by Colin White
Quando furono introdotti per la prima volta i sistemi relazionali, il fronte dei sostenitori dei database gerarchici (Ims) e di rete (Idms - Integrated database management systems) sosteneva che il modello relazionale fosse inferiore e non riuscisse a garantire le stesse prestazioni. Nel corso del tempo queste affermazioni si rivelarono prive di fondamento e i prodotti relazionali sono oggi la tecnologia su cui si basa un grande numero di applicazioni operazionali e analitiche. Non solo, ma i sistemi relazionali sono poi riusciti a sopravvivere alla successiva sfida messa in atto dalla tecnologia di database orientata agli oggetti.
Sebbene la tecnologia relazionale sia riuscita a sopravvivere alle varie schermaglie succedutesi nel tempo, quanto accaduto è la naturale dimostrazione che un unico modello difficilmente riesce a soddisfare tutte le esigenze e che alcune applicazioni possono avere maggiori vantaggi seguendo approcci alternativi. Il confronto ha inoltre contribuito al miglioramento dei prodotti relazionali, grazie all’incorporazione di nuove funzionalità, come per esempio la gestione di dati complessi e il supporto a linguaggi Xml e XQuery. Alcuni esperti affermano che molte di queste funzionalità hanno compromesso la purezza e la semplicità del modello relazionale.
Quando sono infine arrivato a pensare che i principali prodotti relazionali presenti sul mercato fossero ormai da considerarsi una commodity, ecco apparire una nuova tecnologia, chiamata MapReduce, che accende l’ennesimo dibattito. In questo articolo l’obiettivo è cercare di evidenziare i pro e i contro di MapReduce, tecnologia definita recentemente da Michael Stonebraker, uno dei primi ricercatori che si cimentarono nel definire il modello originario del database relazionale, come un gigantesco passo indietro1.
MapReduce è diventata popolare grazie a Google che lo utilizza per elaborare ogni giorno molti petabyte di dati. Nel documento2 che costituisce il fondamento tecnologico del nuovo modello, redatto da Jeffrey Dean e Sanjay Ghemawat di Google, si afferma che:
“MapReduce è un modello di programmazione cui è stata associata un’implementazione per elaborare e generare insiemi di dati di grandi dimensioni… I programmi scritti che adottando questo stile funzionale vengono automaticamente gestiti in una logica parallela ed eseguiti su cluster di macchine a tecnologia commodity. Il sistema run time si occupa nel dettaglio del partizionamento dei dati di input, pianificando l’esecuzione del programma attraverso una serie di macchine, gestendone gli eventuali guasti e la comunicazione che ha luogo tra esse. Tutto questo permette a programmatori senza alcuna esperienza in sistemi paralleli e distribuiti di utilizzare con molta semplicità le risorse di un grande sistema distribuito”.
I commenti di Michael Stonebraker su MapReduce aggiungono ulteriori dettagli:
“Il modello di MapReduce è semplice. E’ costituito da due programmi scritti dall’utente, chiamati map e reduce, e da un framework che abilita l’esecuzione di un grande numero di istanze di ciascun programma su un cluster elaborativo”.
“Il programma map legge un insieme di record da un file di input, svolge le operazioni di filtraggio e le trasformazioni desiderate, quindi produce una serie di record di output nella forma convenuta (chiave, dati). Mentre il programma map produce questi record, una funzione separata li partiziona in multipli e indipendenti contenitori applicando una funzione alla chiave di ciascun record. Questa funzione è tipicamente hash, sebbene sia sufficiente qualsiasi tipo di funzione deterministica. Una volta che il contenitore è pieno, il suo contenuto viene riversato su disco. Infine il programma map termina producendo una serie di file di output, uno per ciascun contenitore”.
“Dopo essere stati raccolti dal framework map-reduce i record di input vengono raggruppati per chiavi (attraverso operazioni di sorting o hashing) e sottoposti al programma reduce. Come per il programma map, reduce esegue una elaborazione arbitraria attraverso un linguaggio general purpose. Di conseguenza può compiere qualsiasi sorta di operazioni sui record. Per esempio può elaborare alcune funzioni addizionali per altri campi dati del record. Ciascuna istanza reduce può scrivere record a un file di output e quest’ultimo rappresenta una parte della risposta soddisfatta da una elaborazione MapReduce”.
La coppia chiave/valore prodotta dal programma map può contenere qualsiasi tipo di dati nel campo assegnato al valore del campo. Google, per esempio, utilizza questo approccio per indicizzare grandi volumi di dati non strutturati. Sebbene Google usi una propria versione di MapReduce esiste anche una versione open source, chiamata Hadoop3 resa disponibile dal progetto Apache. IBM e Google hanno poi annunciato un’importante iniziativa per utilizzare Hadoop all’interno di corsi universitari sulla programmazione in ambiente distribuito.
MapReduce non rappresenta un nuovo concetto. Si basa sulla capacità di eseguire un list processing attraverso linguaggi di programmazione funzionali dichiarativi come Lisp (List processing). I sistemi attuali implementano MapReduce utilizzando linguaggi come Java, C++, Python, Perl, Ruby, e altri.
Le coppie chiave/valore utilizzate nell’elaborazione MapReduce possono essere archiviate in un file o in un database. Per gestire i dati Google, per esempio, usa un proprio sistema, chiamato BigTable, che si appoggia al file system distribuito di Google, GFS.
I database che sfruttano la logica di coppie chiave/valore esistono da molti anni, Per esempio, Berkeley Db è un database embedded che esegue archiviazione dati in una struttura dati per coppie chiave/valore. Sviluppato originariamente negli anni 80 a Berkeley è oggi di proprietà Oracle. Berkeley Db può anche funzionare come motore di storage di backend per i Dbms relazionali open source MySql.
Appurato che MapReduce non è un modello di database, ma un modello di programmazione per creare potenti applicazioni per il calcolo parallelo e distribuito, perché allora esiste questa controversia nei confronti dei sistemi relazionali? Per rispondere alla domanda si deve analizzare in dettaglio il modello relazionale dei dati.
Nel modello relazionale i dati vengono concettualmente archiviati in insiemi di relazioni o tabelle. Queste ultime sono manipolate utilizzando operatori relazionali come selection, projection e join i quali sono oggi implementati via Sql (Structured query language).
Le modalità in cui i dati di tabella vengono archiviati e gestiti all’interno di un Rdbms dipendono dal singolo vendor. La mappatura degli operatori relazionali (dichiarazioni Sql) verso il motore di storage di backend è gestita dall’ottimizzatore relazionale il cui compito è determinare il percorso migliore per accedere fisicamente ai dati. L’indipendenza dai dati fisici rappresenta infatti uno dei vantaggi essenziali del modello relazionale.
Quando si utilizza Sql gli utenti definiscono quali sono i dati cui sono interessati ad accedere e non come si deve accedere a essi. Tecniche quali l’indicizzazione e il calcolo distribuito e parallelo vengono gestiti dal sistema Rdbms sottostante. Sql è un linguaggio dichiarativo e non un linguaggio imperativo/procedurale come Java e C++ e richiede una accurata descrizione di qualsiasi algoritmo di accesso ai dati utilizzato. Ovviamente gli statement Sql possono essere incorporati nei linguaggi procedurali così come è vero il contrario, ovvero Sql può invocare delle stored procedure o funzioni specifiche definite dall’utente e scritte in un linguaggio procedurale.
La preoccupazione di Michael Stonebraker è che l’utilizzo e la diffusione di MapReduce possa far compiere all’industria un salto nel passato riportando le lancette dell’orologio ai tempi dei sistemi pre-relazionali quando non erano ancora state formalizzate una logica di database e l’indipendenza dei dati applicativi. La tesi difensiva avanzata dai sostenitori di MapReduce è che la maggior parte dei dati elaborati sono dati non strutturati che non corrispondono ad alcuno schema. Si afferma, inoltre, che il maggior numero di programmatori, poiché non conosce o non vuole conoscere Sql, trova MapReduce molto più semplice e, di conseguenza, quest’ultimo viene preferito per accedere e analizzare dati utilizzando uno stile di programmazione procedurale.
Entrambe le opinioni sono corrette ed entrambi gli approcci presentano vantaggi. Come affermato all’inizio dell’articolo non esiste un modello che possa essere adatto per tutti. La sfida è comprendere quando è meglio utilizzare l’uno o l’altro.
(Segue a dicembre)
1 http://www.databasecolumn.com/2008/01/mapreduce-a-major-step-back.html
2 http://labs.google.com/papers/mapreduce.html
3 http://hadoop.apache.org/
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