfen. Setzt die Datenbank
diese Regeln durch, hält sich jedes schreibende Programm daran.
Stehen die Regeln nur im Anwendungscode, hinterlässt das erste
Programm, das sie überspringt, Zeilen, gegen die sich jede spätere
Abfrage absichern muss.

Die dritte Zusage ist eine gemeinsame Sprache mit Akzenten. SQL ist
der Standard ISO/IEC 9075, zuletzt als SQL:2023 überarbeitet. Der
PostgreSQL-Anhang zur Konformität hält aber fest, dass kein
aktuelles System vollständige Konformität mit dessen Core
beansprucht. Ein Schema und seine Abfragen gehören zu ihrem
Datenbanksystem. Der Umzug auf ein anderes ist eine Migration mit
eigenen Tests.

Die SQLite-Dokumentation macht die Wahl zu einer kurzen Checkliste:
Der SQL-ausführende Code erreicht die Daten über ein Netzwerk, viele
Prozesse schreiben im selben Moment oder die Inhalte nähern sich dem
Terabytebereich. Jeder dieser Punkte spricht für Client-Server.
Andernfalls ist SQLite die einfachere Antwort. Berichte in großem
Maßstab ergänzen eine Frage: Gehören aufwendige Lesevorgänge auf
eine separate, per ETL befüllte Analysekopie, damit ein langer
Bericht nie mit den Abfragen konkurriert, auf die Kunden warten?

Wie es in der Praxis aussieht

Am großen Ende der Skala wurden im Rahmen einer Tätigkeit im
Datenbankengineering bei einem schnell wachsenden
Technologieunternehmen mindestens 100 Datenbanken auf PostgreSQL,
Microsoft SQL Server und Google BigQuery erstellt, verwaltet und
optimiert. Die meisten enthielten GIS- und Zeitreihendaten wie
Sensormesswerte, Logs und Echtzeitmetriken. Die Arbeit lieferte
normalisierte und denormalisierte Schemas für PostgreSQL und SQL
Server mit räumlicher Indizierung, auf PostgreSQL-Seite mit PostGIS,
und Zeitreihenpartitionierung. BigQuery hielt dagegen große
Zeitreihenbestände in zeitpartitionierten, geclusterten Tabellen.
Nach Indizierung, materialisierten Sichten und Caching wurden GIS-
und Zeitreihenabfragen in 40–60 % weniger Zeit beantwortet.
Automatisiertes Monitoring senkte die Ausfallzeit um 50 %.

In einem kleineren System hielt zu einem dokumentierten
Entwicklungsstand eine einzige SQLite-Datei die Fakten hinter einem
Lebenslauf, einem Referenzblatt, einem Portfolio und einem
Anschreiben in drei Sprachen. Diese Datenbank hatte dreiundzwanzig
Tabellen. Ein Befehl baute sie in neunzehn geordneten Schritten auf,
die sich jeweils sicher wiederholen ließen. Sechs Ausgabeformate
wurden von 41 Python-Modulen mit insgesamt 10.580 Zeilen aus der
Datenbank gerendert. Ein Dokument für eine bestimmte Lesergruppe war
„eine Abfrage statt einer Kopie“: Ein Profil wählte die Leistungen
und ihre Reihenfolge. Der damit verbundene Kompromiss war, dass ein
Dokument damals nur aus dieser Datenbank und keiner anderen Quelle
stammen konnte. Diese Implementierungszahlen beschreiben den
dokumentierten Stand, nicht das aktuelle Repository oder seine
Sprachabdeckung.

Zwischen diesen Größen liegt die Frage jeder stark genutzten
Datenbank. Eine Notiz zur Optimierung vor dem Sharding beantwortet
sie mit einer Arbeitsreihenfolge: hinsehen, straffen, Lesevorgänge
vom Primärsystem nehmen, Tabellen um den Engpass herum
partitionieren und erst dann sharden, wenn ein Rechner mit
sinnvoller Arbeit ausgelastet ist. Hinsehen bedeutet, PostgreSQL
selbst zu fragen: `pg_stat_statements` nach den Anweisungen mit den
höchsten Gesamtkosten und dann `EXPLAIN (ANALYZE, BUFFERS)` danach,
was die teuerste tut.

Wo es schiefgeht

Die meisten Datenbankprobleme beginnen mit einer frühen
Entscheidung, als die Datenmenge noch gering war und die
Entscheidung kostenlos wirkte.

Zwei Kopien einer Tatsache driften auseinander. Der
Lebenslaufgenerator oben existiert, weil in vier Dokumenten
gehaltene Fakten viermal korrigiert werden, bis zwei Dokumente
einander widersprechen und nichts erkennen lässt, welches aktuell
ist. Dasselbe passiert mit einer in eine Tabellenkalkulation
exportierten und dort bearbeiteten Tabelle oder einem zweiten Dienst
mit eigener Kundenliste. Geben Sie jeder Tatsache einen
verantwortlichen Speicher. Jede weitere Kopie muss ihre Herkunft und
ihren Zeitpunkt nennen. Der Cache der Notiz folgt dieser Regel
streng: Er darf einem Käufer mitteilen, dass ein Artikel vollständig
reserviert ist. Jede Zusage kommt weiterhin aus der Datenbank.

Mehr Rechner kommen, bevor jemand die Pläne liest. Daten auf Server
aufzuteilen verteilt die langsamen Anweisungen auf mehr Hardware,
ohne eine davon günstiger zu machen. Es verursacht dauerhaft Kosten
bei allem anderen: Wie die Notiz aufzählt, laufen jede Migration,
Sicherung, Wiederherstellung und jeder Bericht einmal pro Shard. Ein
Join über Shards wird zu Anwendungscode. Lesen Sie zuerst
`pg_stat_statements` und die Pläne und halten Sie ihre Ergebnisse
als Ausgangsbasis fest.

Ein Lesevorgang trifft auf eine zurückliegende Kopie. Ein
Streaming-Replikat übernimmt Lesevorgänge des Primärsystems und hat
einen etwas älteren Datenstand. Hat ein Nutzer gerade etwas
geschrieben und liest es vom Replikat zurück, kann er den alten Wert
sehen. Lesen Sie die eigenen kürzlich geschriebenen Daten eines
Nutzers vom Primärsystem.

Berichte und Kunden teilen sich ein Datenbanksystem. Ein Bericht
über zwei Jahre Historie belegt Speicher und Datenträgerressourcen,
die die Abfragen des Shops brauchen. Das spüren die Käufer.
Verlagern Sie aufwendige Analysen auf eine Warehouse-Kopie. Lassen
Sie die operative Datenbank ihre vielen kleinen Lese- und
Schreibvorgänge bedienen.

Weiterführende Lektüre

  * NIST-Glossar: Datenbank — zwei kurze Definitionen aus
NIST-Veröffentlichungen, von denen eine auch nicht relationale
Datenbanken zulässt.

  * PostgreSQL-Tutorial: Konzepte — Tabellen, Zeilen, Spalten,
Datenbanken und Datenbankcluster auf einer Seite.

  * PostgreSQL: Einführung in MVCC — wie Snapshots Leser und
Schreiber ohne gegenseitiges Blockieren arbeiten lassen.

  * PostgreSQL: SQL-Konformität — Teile und Versionen von ISO/IEC
9075 und die Bedeutung von Core-Konformität.

  * Geeignete Einsatzbereiche für SQLite — wo ein eingebettetes
Datenbanksystem passt, wo ein Client-Server-System besser passt und
eine Checkliste zur Entscheidung.

  * Überblick über die BigQuery-Speicherung — zeilen- und
spaltenorientierte Speicherung und warum Analysen die zweite
bevorzugen.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/database/	engineer.company	70
