Base de datos orientada a documentos

Las operaciones básicas que admite una base de datos orientada a documentos para manipular documentos son similares a las de otras bases de datos. Aunque la terminología no está perfectamente estandarizada, estas operaciones se reconocen generalmente como Crear, Leer, Actualizar y Eliminar ( CRUD ). ^{[ 3 ] [ 4 ]}

• Creación (C): Agrega un nuevo documento a la base de datos.
• Recuperación (R): Recupera documentos o campos en función de consultas.
• Actualizar (U): Modifica el contenido de los documentos existentes.
• Eliminación (D): Elimina documentos de la base de datos.

En una base de datos orientada a documentos, los documentos se identifican mediante un identificador único . Este identificador, que suele ser una cadena de caracteres , una URI o una ruta , permite recuperar el documento de la base de datos. La mayoría de los sistemas de almacenamiento de documentos mantienen un índice de la clave para optimizar la recuperación, y en algunas implementaciones, la clave es necesaria al crear o insertar un nuevo documento. ^{[ 3 ] [ 4 ]}

Además del acceso mediante claves, las bases de datos orientadas a documentos suelen ofrecer una API o un lenguaje de consulta que permite la recuperación de información en función del contenido del documento o de sus metadatos asociados. Por ejemplo, una consulta puede devolver todos los documentos cuyo campo específico coincida con un valor determinado. Las funcionalidades de consulta, las opciones de indexación y las características de rendimiento varían según la implementación.

Las bases de datos de documentos se diferencian de las bases de datos clave-valor en que aprovechan la estructura interna y los metadatos de los documentos almacenados. En muchas bases de datos clave-valor, los valores se tratan como datos opacos o de "caja negra", lo que significa que el sistema de base de datos no interpreta su estructura interna. Por el contrario, las bases de datos orientadas a documentos pueden clasificar e interpretar el contenido de los documentos. Esto permite realizar consultas que distinguen entre tipos de datos; por ejemplo, recuperar todos los números de teléfono que contienen "555" sin que coincidan también con un código postal como "55555". ^{[ 3 ] [ 4 ]}

Las bases de datos de documentos suelen proporcionar mecanismos para actualizar o editar el contenido o los metadatos de un documento. Las actualizaciones pueden implicar la sustitución del documento completo o la modificación de elementos o campos individuales dentro del documento. ^{[ 4 ]}

Las implementaciones de bases de datos de documentos admiten una variedad de métodos para organizar documentos, entre los que se incluyen:

• Colecciones: Grupos de documentos. Dependiendo de la implementación, un documento puede requerir pertenecer a una sola colección o puede permitirse que pertenezca a varias colecciones. ^{[ 4 ]}
• Etiquetas y metadatos no visibles: Datos adicionales almacenados fuera del contenido principal del documento.
• Jerarquías de directorios: Documentos organizados en una estructura similar a un árbol, a menudo basada en una ruta o URI.

Estas estructuras organizativas pueden diferir entre las representaciones lógicas y físicas (por ejemplo, en disco o en memoria).

Una base de datos orientada a documentos puede considerarse una forma especializada de almacén clave-valor , que a su vez es una categoría de base de datos NoSQL. En un almacén clave-valor básico, el sistema de base de datos suele tratar el valor almacenado como opaco. Por el contrario, una base de datos orientada a documentos proporciona API o un lenguaje de consulta y actualización que permite realizar consultas y modificaciones basadas en la estructura interna del documento. Para los usuarios que no requieren capacidades avanzadas de consulta, recuperación o actualización, la distinción entre bases de datos orientadas a documentos y almacenes clave-valor puede ser mínima. ^{[ 2 ]}

Algunos sistemas de búsqueda y recuperación de información , como Apache Solr y Elasticsearch , ofrecen almacenamiento de documentos y admiten operaciones básicas relacionadas con ellos. Por lo tanto, pueden cumplir con ciertas definiciones funcionales de una base de datos orientada a documentos, aunque sus objetivos de diseño principales difieren.

En una base de datos relacional, los datos se organizan en tipos predefinidos representados como tablas. Cada tabla contiene filas (registros) con un conjunto fijo de columnas (campos), por lo que todos los registros de una tabla comparten la misma estructura. Los administradores suelen definir índices en campos seleccionados para mejorar el rendimiento de las consultas. Un principio fundamental del diseño de bases de datos relacionales es la normalización de la base de datos , en la que los datos que de otro modo podrían repetirse se almacenan en tablas separadas y se vinculan mediante claves. ^{[ 5 ]} Cuando se relacionan registros de diferentes tablas, se utiliza una clave externa para asociarlos.

Por ejemplo, una aplicación de agenda de contactos puede almacenar el nombre, la imagen, los números de teléfono, las direcciones postales y las direcciones de correo electrónico de un contacto. En un diseño relacional normalizado, se podrían crear tablas separadas para contactos, números de teléfono y direcciones de correo electrónico. La tabla de números de teléfono incluiría una clave externa que hace referencia al contacto asociado. Para reconstruir un registro de contacto completo, la base de datos recupera la información relacionada de cada tabla mediante las claves externas y la combina en un único registro.

En cambio, una base de datos orientada a documentos almacena todos los datos relacionados con un objeto en un único documento, y se guarda en la base de datos como una sola entrada. En el ejemplo de la agenda de contactos, el nombre, la imagen y la información de contacto del contacto pueden almacenarse juntos en un documento. El documento se recupera mediante una clave única y toda la información relacionada se devuelve de forma conjunta, sin necesidad de consultar varias tablas. ^{[ 3 ]}

Una diferencia clave entre los modelos orientados a documentos y relacionales es que los formatos de datos no están predefinidos en el caso de los documentos. En la mayoría de los casos, cualquier tipo de documento puede almacenarse en una base de datos, y los documentos pueden cambiar de tipo y formato con el tiempo. Por ejemplo, se puede agregar un nuevo campo, como COUNTRY_FLAG, a los nuevos documentos a medida que se insertan, sin afectar a los documentos existentes. Para facilitar la recuperación, los sistemas orientados a documentos generalmente permiten al administrador proporcionar sugerencias a la base de datos para localizar ciertos tipos de información. Estas sugerencias funcionan de manera similar a los índices en las bases de datos relacionales. ^{[ 2 ]} Muchos sistemas también permiten metadatos adicionales fuera del contenido del documento en sí, como etiquetar las entradas como parte de una libreta de direcciones, lo que permite recuperar información relacionada, por ejemplo, todas las entradas de la libreta de direcciones. Esto proporciona una funcionalidad similar a la de una tabla, pero separa el concepto (categorías de datos) de su implementación física (tablas). ^{[ 4 ]}

En el modelo relacional normalizado tradicional, los objetos de la base de datos se representan como filas de datos independientes, sin una estructura inherente más allá de la definida en las tablas. Esto puede generar dificultades al traducir objetos de programación hacia y desde sus filas correspondientes en la base de datos, un problema conocido como desajuste de impedancia objeto-relacional . ^{[ 6 ]} En cambio, los almacenes de documentos suelen mapear los objetos de programación directamente en la base de datos, conservando gran parte de su estructura interna. Las bases de datos que utilizan este enfoque se denominan frecuentemente sistemas NoSQL .

La mayoría de las bases de datos XML son bases de datos orientadas a documentos.