MongoDB vs. SQL: Unterschiede und Gemeinsamkeiten

MongoDB vs. SQL: Zwei gänzlich unterschiedliche Ansätze, um Daten zu speichern und zu verwalten. Während die NoSQL-Lösung MongoDB vor allem durch Flexibilität überzeugt, ist SQL eine sehr robuste und altbewährte Wahl.

SQL: Der Standard seit Jahrzehnten

Für die Gegenüberstellung von MongoDB vs. SQL lohnt sich zunächst ein Blick auf die Geschichte und Entwicklung der beiden Lösungen. SQL bezeichnet im Kern zunächst die Datenbanksprache, die für die Arbeit mit relationalen Datenbanken benötigt wird. Mit SQL ist es einerseits möglich, Daten einzufügen, zu verändern und zu löschen. Andererseits wird die Sprache aber auch verwendet, um bestimmte Daten ab- oder anzufragen. SQL geht auf die Abfragesprache SEQUEL zurück, die in den 1970er-Jahren entwickelt wurde. Heute ist SQL die Standardsprache für sämtliche relationalen Datenbankmanagementsysteme. Zu den bekanntesten Systemen gehören MySQL, Microsoft SQL Server, Oracle, PostgreSQL und Sybase.

MongoDB: Die SQL-Alternative

Im Vergleich MongoDB vs. SQL ist MongoDB die deutlich jüngere Variante. Sie wurde 2009 von der Firma 10gen (heute MongoDB Inc.) entwickelt und gilt heute als eine der beliebtesten und am häufigsten genutzten Datenbanken der Welt. Der Name des NoSQL-Systems geht auf den englischen Begriff „huMongous“ (dt. „groß“ oder „gewaltig“) zurück und soll beschreiben, dass MongoDB insbesondere für die Verwaltung großer und diverser Datenvorkommen ausgelegt ist. Zwei Merkmale des Datenbankmanagementsystems, die zu diesem Ziel beitragen, sind seine enorme Flexibilität und hohe Skalierbarkeit. MongoDB kann mit steigenden Anforderungen wachsen und lässt sich prinzipiell endlos horizontal skalieren. Das System ist außerdem Open Source.

Funktionsweise

MongoDB und SQL werden beide zur Speicherung von Daten genutzt. An dieser Stelle hören die Gemeinsamkeiten – überspitzt formuliert – aber bereits auf. Der entscheidende Unterschied zwischen beiden Systemen ist nämlich die Art der Speicherung und diese bestimmt nicht nur alle weiteren Abweichungen, sondern entscheidet auch darüber, welche Herangehensweise für Ihre Zwecke am besten geeignet ist.

SQL arbeitet relational, was bedeutet, dass sämtliche Daten in Form einer Tabelle gespeichert werden. Diese Tabelle besteht aus Zeilen und Spalten, in denen alle relevanten Informationen abgelegt werden. In den gängigen SQL-Datenbankmanagementsystemen werden unterschiedliche Datenbanken gespeichert, die sich aufeinander beziehen können. Über einen Server wird SQL genutzt, um die hinterlegten Daten abzufragen. Dafür durchläuft der Prozess mehrere Komponenten:

1. Der Parser überprüft eine Anweisung auf Regelkonformität und die notwendigen Berechtigungen.
2. Der Abfrageprozessor plant die Abrufe, Schreibvorgänge oder Aktualisierungen.
3. Die Speicher-Engine führt die Anfrage aus, liest die Daten und sendet das Ergebnis zurück an den Client.

MongoDB arbeitet im Vergleich zu SQL nicht-relational. Das bedeutet, dass die Daten nicht in Form einer Tabelle gespeichert werden, sondern stattdessen in Dokumenten hinterlegt sind. Diese Dokumente im binären JSON-Format BSON werden in sogenannten Collections gebündelt. MongoDB und vergleichbare NoSQL-Systeme können auf diese Weise völlig verschiedene Datentypen speichern und verwalten. Diese können strukturiert, halbstrukturiert oder unstrukturiert sein. Des Weiteren setzt MongoDB auf Schlüssel-Wert-Paare. Während es sich bei dem Schlüssel immer um eine Zeichenfolge handelt, kann es sich bei dem Wert unter anderem um Dateien, andere Dokumente oder boolsche Werte handeln. Die Abfragesprache ist die MongoDB Query Language (MQL).

Skalierung und Verfügbarkeit

Zwar lassen sich beide Vertreter im „MongoDB vs. SQL“-Vergleich skalieren. Dies ist bei der NoSQL-Lösung allerdings deutlich einfacher und effektiver. MongoDB nutzt hierfür eine Technik namens Sharding, um Datenbanken horizontal zu skalieren. Dabei werden Daten auf unterschiedlichen Knotenpunkten hinterlegt und so die Last auf mehrere Schulten verteilt. Dieser Ansatz ist nicht nur vergleichsweise kostengünstig, sondern erhöht auch die Abfragegeschwindigkeit und Sicherheit der Daten. Durch Replikate kann umgehend auf einen Serverausfall reagiert werden und durch einen automatischen Failover wird ein neuer Knoten zum Primärknoten auserkoren. Gerade bei großen Datenmengen und unterschiedlichen Datentypen ist dieses Vorgehen sehr erfolgsversprechend.

Datenbanken, die auf SQL setzen, können hingegen ausschließlich vertikal skaliert werden. Das bedeutet, dass für größere Datenaufkommen zusätzlicher Speicherplatz, größere Kapazitäten oder eine höhere Rechenleistung benötigt werden. Dieser Ansatz ist häufig mit immensen Kosten verbunden, weshalb die Methode in den meisten Fällen eher für gleichbleibende oder nur marginal wachsende Datenmengen empfehlenswert ist. Die Verfügbarkeit ist allerdings auch im Vergleich zwischen MongoDB vs. SQL auf einem hohen Niveau. Auch SQL setzt auf verschiedene Knoten, um umgehend auf Ausfälle reagieren und bei Störungen dennoch die Daten zur Verfügung stellen zu können.

Abfragesprache

Welche Sprache benutzerfreundlicher ist, hängt beim Vergleich MongoDB vs. SQL vor allem vom persönlichen Geschmack und dem Vorwissen des Nutzers oder der Nutzerin ab. SQL ist seit Jahrzehnten ein Standard, der leicht zu erlernen und zumindest teilweise an die englische Sprache angelehnt ist. Haben Sie einmal eine SQL-Lösung erfolgreich genutzt, wird Ihnen auch der Umgang mit dem nächsten ähnlichen System leichtfallen. Die Sprache ist sehr gut dokumentiert und sehr weit verbreitet. Gleichzeitig arbeitet sie allerdings nicht sehr dynamisch und setzt auf feste Schemata, wie unter anderem die Tabellenform. Zwar hat SQL viele Dialekte, die Basis bleibt allerdings identisch.

Die MongoDB Query Language ist deutlich dynamischer und flexibler als SQL und wird somit den Anforderungen, die durch unterschiedliche Datentypen und Abfragen entstehen können, in den meisten Fällen gerecht. Sie ist für die Arbeit mit BSON-Dokumenten ausgelegt und bietet die Möglichkeit, Felder durch Löschen oder Hinzufügen zu ändern. Allerdings ist die Sprache nur auf MongoDB ausgelegt. Andere NoSQL-Systeme oder SQL-Datenbanken verwenden hingegen Sprachen, die sich teilweise oder vollständig von MQL unterscheiden.

MongoDB vs. SQL: ACID und CAP

Während SQL auf relationale Tabellen setzt, verwendet das nicht-relationale MongoDB Dokumente in Sammlungen. Dabei legen beide Systeme unterschiedliche Ansätze zugrunde. SQL baut auf die klassischen ACID-Eigenschaften. ACID steht für Atomicity, Consistency, Isolation und Durability. Das bedeutet, dass Transaktionen vollständig oder gar nicht ausgeführt werden, konsistent bleiben und vor inneren oder äußeren Einflüssen geschützt sind. Der Fokus liegt somit klar auf der Sicherheit der Daten und der Zuverlässigkeit des Datentransfers.

Im Gegensatz dazu setzt MongoDB auf das CAP-Theorem. CAP steht für Consistency, Availabilty und Partition oder zu deutsch Konsistenz, Verfügbarkeit und sinngemäß Partitionstoleranz. Dieses Theorem besagt, dass immer nur zwei der drei Faktoren gleichzeitig möglich sind. MongoDB gehört zu den CP-Datenspeichern, die Konsistenz und Partitionstoleranz gewährleisten, dafür aber im Bereich der Verfügbarkeit Kompromisse eingehen. MongoDB setzt auf einen Primärknoten, über den alle Anfragen laufen. Nur wenn dieser ausfällt, kommen seine Sekundärknoten zum Einsatz.

Einsatzzwecke

Die Anforderungen, die an MongoDB oder SQL gestellt werden, sind daher auch ganz unterschiedlich. Welche Lösung Sie zum Beispiel für Ihre Daten wählen, hängt davon ab, welche Daten Sie speichern und verwalten möchten. SQL bietet sich für strukturierte Daten an, die sich tabellarisch modellieren lassen. Wenn Sie auf Konsistenz setzen möchten, ist der klassische Ansatz nach wie vor empfehlenswert. SQL punktet unter anderem in den Bereichen E-Commerce und bei anderen Transaktionssystemen, in der Buchhaltung kleinerer Unternehmen oder bei Vorgängen, die eine strenge Datenintegrität voraussetzen. SQL gilt als sehr sichere und robuste Lösung.

Der große Vorteil von MongoDB ist hingegen seine Flexibilität. Diese betrifft einerseits die berücksichtigten Datentypen, die sehr divers und außerdem strukturiert, halbstrukturiert oder unstrukturiert sein können. Andererseits zeigt sich die Flexibilität, wenn es um die Skalierung geht: Diese erfolgt horizontal, sodass Ihr System mit Ihren Anforderungen wachsen kann. Auch die Geschwindigkeit von MongoDB ist ein überzeugendes Argument für den NoSQL-Ansatz. Dieser kommt unter anderem ebenfalls im Bereich E-Commerce, für Content-Management-Systeme, Cloud-Lösungen oder bei Anwendungen, die Analysefunktionen in Echtzeit benötigen, zum Einsatz.

MongoDB vs. SQL: Diese Unternehmen setzen auf (mindestens) einen der Ansätze

Zahlreiche Unternehmen setzen auf einen der beiden Ansätze, um ihre Daten zu speichern und zu verwalten. Für MongoDB haben sich unter anderem die folgenden Firmen entschieden:

• Adobe
• Amadeus
• AppScale
• Craftbase
• Disney
• Etsy
• Foursquare
• Lyft
• MTV
• The New York Times
• Via Varejo

Diese Unternehmen und Plattformen bauen auf eine SQL-Lösung:

• Adobe
• Apple
• Dell
• IMDB
• LinkedIn
• Microsoft
• Reddit
• Seagate
• Skype
• Spotify
• Twitch

MongoDB vs. SQL: Auch eine gemeinsame Lösung ist denkbar

Anhand dieser Auflistung sehen Sie bereits, dass es durchaus Firmen gibt, die die Entscheidung MongoDB vs. SQL für sich mit „beide“ beantworten. Es ist nämlich ebenfalls möglich, SQL- und NoSQL-Lösungen innerhalb einer Anwendungsarchitektur zu kombinieren. So kann man von den Stärken beider Ansätze profitieren. Dies ist zwar nicht für jeden Nutzer oder jede Nutzerin sinnvoll, kann aber unter Umständen durchaus zu den bestmöglichen Ergebnissen führen.