Senza dubbio i big data sono una delle tendenze di spicco nel settore IT. Come noto, i big data comportano la memorizzazione, la gestione e l’analisi di enormi quantità di dati. Oggi, le aziende possono scegliere come memorizzare i dati tra le soluzioni basate su SQL o quelle che si basano su NoSQL, come Hadoop, Cassandra o MongoDB. Soprattutto questo secondo gruppo ha riscosso molta attenzione negli ultimi anni. E recentemente sono stati resi disponibili molti prodotti che “avvolgono” un sistema NoSQL in uno strato di SQL: in altre parole, i sistemi NoSQL si stanno trasformando in sistemi SQL. Ma quali sono le ragioni di questa tendenza?
È difficile dare una definizione dei sistemi NoSQL, in quanto sono tutti diversi e hanno in comune solo due cose. In primo luogo, sono stati classificati in un gruppo chiamato NoSQL, e in secondo luogo hanno tutti un’architettura MPP (Massively Parallel Processor) altamente scalabile che permette di distribuire l’elaborazione e lo storage in centinaia di nodi. La loro architettura interna è ideale per scalare in modalità scale-out, cioè in senso orizzontale, mentre i database SQL classici hanno un’architettura progettata per lo scale-up, ovvero in senso verticale. Ma è qui che finisce ogni somiglianza.
Caratteristiche fondamentali - I prodotti NoSQL sono molto diversi dai sistemi SQL, in quanto non organizzano i propri dati in tabelle piatte costituite da colonne, non supportano l’integrità dei dati, non sono limitate a strutture relazionali piatte ma consentono le strutture gerarchiche nei dati, e non supportano un linguaggio di alto livello come SQL, ma solo API e linguaggi di basso livello. Questi diversi concetti di database e di interfacce sono stati implementati per ottime ragioni: infatti, possono essere utilizzati in ambiti big data nei quali le esigenze di storage e di elaborazione sono estremamente elevate.
Tuttavia, quasi tutti gli strumenti più diffusi per il reporting e le analisi esigono che i dati siano organizzati in tabelle SQL, e si aspettano un’interfaccia SQL. Ma soprattutto non funzionano con NoSQL. Inoltre, a causa delle API di basso livello supportate, la produttività è inferiore a quella di SQL e, infine, non tutti gli sviluppatori (in particolare all’interno di reparti BI) hanno esperienza con la programmazione in linguaggi come Java o Python.
Per questi motivi, per utilizzare i noti strumenti di reporting e di analisi unitamente a NoSQL bisogna prima copiare i dati da un sistema NoSQL a uno SQL. Come si può immaginare, questo processo di copia richiede tempo, e conservare per due volte (unicamente per ottenere un’interfaccia SQL) grandi quantità di dati è costoso. È meglio perciò se i dati rimangono all’interno del sistema NoSQL e vi si accede tramite un’interfaccia SQL.
La buona notizia - Sempre più soluzioni si sono rese disponibili per una “SQLizzazione” di NoSQL, con strumenti che consentono alle applicazioni di accedere ai dati memorizzati nei sistemi NoSQL utilizzando SQL. Le soluzioni di SQLizzazione possono essere classificate così:
• Driver dedicato: molte soluzioni offrono un’interfaccia SQL su uno o più sistemi NoSQL. Alcuni consentono inoltre di accedere a fonti dati SQL e possono federare i dati archiviati in più fonti dati. Questi driver trasformano le richieste SQL in arrivo nei linguaggi supportati dal sistema NoSQL, nascondendo la complessità dei linguaggi di basso livello. Tra gli esempi vi sono Apache Hive, Cassandra CQL, Cloudera Impala, DataDirect Cloud, Facebook Presto, Hortonworks Stinger, IBM BigSQL, MapR Drill, Quest Toad for Cloud Databases e Salesforce Phoenix.
• Server di virtualizzazione dati: i server di virtualizzazione dati offrono caratteristiche paragonabili alla traduzione da SQL a NoSQL vista poco fa, ma con tre principali differenze. I server di virtualizzazione dati supportano funzioni più potenti di ottimizzazione delle query quando si accede alle fonti dati, hanno tecnologie di federazione più mature e offrono funzionalità di sicurezza dei dati e ambienti di progettazione. Tra gli esempi, vi sono Cisco/Composite Information Server, Denodo Platform, Informatica IDS, RedHat JBoss Data Virtualization e Stone Bond Enterprise Enabler Virtuoso.
• Database server SQL: alcuni dei database server SQL danno una scelta agli sviluppatori, permettendo di memorizzare le tabelle SQL nel database nativo o in un sistema NoSQL come Hadoop, e il luogo effettivo in cui i dati vengono memorizzati è nascosto alle applicazioni. Gli esempi sono Actian Paraccell, EMC Greenplum UAP, Hadapt, Microsoft Polybase e il database Teradata Aster.
Bisogna però notare che la “SQLizzazione” dei database NoSQL non è così semplice come potrebbe a prima vista sembrare, soprattutto perché le performance rimangono un aspetto molto rilevante. È per questo che tali soluzioni devono affrontare alcune questioni, tra le quali vi sono queste:
• Alcuni dei dati nei sistemi NoSQL sono privi di schema: come può l’interfaccia SQL trasformare questi dati senza schema in dati relazionali con uno schema?
• La maggior parte dei sistemi NoSQL permettono che i record appartenenti alla stessa tabella abbiano diverse serie di colonne, mentre questo concetto non è supportato da SQL.
• Molti sistemi NoSQL supportano costrutti non relazionali come le strutture gerarchiche. Nella terminologia relazionale, questi sarebbero chiamati tabelle nidificate o tabelle NF2 (Non-first normal form). In qualche modo le soluzioni “SQLizzate” devono appiattire queste strutture gerarchiche in strutture relazionali piatte.
• Il join dei dati in SQL è una cosa molto comune da fare. Pertanto, i database server SQL sono sovraccarichi di funzioni per eseguire rapidamente il join. Ma molti sistemi NoSQL non sono rapidi nella funzione join, e preferiscono che i dati siano memorizzati in una qualche maniera de-normalizzata per ridurre al minimo la necessità di effettuare il join. Sarà quindi una vera sfida per le soluzioni di SQLizzazione eseguire rapidamente i join SQL.
Conclusione - La “SQLizzazione” di NoSQL è iniziata e continuerà a evolversi. Quest’anno ci si aspetta che vengano rilasciati nuovi prodotti e vengano rese disponibili versioni rinnovate di quelli esistenti. Si tratta di un fatto positivo in quanto le aziende sono interessate a NoSQL non perché non amano SQL, ma perché hanno bisogno della scalabilità e delle prestazioni di NoSQL. Però vogliono anche la produttività e la facilità di manutenzione di SQL, e la SQLizzazione offrirà il meglio dei due mondi: le prestazioni del NoSQL e la produttività di SQL.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James