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.

A relációs adatbázisok az egyik legelterjedtebb adatbázis-típusok közé tartoznak. Az adatok táblákban (relációkban) tárolódnak, ahol minden tábla sorokból (rekordokból) és oszlopokból (mezőkből) áll. A relációs modell megbízható és jól definiált struktúrát biztosít az adatok kezeléséhez.

• A relációs modellt Edgar F. Codd matematikus javasolta 1970-ben.
• A modell a halmazelméletre és a predikátumlogikára épül.
• A ’70-es, ’80-as években megjelentek az első RDBMS rendszerek: IBM System R, Ingres, Oracle.
• A SQL (Structured Query Language) nyelv szabványosítása nagyban hozzájárult az elterjedéséhez.

• Adatszerkezet: táblázatos (sorok és oszlopok).
• Szigorú séma: minden táblának előre meghatározott szerkezete van (mezőtípusok, kulcsok stb.).
• Kapcsolatok: táblák között idegen kulcsokon keresztül hozunk létre kapcsolatokat.
• ACID tulajdonságok:
  • *Atomicity* – a tranzakciók oszthatatlanok.
  • *Consistency* – az adatbázis érvényességi szabályai nem sérülnek.
  • *Isolation* – párhuzamos tranzakciók nem befolyásolják egymást.
  • *Durability* – a végrehajtott tranzakciók tartósan megmaradnak.

• Adatintegritás: kulcsok, megszorítások és szabályok segítségével biztosítható.
• Lekérdezhetőség: a SQL nyelv rendkívül erős és kifejező eszköztárat ad.
• Stabilitás és érettség: hosszú távon kipróbált, optimalizált rendszerek.
• Többfelhasználós működés: jogosultságkezelés, tranzakciókezelés.

• Skálázhatóság: nagy adatmennyiség és sok párhuzamos felhasználó esetén nehezen osztható szét több gépre (horizontális skálázás).
• Rugalmatlanság: séma módosítása bonyolult lehet, különösen ha az adatstruktúra gyakran változik.
• Strukturálatlan adatok kezelése: szöveg, kép, videó típusú adatok kezelésére nem ideális.

• MySQL – nyílt forráskódú, népszerű webalkalmazások körében (pl. WordPress).
• PostgreSQL – fejlett funkciók, szabványos SQL támogatás, objektum-orientált kiegészítések.
• Oracle Database – robusztus vállalati megoldás, fejlett biztonság és replikációs lehetőségek.
• Microsoft SQL Server – integráció Microsoft-technológiákkal, könnyű használat.

Tábla: `diakok`

SQL lekérdezés:

SELECT nev FROM diakok WHERE szuletesi_ev < 2003;

Ez a lekérdezés visszaadja azoknak a diákoknak a nevét, akik 2003 előtt születtek.

A NoSQL adatbázisok a relációs modellek alternatívájaként jelentek meg, amikor az internetes alkalmazások, a Big Data és a valós idejű feldolgozások új követelményeket támasztottak az adatkezeléssel szemben. A „NoSQL” nem feltétlenül jelenti azt, hogy nem használható benne SQL, hanem inkább azt, hogy nem relációs modell alapján működik.

• Az adatok mennyisége gyorsan növekedett (pl. közösségi média, szenzoradatok).
• Az adatszerkezet egyre rugalmasabb lett – gyakran változó mezők, új attribútumok.
• Szükség volt horizontális skálázásra – sok szerver párhuzamos futtatása.
• Alkalmazásoknak nagy sebességre és alacsony késleltetésre volt szüksége.

• Sémanélküli modell: nincs előre rögzített mezőszerkezet.
• BASE modell:
  • *Basically Available* – mindig elérhető adatbázis
  • *Soft state* – az adat idővel változhat
  • *Eventually consistent* – idővel elérhető a konzisztencia (nem garantált azonnal)
• Horizontálisan skálázható: könnyen bővíthető több gépre.
• Nagy teljesítmény: ideális valós idejű alkalmazásokhoz.

• Dokumentum-orientált adatbázisok
  • Minden rekord egy önálló dokumentum (pl. JSON formátumban).
  • Rugalmas szerkezet, ideális REST API-khoz.
  • Példa: MongoDB, CouchDB

• Kulcs-érték tárolók
  • Egyszerű szerkezet: kulcs → érték (mint egy szótár).
  • Nagyon gyors, kiváló gyorsítótárazásra.
  • Példa: Redis, Amazon DynamoDB

• Oszlop-orientált adatbázisok
  • Az adatok nem sorokban, hanem oszlopokban tárolódnak.
  • Hatékony analitikai feldolgozás nagy adattáblákon.
  • Példa: Apache Cassandra, HBase

• Gráf adatbázisok
  • Adatok és azok kapcsolatai gráfként ábrázolva (csomópontok és élek).
  • Nagyon hasznos hálózati elemzésekhez, pl. közösségi hálók, útvonalkeresés.
  • Példa: Neo4j, ArangoDB

• Nagy teljesítmény, alacsony válaszidő.
• Könnyen skálázható horizontálisan.
• Rugalmas adatszerkezet – ideális gyorsan változó alkalmazásokhoz.
• Néhány esetben beépített replikáció, sharding, elosztott feldolgozás.

• Nincs szabványos nyelv (mint az SQL).
• Az adatintegritás és konzisztencia nem mindig garantált.
• Alkalmazásfejlesztéskor a logika egy része az adatbázis helyett a kódban jelenik meg.
• Komplex lekérdezések megvalósítása nehézkes lehet.

Egy MongoDB kollekcióban tárolt dokumentum példája:

{
  "_id": "u123",
  "nev": "Kiss János",
  "eletkor": 29,
  "cim": {
    "varos": "Budapest",
    "iranyitoszam": "1111"
  }
}

Egy lekérdezés: azokat a felhasználókat kérdezzük le, akik életkora nagyobb mint 25:

db.felhasznalok.find({ "eletkor": { "$gt": 25 } })

• 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