Streaming-Datenbanken

Kapitel 11. Zukünftiger Stand der Echtzeitdaten

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Die Höhle, die du zu betreten fürchtest, birgt den Schatz, den du suchst.

Joseph Campbell

Nachdem sich eingehend mit den Einsatzmöglichkeiten von Streaming-Datenbanken beschäftigt hat, geht dieses Kapitel einen Schritt zurück und wirft einen Blick in die Zukunft von Echtzeitdaten, die von einem der zentralen Themen dieses Buches geprägt ist: der beschleunigten Konvergenz von Streaming und Datenbanken. Streaming-Datenbanken sind eine der Erscheinungsformen dieses Trends. Aber es gibt noch so viel mehr Beweise, die es wert sind, hier zumindest angerissen zu werden.

Wir beginnen mit Graphdatenbanken und ihrem Weg in den Streaming-Bereich (z.B. Memgraph, thatDot), gefolgt von den heute, nach dem Durchbruch von ChatGPT GenAI, sehr beliebten Vektordatenbanken (z.B. Milvus, Weaviate). Wir setzen unsere Reise durch die konvergierenden Gebiete von Streaming und Datenbanken mit Tools fort, die einen zentralen Aspekt von Streaming-Datenbanken, nämlich Materialized Views (IVM), auf klassische Datenbanken übertragen (Feldera, PeerDB und Epsio). Gegen Ende des Kapitels untersuchen wir die Streaming-Funktionen etablierter Datenbankanbieter wie MongoDB und wenden uns langsam der analytischen Ebene mit Data Warehouses wie BigQuery, Redshift und Snowflake zu, die ihre Streaming-Funktionen ebenfalls konsequent erweitern. ...