Добавить в корзинуПозвонить
Найти в Дзене

История разработки приложений для работы с базами данных

Одной из важнейших целей разработки компьютерных систем были приложения для работы с базами данных, которые можно было бы использовать в них. Обработка данных способствовала росту быстродействия компьютерных процессоров. Фактически, обработка данных предшествовала компьютерам; перфокарты использовались в США для сбора данных для переписи населения в начале 20 века. Самая ранняя обработка данных производилась с помощью перфокарт на механических устройствах. Реальный рост скорости обработки данных, хранения данных и разработки приложений БД начался гораздо позже, т.е. с 1950-х годов. Магнитные ленты использовались для хранения и чтения данных. Приложения для работы с ними имели иерархическую структуру и использовали сетевые системы. Они были чрезвычайно эффективны при использовании с исходным запросом, разработанным специально для них, но база данных не была предназначена для обработки новых запросов или транзакций. Также магнитные ленты должны быть правильно отсортированы в порядке, чт

Одной из важнейших целей разработки компьютерных систем были приложения для работы с базами данных, которые можно было бы использовать в них. Обработка данных способствовала росту быстродействия компьютерных процессоров.

Фактически, обработка данных предшествовала компьютерам; перфокарты использовались в США для сбора данных для переписи населения в начале 20 века. Самая ранняя обработка данных производилась с помощью перфокарт на механических устройствах. Реальный рост скорости обработки данных, хранения данных и разработки приложений БД начался гораздо позже, т.е. с 1950-х годов.

Магнитные ленты использовались для хранения и чтения данных. Приложения для работы с ними имели иерархическую структуру и использовали сетевые системы. Они были чрезвычайно эффективны при использовании с исходным запросом, разработанным специально для них, но база данных не была предназначена для обработки новых запросов или транзакций. Также магнитные ленты должны быть правильно отсортированы в порядке, чтобы извлекать достоверные данные.

Позже, в 60-х годах, появились жесткие диски, и поиск данных стал быстрее, их не нужно было хранить последовательно. Этот период также был примечательным с точки зрения развития систем баз данных.

Позже, в 1970 году Эдгар Кодд, отец реляционной модели базы данных, концептуализировал новую структуру построения базы данных и написал новаторскую статью “. Он освободил базу данных от процедурных способов запроса и положил начало абстракции данных, то есть скрытию деталей того, как база данных реализована, для прикладных программистов и конечных пользователей.

System R, основанная на концепции Кодда, была разработана IBM, и в ней впервые появился язык для выполнения запросов, называемый SQL или Structured Query Language. Позже System R была доработана до коммерческого продукта СУБД, ставшего известным как DB2.

Объектно-ориентированное программирование в 80-х годах быстро развивалось, и это также помогло разработать то, что мы знаем как объектно-ориентированные базы данных. Идея заключалась в том, чтобы рассматривать данные как объекты, и их стало легче концептуализировать и программировать.

Еще одним важным событием стал рост скорости процессоров, а также появление концепции индексации, которая значительно увеличила время доступа к данным и производительность БД.

90-е годы были временем Всемирной паутины, настолько беспрецедентной, какой мир никогда раньше не видел. Данные были здесь, в Интернете.

Базы данных, к которым обращались ссылки, были разнообразными, и требовался метод эффективного обмена данными. В тоже время база данных должна была иметь очень высокую доступность, работая 24x7.

XML или Расширенный язык разметки — это стандарт для обеспечения обмена данными между различными базами данных и веб-страницами.

В последнее время наблюдается растущая тенденция использования баз данных NoSQL. Они отличаются от так называемых классических баз данных и не полагаются в своей структуре на реляционную модель. Они запрашивают данные не с помощью языка структурированных запросов, а с помощью UnQL или языка неструктурированных запросов, который все еще находится в стадии разработки (он похож на XQuery). Эти базы данных обычно используются при работе с огромными объемами данных. Вот несколько примеров: Mongo DB, CouchBase, HBase — их использует facebook, Big Table — использует Google, и Dynamo DB — использует Amazon.

https://managementstudyguide.com/database-applications-history.htm