เมื่อคนส่วนใหญ่คิดถึงฐานข้อมูล (Database) พวกเขามักนึกถึงฐานข้อมูลแบบเดิมที่ใช้โมเดลแบบเชิงสัมพันธ์ (Relational Database Model) ซึ่งใช้ตารางที่ประกอบไปด้วยแถวและคอลัมน์ ถึงแม้ว่าโมเดลเชิงสัมพันธ์ยังคงครองสัดส่วนส่วนใหญ่ในการจัดการข้อมูลบนอินเทอร์เน็ต แต่ในช่วงหลังมานี้ นักพัฒนาได้เริ่มใช้โมเดลฐานข้อมูลที่แตกต่างออกไปมากขึ้น ซึ่งเป็นผลมาจากข้อจำกัดของโมเดลเชิงสัมพันธ์ ทำให้เกิดกลุ่มฐานข้อมูลแบบใหม่ที่เรียกว่า NoSQL

บทความนี้จะนำเสนอบางส่วนของโมเดลฐานข้อมูล NoSQL ที่ใช้งานกันอย่างแพร่หลาย โดยจะกล่าวถึงข้อดีและข้อเสีย รวมถึงยกตัวอย่างระบบจัดการฐานข้อมูลที่ใช้งานแต่ละโมเดลและกรณีที่เหมาะสมสำหรับการใช้งาน

ฐานข้อมูลเชิงสัมพันธ์และข้อจำกัด

ฐานข้อมูลเป็นการจัดกลุ่มข้อมูลหรือข้อมูลที่มีโครงสร้าง ส่วนระบบจัดการฐานข้อมูล (DBMS) คือโปรแกรมคอมพิวเตอร์ที่ใช้ในการทำงานกับฐานข้อมูล โดยระบบ DBMS จะช่วยให้เราสามารถควบคุมการเข้าถึงฐานข้อมูล, เขียนข้อมูล, รันคำสั่งค้นหา และทำงานอื่น ๆ ที่เกี่ยวข้องกับการจัดการฐานข้อมูลได้ แม้ว่าเรามักจะเรียกระบบจัดการฐานข้อมูลว่า “ฐานข้อมูล” แต่จริง ๆ แล้วทั้งสองคำนี้มีความหมายต่างกัน ฐานข้อมูลหมายถึงการรวมกลุ่มของข้อมูลใด ๆ ส่วน DBMS คือซอฟต์แวร์ที่ใช้ในการทำงานกับฐานข้อมูล ระบบ DBMS ทั้งหมดมีโมเดลพื้นฐานที่ใช้กำหนดโครงสร้างการจัดเก็บและเข้าถึงข้อมูล โดยในระบบฐานข้อมูลเชิงสัมพันธ์ (Relational Database Management System – RDBMS) ข้อมูลจะถูกจัดเรียงในรูปแบบตาราง หรือที่เรียกว่าความสัมพันธ์ (Relation) ซึ่งมักใช้ภาษา SQL ในการจัดการและเข้าถึงข้อมูลที่อยู่ในฐานข้อมูล

แม้ว่าการใช้โมเดลเชิงสัมพันธ์จะเป็นที่นิยม แต่ก็มีข้อจำกัดที่ทำให้ยากต่อการใช้งานในบางกรณี เช่น ความยากในการขยายฐานข้อมูลในแนวนอน (Horizontal Scaling) ซึ่งเป็นการเพิ่มเครื่องเซิร์ฟเวอร์ในระบบเพื่อลดภาระการประมวลผล แนวทางนี้มักถูกเปรียบเทียบกับการขยายในแนวตั้ง (Vertical Scaling) ที่เพิ่มประสิทธิภาพฮาร์ดแวร์โดยการเพิ่ม RAM หรือ CPU การขยายในแนวนอนอาจทำให้ระบบมีปัญหาในการจัดการความสอดคล้องของข้อมูล (Consistency) ซึ่งต้องการให้ผู้ใช้เห็นข้อมูลล่าสุดเสมอ อีกข้อจำกัดหนึ่งของระบบเชิงสัมพันธ์คือการออกแบบมาเพื่อจัดการข้อมูลที่มีโครงสร้าง เช่น ข้อความหรือข้อมูลที่มีรูปแบบเฉพาะ การเพิ่มขึ้นของข้อมูลที่ไม่มีโครงสร้าง เช่น อีเมล, รูปภาพ, หรือวิดีโอ ทำให้ต้องมีวิธีจัดการใหม่ ๆ นอกเหนือจากระบบฐานข้อมูลเชิงสัมพันธ์ จึงเกิดเป็นระบบฐานข้อมูล NoSQL ขึ้นมา

เกี่ยวกับ NoSQL

คำว่า NoSQL มาจากการที่ Carlo Strozzi ตั้งชื่อฐานข้อมูลของเขาในปี 1998 เพราะมันไม่ได้ใช้ภาษา SQL ในการจัดการข้อมูล ต่อมาในปี 2009 Johan Oskarsson ได้จัดงานพบปะของนักพัฒนาเกี่ยวกับฐานข้อมูลแบบกระจายที่ไม่ใช้ระบบเชิงสัมพันธ์ เช่น Cassandra และ Voldemort และได้ใช้ชื่อ “NoSQL” เป็นสัญลักษณ์ของการประชุม นับตั้งแต่นั้น คำว่า NoSQL จึงถูกใช้เรียกฐานข้อมูลที่ไม่ใช้โมเดลเชิงสัมพันธ์ทั่วไป

โมเดลฐานข้อมูล NoSQL มีหลายรูปแบบ ข้างล่างนี้เป็นตัวอย่างของโมเดลที่ใช้กันมาก

Operational Database Model	Example DBMSs
Key-value store	Redis, MemcacheDB
Columnar database	Cassandra, Apache HBase
Document store	MongoDB, Couchbase
Graph database	OrientDB, Neo4j

แม้ว่าโมเดลต่าง ๆ จะมีโครงสร้างการทำงานที่แตกต่างกัน แต่ฐานข้อมูล NoSQL ส่วนมากจะถูกออกแบบให้เน้นการเข้าถึงข้อมูลมากกว่าการจัดการความสอดคล้องที่เข้มงวด โดยข้อมูลจะได้รับการอัปเดตในทุกโน้ดของระบบในช่วงเวลาสั้น ๆ แทนที่จะอัปเดตพร้อมกันทั้งหมด

ฐานข้อมูลแบบ Key-Value

ฐานข้อมูลแบบ Key-Value หรือที่เรียกว่า Key-Value Store ทำงานโดยการจัดเก็บและจัดการข้อมูลในรูปแบบของอาเรย์เชิงสัมพันธ์ (Associative Array) อาเรย์เชิงสัมพันธ์ หรือที่เรียกว่า Dictionary หรือ Hash Table ประกอบด้วยกลุ่มของคู่ข้อมูล (Key-Value) ที่มี Key เป็นตัวระบุที่ไม่ซ้ำเพื่อใช้ในการค้นหา Value ที่สอดคล้องกับ Key นั้น ๆ ซึ่ง Value อาจเป็นได้ทั้งข้อมูลเรียบง่าย เช่น ตัวเลขหรือข้อความ หรือข้อมูลซับซ้อนอย่างโครงสร้าง JSON เมื่อเทียบกับฐานข้อมูลเชิงสัมพันธ์ที่ใช้ตารางจัดเก็บข้อมูลแบบแถวและคอลัมน์ ฐานข้อมูลแบบ Key-Value จัดเก็บข้อมูลแบบไม่มีโครงสร้าง ข้อมูลจะถูกเก็บในลักษณะที่เป็น “ก้อน” และไม่มีการกำหนดประเภทของข้อมูล จึงเป็นหน้าที่ของแอปพลิเคชันที่จะเข้าใจว่าข้อมูลนั้นคืออะไร ฐานข้อมูลแบบ Key-Value มักถูกอธิบายว่ามีประสิทธิภาพสูง, ใช้ทรัพยากรน้อย และสามารถขยายได้ง่าย โดยเหมาะสำหรับการใช้งานเช่น การแคช (Caching), การจัดการคิวข้อความ และการจัดการเซสชัน (Session Management)

ตัวอย่างฐานข้อมูลแบบ Key-Value ที่เป็นที่นิยม

• Redis: ฐานข้อมูลในหน่วยความจำที่ใช้เป็นฐานข้อมูล, แคช, หรือระบบส่งข้อความ รองรับข้อมูลหลายรูปแบบ เช่น สตริง, บิตแมป, และสตรีม
• Memcached: ระบบแคชอเนกประสงค์ที่ใช้เก็บข้อมูลในหน่วยความจำเพื่อลดเวลาการโหลดของเว็บไซต์
• Riak: ฐานข้อมูลแบบกระจายที่รองรับการทำซ้ำของข้อมูลในหลายคลัสเตอร์

ฐานข้อมูลแบบ Columnar

ฐานข้อมูลแบบ Columnar หรือ Column-Oriented Database เป็นระบบฐานข้อมูลที่จัดเก็บข้อมูลเป็นคอลัมน์ ซึ่งต่างจากฐานข้อมูลเชิงสัมพันธ์ที่จัดกลุ่มข้อมูลเป็นตาราง ฐานข้อมูลแบบ Columnar จะแยกเก็บแต่ละคอลัมน์ไว้ในไฟล์หรือพื้นที่จัดเก็บของระบบ ทำให้สามารถเรียกใช้เฉพาะคอลัมน์ที่ต้องการได้โดยไม่จำเป็นต้องอ่านข้อมูลทั้งแถว

โมเดลนี้ช่วยให้สามารถใช้กลยุทธ์การบีบอัดข้อมูลได้ เช่น Run-Length Encoding เพื่อลดพื้นที่จัดเก็บข้อมูล ซึ่งจะช่วยให้การอ่านข้อมูลเร็วขึ้นเนื่องจากต้องอ่านข้อมูลน้อยลง ข้อเสียของฐานข้อมูล Columnar คือการโหลดข้อมูลเข้าไปมักช้าเพราะต้องเขียนแต่ละคอลัมน์แยกกัน

ตัวอย่างฐานข้อมูลแบบ Columnar ที่เป็นที่นิยม

• ClickHouse: ระบบที่ทนต่อข้อผิดพลาด รองรับการวิเคราะห์ข้อมูลแบบเรียลไทม์และการใช้ SQL
• Apache Cassandra: ออกแบบให้สามารถขยายได้และมีประสิทธิภาพสูง
• Apache HBase: ฐานข้อมูลแบบกระจายที่สามารถจัดเก็บข้อมูลได้เป็นโครงสร้างใหญ่และทำงานร่วมกับระบบ Hadoop

ฐานข้อมูลแบบ Document-Oriented

ฐานข้อมูลแบบ Document-Oriented หรือ Document Store เป็นฐานข้อมูล NoSQL ที่จัดเก็บข้อมูลในรูปแบบเอกสาร (Document) ซึ่งจะมีตัวระบุเฉพาะหรือ Key ที่ใช้ในการค้นหาเอกสาร แต่ละเอกสารจะเก็บข้อมูลทั้งหมดที่เกี่ยวข้องกับวัตถุหรือรายการนั้น

ฐานข้อมูลแบบ Document-Oriented รองรับโครงสร้างข้อมูลที่ยืดหยุ่น เช่น JSON, BSON, XML หรือ YAML และบางรุ่นสามารถเก็บไฟล์ไบนารีได้ การจัดการข้อมูลที่ไม่เกี่ยวข้องกันในเอกสารเดียวทำให้เหมาะสมสำหรับการใช้งานในระบบที่ต้องการความยืดหยุ่น เช่น การจัดการเนื้อหา, บล็อก, และระบบวิเคราะห์ข้อมูล

ตัวอย่างฐานข้อมูลแบบ Document ที่เป็นที่นิยม

• Apache CouchDB: จัดเก็บข้อมูลเป็น JSON และใช้ JavaScript เป็นภาษาค้นหา
• MongoDB: ฐานข้อมูล Document ที่นิยมใช้มากที่สุดในโลกขณะนี้
• Couchbase: ฐานข้อมูล Document ที่รองรับ JSON และสามารถทำงานเป็น Key-Value Store ได้

ฐานข้อมูลแบบ Graph

ฐานข้อมูลแบบ Graph จัดเก็บข้อมูลในเอกสาร แต่เน้นที่การแสดงความสัมพันธ์ระหว่างเอกสาร โดยมีองค์ประกอบสำคัญคือ

1.Node: แทนแต่ละข้อมูล เช่น ศิลปินในฐานข้อมูลเพลง

2.Property: ข้อมูลที่เกี่ยวข้องกับ Node เช่น “นักร้อง” หรือ “แนวเพลงแจ๊ส”

3.Edge: แสดงความสัมพันธ์ระหว่าง Node ซึ่งอาจเป็นได้ทั้งทางเดียว (Directed) หรือสองทาง (Undirected)

ฐานข้อมูลแบบ Graph เหมาะสำหรับการวิเคราะห์ความสัมพันธ์ เช่น ใช้ในการตรวจจับการฉ้อโกง ,ระบบแนะนำ (recommendation engines), หรือ แอปพลิเคชันที่ใช้ในการจัดการเพื่อระบุตัวตนและการเข้าถึง

ตัวอย่างฐานข้อมูลแบบ Graph ที่เป็นที่นิยม

• OrientDB: ฐานข้อมูลหลายโมเดล รองรับกราฟ, Document, Key-Value, และ object models 
• Neo4j: ระบบที่รองรับการจัดเก็บและประมวลผลกราฟ มีคุณสมบัติ ACID
• ArangoDB: รองรับหลายโมเดล ทั้งกราฟ, Document และ Key-Value