SQL vs. NoSQL

SQL vs. NoSQL im Überblick

SQL und NoSQL sind die zwei großen Paradigmen für Datenbankarchitekturen. SQL-Datenbanken (PostgreSQL, MySQL) speichern Daten in strukturierten Tabellen mit festen Schemas und unterstützen komplexe Joins und Transaktionen. NoSQL-Datenbanken (MongoDB, Redis, Cassandra) sind flexibler: kein festes Schema, horizontale Skalierung, optimiert für spezifische Zugriffsmuster. Für KI-Systeme ist die Wahl entscheidend: Vektordatenbanken sind eine neue Kategorie von NoSQL, speziell für Embedding-Suche.

SQL-Datenbanken speichern Daten in Tabellen mit festen Spalten – wie eine Excel-Tabelle. Jede Zeile hat exakt die gleichen Felder. NoSQL-Datenbanken sind flexibler: Jedes Dokument kann andere Felder haben.

Vergleich:

SQL (PostgreSQL):
┌────┬──────────┬─────────┬──────┐
│ ID │ Name     │ E-Mail  │ Alter│
├────┼──────────┼─────────┼──────┤
│ 1  │ Anna     │ a@b.de  │ 28   │
│ 2  │ Max      │ m@b.de  │ 35   │
└────┴──────────┴─────────┴──────┘

NoSQL (MongoDB):
{ name: "Anna", email: "a@b.de", alter: 28 }
{ name: "Max", hobbies: ["Coding", "Grundlagen"], firma: "..." }

Technisch betrachtet

SQL-Datenbanken (Relational)

• Schema: Fest definiert, Änderungen erfordern Migrationen
• ACID: Atomicity, Consistency, Isolation, Durability
• Joins: Daten über mehrere Tabellen verknüpfen
• Beispiele: PostgreSQL, MySQL, SQLite

NoSQL-Typen

• Document Store: MongoDB, CouchDB – JSON-Dokumente
• Key-Value: Redis, DynamoDB – Schneller Zugriff per Schlüssel
• Column-Family: Cassandra, HBase – Optimiert für große Datenmengen
• Graph: Neo4j – Beziehungen zwischen Entitäten
• Vector: Pinecone, Weaviate – Embeddings und Ähnlichkeitssuche

Wann was?