Relációs adatbázisoktól a NoSQL-en át a vektor adatbázisokig

Az adatbázisok az informatikai rendszerek alapvető elemei, amelyek lehetővé teszik az adatok hatékony tárolását, visszakeresését, rendezését és módosítását. A modern világban hatalmas mennyiségű adat keletkezik másodpercenként, és ezek strukturált tárolása elengedhetetlen a döntéstámogatáshoz, automatizáláshoz és gépi tanuláshoz.

• Az adatok szervezett tárolása lehetővé teszi azok gyors visszakeresését és elemzését.
• Több felhasználó egyidejűleg dolgozhat ugyanazon adatokkal (konkurens hozzáférés).
• Biztosítani lehet az adatintegritást és a hozzáférés-ellenőrzést.
• Az adatok rendszeres mentése és visszaállítása egyszerűbbé válik.
• Automatizált folyamatokhoz (pl. webalkalmazások, gépi tanulás) szükséges egy megbízható háttértároló.

Példa: Egy webshopban több ezer termék, rendelés és felhasználói adat van. Ezek kereshető tárolása adatbázis nélkül gyakorlatilag lehetetlen lenne.

• Adat: nyers tények, mért vagy rögzített értékek, amelyek még nem feltétlenül bírnak jelentéssel.
  • Példa: `42`, `2025-05-07`, `„Piros”`
• Információ: értelmezett adat, amely kontextusba helyezve új tudást jelent.
  • Példa: „42 éves a felhasználó”, vagy „A rendelés dátuma: 2025-05-07”

Az adat tehát az alap, amiből – megfelelő feldolgozással – információt nyerhetünk. Az adatbázis célja az adatok strukturált tárolása annak érdekében, hogy információvá alakíthassuk őket.

• Strukturált adat:
  • Táblázatos formában rendezett, előre meghatározott sémával rendelkezik.
  • Példa: SQL adatbázisok, Excel-táblák, CRM rendszerek.
  • Jellemző: gyors kereshetőség, jól lekérdezhető.

• Félstrukturált adat:
• Nincs fix sémája, de tartalmaz címkéket vagy metaadatokat.
• Példa: XML, JSON, YAML fájlok, logok.
• Rugalmasabb, de nehezebb indexelni és lekérdezni.

• Strukturálatlan adat:
  • Nincs formázása, nem egyértelmű a tartalma.
  • Példa: szövegfájlok, képek, videók, e-mailek, hangfelvételek.
  • Ezeket általában keresőmotorokkal vagy mesterséges intelligenciával lehet feldolgozni (pl. szöveg- vagy képelemzés).

Az adatbázisok fejlődése szorosan összefügg azzal, hogyan és milyen típusú adatokat akarunk hatékonyan kezelni.

• Történet:
  • Edgar F. Codd (1970) – relációs modell
  • SQL szabványosítása (1970-es, 1980-as évek)
• Jellemzők:
  • Táblák (sorok és oszlopok)
  • Szigorú séma (schema-on-write)
  • ACID tranzakciók: Atomicity, Consistency, Isolation, Durability
• Példák: MySQL, PostgreSQL, Oracle, Microsoft SQL Server
• Előnyök: Adatintegritás, stabilitás
• Hátrányok: Skálázási nehézségek, strukturálatlan adatok kezelése nehézkes

• Megjelenés oka:
  • Big Data, Web 2.0, gyorsan változó struktúrák
  • Horizontális skálázás igénye
• Típusai:
  • Dokumentum-orientált (pl. MongoDB)
  • Kulcs-érték tárolók (pl. Redis, DynamoDB)
  • Oszlop-orientált (pl. Cassandra)
  • Gráf adatbázisok (pl. Neo4j)
• Jellemzők:
  • Séma nélküli (schema-on-read)
  • BASE modell: Basically Available, Soft state, Eventually consistent
  • Nagy teljesítmény, skálázhatóság

• Cél: Relációs modell + NoSQL skálázhatóság
• Jellemzők:
  • ACID + elosztott tranzakciók
• Példák:
  • Google Spanner
  • CockroachDB
  • VoltDB

• Motiváció:
  • Gépi tanulás, jelentés szerinti keresés
  • Embeddingek (szövegek, képek, hangok reprezentációja)
• Működés:
  • Objektum → Vektor (embedding)
  • Közelségi keresés: k-nn (legközelebbi szomszédok)
• Példák:
  • FAISS (Facebook)
  • Milvus
  • Weaviate
  • Pinecone
  • Chroma (LLM-es RAG rendszerekhez)
• Alkalmazások:
  • Dokumentumkeresés (RAG)
  • Képkeresés
  • Ajánlórendszerek

• Multimodális adatbázisok (szöveg + kép + struktúrált adatok)
• Hybrid keresés: SQL + vektoros keresés együtt
• AI-native rendszerek: LLM + adatbázis integráció (pl. LangChain)

• SQL lekérdezés vs. MongoDB lekérdezés
• Szöveg → embedding → hasonló dokumentumok keresése vektor alapján