Base de datos Cosmos

Azure Cosmos DB es un servicio de base de datos multimodelo distribuido globalmente ofrecido por Microsoft . Está diseñado para proporcionar alta disponibilidad, escalabilidad y acceso de baja latencia a los datos para aplicaciones modernas. A diferencia de las bases de datos relacionales tradicionales, Cosmos DB es una base de datos NoSQL (que significa "No solo SQL", en lugar de "cero SQL") y vectorial, ^{[ 1 ]} lo que significa que puede manejar tipos de datos no estructurados, semiestructurados, estructurados y vectoriales. ^{[ 2 ]}

Internamente, Cosmos DB almacena "elementos" en "contenedores" ^{[ 3 ]} , y estos dos conceptos se presentan de forma diferente según la API utilizada (por ejemplo, serían "documentos" en "colecciones" al usar la API compatible con MongoDB). Los contenedores se agrupan en "bases de datos", que son análogas a los espacios de nombres por encima de los contenedores. Los contenedores son independientes del esquema, lo que significa que no se impone ningún esquema al agregar elementos.

Por defecto, cada campo de cada elemento se indexa automáticamente, lo que generalmente proporciona un buen rendimiento sin necesidad de ajustarlo a patrones de consulta específicos. Estos valores predeterminados se pueden modificar configurando una política de indexación que permite especificar, para cada campo, el tipo de índice y la precisión deseada. Cosmos DB ofrece dos tipos de índices:

• rango, rango de soporte y consultas ORDER BY
• espacial, admite consultas espaciales a partir de puntos, polígonos y cadenas de líneas codificadas en fragmentos GeoJSON estándar.

Los contenedores también pueden imponer restricciones de clave única para garantizar la integridad de los datos. ^{[ 4 ]}

Cada contenedor de Cosmos DB expone un flujo de cambios, al que los clientes pueden suscribirse para recibir notificaciones sobre nuevos elementos que se agreguen o actualicen en el contenedor. ^{[ 5 ]} Al 7 de junio de 2021 , las eliminaciones de elementos no se exponen en el flujo de cambios. Los cambios se persisten en Cosmos DB, lo que permite solicitar cambios desde cualquier momento desde la creación del contenedor.

Se puede especificar un " Tiempo de vida " (o TTL) a nivel de contenedor para que Cosmos DB elimine automáticamente los elementos después de un tiempo determinado, expresado en segundos. Esta cuenta regresiva comienza después de la última actualización del elemento. Si es necesario, el TTL también se puede modificar a nivel de elemento.

El modelo de datos interno descrito en la sección anterior se expone a través de:

• una API SQL propietaria.
• Cinco API de compatibilidad diferentes, que exponen puntos finales parcialmente compatibles con los protocolos de comunicación de MongoDB , Gremlin , Cassandra , Azure Table Storage y etcd ; estas API de compatibilidad permiten que cualquier aplicación compatible se conecte y utilice Cosmos DB a través de controladores o SDK estándar, al tiempo que se beneficia de las características principales de Cosmos DB, como el particionamiento y la distribución global.

Cosmos DB incorporó la capacidad de particionamiento automático en 2016 con la introducción de los contenedores particionados. Internamente, los contenedores particionados abarcan múltiples particiones físicas, distribuyendo los elementos mediante una clave de partición proporcionada por el cliente. Cosmos DB decide automáticamente cuántas particiones distribuir los datos según el tamaño y las necesidades de rendimiento. Cuando se agregan o eliminan particiones, la operación se realiza sin interrupciones, por lo que los datos permanecen disponibles mientras se reequilibran entre las particiones nuevas o restantes.

Antes de que existieran los contenedores particionados, era común escribir código personalizado para particionar los datos, y algunos SDK de Cosmos DB admitían explícitamente varios esquemas de particionamiento diferentes. Este modo sigue estando disponible, pero solo se recomienda cuando los requisitos de almacenamiento y rendimiento no superan la capacidad de un contenedor, o cuando la función de particionamiento integrada no satisface las necesidades de la aplicación.

Los desarrolladores pueden especificar el rendimiento deseado para que coincida con la carga esperada de la aplicación. Cosmos DB reserva recursos (memoria, CPU e IOPS ) para garantizar el rendimiento solicitado mientras mantiene la latencia de la solicitud por debajo de 10 ms tanto para lecturas como para escrituras en el percentil 99. El rendimiento se especifica en Unidades de Solicitud (RU) por segundo. El costo para leer un elemento de 1 KB es 1 Unidad de Solicitud (o 1 RU). Las operaciones de selección por 'id' consumen un número menor de RU en comparación con las operaciones de eliminación, actualización e inserción para el mismo documento. Las consultas grandes (por ejemplo, agregaciones como count) y las ejecuciones de procedimientos almacenados pueden consumir cientos o miles de RU dependiendo de la complejidad de las operaciones necesarias. ^{[ 11 ]} La facturación mínima es por hora.

El rendimiento se puede aprovisionar a nivel de contenedor o de base de datos. Cuando se aprovisiona a nivel de base de datos, el rendimiento se comparte entre todos los contenedores de esa base de datos, con la posibilidad adicional de tener rendimiento dedicado para algunos contenedores. El rendimiento aprovisionado en un contenedor de Azure Cosmos está reservado exclusivamente para ese contenedor. ^{[ 12 ]} El máximo predeterminado de RU que se puede aprovisionar por base de datos y por contenedor es de 1.000.000 RU, pero los clientes pueden aumentar este límite poniéndose en contacto con el servicio de atención al cliente.

Como ejemplo de cálculo de costes, utilizando una única instancia de región, un recuento de 1.000.000 de registros de 1k cada uno en 5s requiere 1.000.000 RUs.$0,008/ h , lo que equivaldría a $800 . Dos regiones duplican el costo.

Las bases de datos de Cosmos DB se pueden configurar para que estén disponibles en cualquiera de las regiones de Microsoft Azure (54 regiones a diciembre de 2018), lo que permite a los desarrolladores de aplicaciones ubicar sus datos más cerca de donde se encuentran sus usuarios. ^{[ 13 ]} Los datos de cada contenedor se replican de forma transparente en todas las regiones configuradas. Agregar o eliminar regiones se realiza sin tiempo de inactividad ni impacto en el rendimiento. Al aprovechar la API de multi-homing de Cosmos DB, las aplicaciones no necesitan actualizarse ni volver a implementarse cuando se agregan o eliminan regiones, ya que Cosmos DB enrutará automáticamente sus solicitudes a las regiones disponibles y más cercanas a su ubicación.

Esta característica, anunciada en mayo de 2020, ^{[ 18 ]} es un almacén de columnas totalmente aislado que permite realizar análisis a gran escala sobre datos operativos en Azure Cosmos DB, sin afectar a sus cargas de trabajo transaccionales. Esta característica resuelve los problemas de complejidad y latencia que presentan las canalizaciones ETL tradicionales , las cuales requieren un repositorio de datos optimizado para ejecutar el procesamiento analítico en línea. Para ello, sincroniza automáticamente los datos operativos en un almacén de columnas independiente, adecuado para realizar consultas analíticas a gran escala de forma optimizada, lo que reduce la latencia de dichas consultas.

Mediante Microsoft Azure Synapse Link ^{[ 19 ]} para Cosmos DB, es posible crear soluciones híbridas de procesamiento transaccional/analítico sin ETL , conectándose directamente con el almacén analítico de Azure Cosmos DB desde Synapse Analytics. Esto permite ejecutar análisis a gran escala casi en tiempo real directamente sobre los datos operativos.

Microsoft utiliza Cosmos DB en muchas de sus propias aplicaciones, ^{[ 20 ]} incluyendo Microsoft Office , Skype , Active Directory , Xbox y MSN .

Cosmos DB se combina con otros servicios de Azure, como Azure App Services y Azure Traffic Manager, para crear una aplicación más resiliente. ^{[ 21 ]}

La herramienta de optimización de costos en la nube Cosmos DB Profiler detecta consultas de datos ineficientes en las interacciones entre una aplicación y su base de datos Cosmos DB. El profiler alerta a los usuarios sobre el desperdicio de rendimiento y los gastos excesivos en la nube. También recomienda cómo resolverlos aislando y analizando el código y dirigiendo a los usuarios a la ubicación exacta. ^{[ 22 ]}

• SQL es limitado. Las agregaciones se limitan a las funciones COUNT, SUM, MIN, MAX y AVG, pero no admite GROUP BY ni otras funcionalidades de agregación presentes en los sistemas de bases de datos. Sin embargo, se pueden usar procedimientos almacenados para implementar la capacidad de agregación dentro de la base de datos. ^{[ 23 ]}
• Las uniones SQL entre "tablas" no son posibles,
• Solo admite tipos de datos JSON puros. En particular, Cosmos DB no admite datos de fecha y hora, lo que obliga a almacenarlos utilizando los tipos de datos disponibles. Por ejemplo, se pueden almacenar como una cadena ISO-8601 o un entero de época. MongoDB , la base de datos con la que más se compara Cosmos DB, extendió JSON en su especificación de serialización binaria BSON para admitir datos de fecha y hora, así como tipos numéricos tradicionales, expresiones regulares y valores indefinidos.

• Sitio web oficial