Нереляционные базы данных

2024/2025

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Когда читается: 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Касьяненко Дарья Алексеевна

Язык: русский

Кредиты: 3

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Дисциплина направлена на формирование знаний и навыков работы с нереляционными базами данных. В рамках курса студенты изучат различные модели и типы нереляционных данных, основные принципы работы с ними. Студенты научатся проектировать и создавать схемы базы данных в нереляционной модели, использовать различные языки запросов и манипулирования данными для работы с нереляционными базами данных, решать задачи, связанные с управлением данными, и анализировать и оптимизировать производительность нереляционных баз данных. В результате изучения дисциплины студенты будут готовы к применению NoSQL баз данных в своих проектах и дальнейшему профессиональному росту в области бэкенд-разработки и баз данных.

Цель освоения дисциплины

Познакомиться с основными способами хранения информации
Привить навыки проектирования и использования реляционных и нереляционных баз данных
Сформировать навыки проектирования и разработки прикладных проектов с использованием современных СУБД

Планируемые результаты обучения

Имеет навык хранения графов в СУБД Neo4J, использования языка запросов Cypher
Имеет навык проектирования БД ключ-значение при помощи СУБД Redis
Может воспроизвести основные принципы хранения информации в виде графа: XML, JSON
Может узнавать среди прочих нереляционные БД, различает их виды и может воспризвести и проинтерпретировать утверждения об основах хранения данных
Умеет пользоваться СУБД MongoDB и ElasticSearch
Умеет проектировать графовую (документарную) БД, использовать ее в практических проектах
- Понимать основные концепции и определения, связанные с нереляционными базами данных.
Выделять преимущества и недостатки различных типов нереляционных баз данных.
Определять и классифицировать различные типы нереляционных баз данных (NoSQL, NewSQL, колоночные, объектно-ориентированные, графовые).
Оценивать подходящие сценарии применения для нереляционных баз данных.
- Ориентироваться в структуре документо-ориентированных баз данных, включая коллекции и документы.
Работать с MongoDB и другими документо-ориентированными базами данных.
Проектировать схемы данных с использованием гибкой структуры документо-ориентированных баз данных.
- Разбираться в особенностях работы и применения баз данных ключ-значение в различных сценариях (кэширование, управление сессиями, хранение конфигураций).
Использовать Redis и другие базы данных ключ-значение для решения актуальных задач.
Оценивать и выбирать подходящую базу данных для конкретных сценариев на основе их особенностей.
- Разбираться в классификациях колоночных баз данных, включая распределенные, синхронные и асинхронные модели.
- Знать преимущества и недостатки колоночных баз данных, а также их область применения.
- Работать с основными представителями колоночных баз данных, такими как HBase, Cassandra и Google BigTable.
-Проектировать и реализовывать схемы данных в колоночных базах данных с учетом специфики их архитектуры.
- Разбираться в классификациях графовых баз данных, включая распределенные, синхронные и асинхронные модели.
- Знать преимущества и недостатки графовых баз данных, а также их применение для моделирования сложных взаимосвязей.
- Работать с графовыми базами данных, такими как Neo4j, для решения задач, связанных с графовыми структурами.
- Использовать язык запросов, характерный для графовых баз данных, для извлечения и манипуляции данными.
- Разбираться в классификациях хранилищ данных: оперативные, аналитические и архивные.
-Знать преимущества и недостатки различных хранилищ данных, а также основные особенности каждого
-Работать с основными представителями хранилищ данных, такими как Amazon S3, Google Cloud Storage и Microsoft Azure Blob Storage.
- Проектировать архитектуру хранилищ данных в зависимости от требований бизнеса и типа данных
- Понимать концепцию полнотекстового поиска и его отличие от простого поиска
- Настраивать полнотекстовый поиск в нереляционных базах данных
- Применять в работе Elastic search, Lucene, Sphinx

Содержание учебной дисциплины

Введение в нереляционные базы данных
Документо-ориентированные базы данных
Базы данных ключ-значение. Базы данных с картежами
Колоночные базы данных
Графовые базы данных
Хранилища данных
Полнотекстовый поиск

Элементы контроля

Итоговое задание (экзамен)
1. Студент выполняет все предлагаемые этапы задания. 2. Студент выполняет задание и прикрепляет ссылку на выполненное задание в LMS. По ссылке есть доступ. 3. Преподаватель в LMS оставляет обратную связь на выполненную работу или озвучивает на последнем вебинаре
Тесты
Процедура сдачи: Обучающиеся выполняют тест в LMS. Тест содержит от 5 до 10 вопросов. Используются разные варианты вопросов: с выбором одного или нескольких вариантов ответа, вводом текста или числа и др. Время выполнения теста — до 20 минут.
Задания с проверкой на вебинаре
Процедура сдачи: 1. Студент выполняет все предлагаемые этапы задания. 2. Студент выполняет задание и прикрепляет ссылку на выполненное задание в LMS. По ссылке есть доступ.

Промежуточная аттестация

2024/2025 3rd module
0.2 * Задания с проверкой на вебинаре + 0.6 * Итоговое задание (экзамен) + 0.2 * Тесты

Список литературы

Авторы

Касьяненко Дарья Алексеевна
Ахмедова Гюнай Интигам кызы

Программа дисциплины