データサイエンスでのNoSQLデータベースの使用

MongoDBのようなNoSQLデータベースをデータ分析に使用するにはどうすればよいですか？データ分析をより高速かつ強力にする機能は何ですか？

正直に言うと、ほとんどのNoSQLデータベースはビッグデータのアプリケーションにはあまり適していません。すべてのビッグデータアプリケーションの大半については、のパフォーマンスMongoDBはのようなリレーショナルデータベースに比べて、MySQLがある大幅に完全にMongoDBのようなものから離れて滞在令状に貧しい十分です。

そうは言っても、NoSQLデータベースには、大規模なデータセットで作業しているときに確実に機能するいくつかの非常に便利なプロパティがありますが、読み取りのSQLと比較して、NoSQLの一般的なパフォーマンスがこれらのメリットを上回る可能性があります集中的な操作（一般的なビッグデータの使用例に最も類似）は少ないです。

• スキーマなし -構造化されていないデータを大量に処理している場合、スキーマを実際に決定して厳密に適用するのは難しいかもしれません。一般に、NoSQLデータベースはこれを非常にサポートしており、スキーマなしのドキュメントをオンザフライで挿入できますが、これは確かにSQLデータベースではサポートされません。
• JSON - CSVファイルではなくJSONスタイルのドキュメントを使用している場合、MongoDBのようなものをデータベース層に使用することには多くの利点があります。一般に、ワークフローの節約は、クエリ時間の増加を上回っていません。
• 使いやすさ-SQLデータベースは常に使いにくい、またはCassandraが世界で最も簡単にセットアップできると言っているわけではありませんが、一般的にNoSQLデータベースはSQLデータベースよりもセットアップと使用が簡単です。MongoDBは、この最も強力な例であり、最も使いやすいデータベースレイヤーの1つとして知られています（SQLiteの外部）。SQLは多くの正規化も処理しますが、SQLのベストプラクティスには多くのレガシーがあり、一般に開発プロセスが滞ります。

個人的には、データサイエンスアプリケーションのバックエンドを選択することを検討している場合、特定の種類のクエリに対して非常に優れたパフォーマンスを示すNeo4jなどのグラフデータベースも確認することをお勧めします。

スキーマフリーのNoSQLアプローチの利点の1つは、時期尚早にコミットせず、Apache Drillなどの適切なツールを使用してクエリ時に適切なスキーマを適用できることです。詳細については、このプレゼンテーションを参照してください。MySQLは、ビッグデータ設定での最初の選択ではありません。

複数のデータベースを検討し、試してみて、おそらく使用することもできます。ここでは、単に「パフォーマンス」の問題ではありません。それは本当にあなたの要件に来るでしょう。どれくらいのデータについて話しているのですか？どんなデータ？どれくらい早く必要ですか？もっと読むのが重いですか、書くのが重いですか？

SQLデータベースではできないことの1つは、センチメントの計算です。http://www.slideshare.net/shift8/mongodb-machine-learning

もちろん、その場合の速度はあなたのニーズに対して十分に速くないかもしれませんが、それは可能です。特定の集計値をキャッシュすることで、それでもまったく受け入れられました。なぜこれをするのですか？便利。

利便性は本当にあなたが説得しようとしているものです。それがまさに（私の意見では）NoSQLデータベースが作成された理由です。パフォーマンスももちろんですが、ベンチマークを割り引いて、他の懸念にもっと集中しようとしています。

MongoDB（およびその他のNoSQL）データベースには、組み込みのmap / reduceなどの非常に強力な機能がいくつかあります。これにより、Hadoopなどを使用するよりもコストと時間の両方を節約できます。または、より大きなビジネスを立ち上げるためのプロトタイプまたはMVPを提供できます。

グラフデータベースはどうですか？それらも「NoSQL」です。OrientDBのようなデータベースを見てください。パフォーマンスについて議論したい場合は...高速なSQLデータベースを見せてくれるとは思いません=）...そしてグラフデータベースには、あなたがする必要があることに基づいて本当に素晴らしいアプリケーションがあります。

テクノロジーのルール（およびインターネット）は、1つのことにあまり慣れていません。あなたは制限され、失敗に備えます。