Paper Reading | 多模数据库经典论文回顾

在这个数据驱动的时代，我们每天都在与海量信息打交道。从结构化的数字表格到复杂的JSON 对象，再到自由形式的文本内容，数据的多样性前所未有地丰富。

然而，这种多样性同样带来了挑战：如何有效地存储、管理和分析这些不同格式和结构的数据？传统的数据库系统往往只擅长处理某一类型的数据，但在现实世界中，我们需要一种更加灵活、全能的解决方案来应对这一挑战。

在这一背景下，多模型数据库管理系统 （Multi-model DBMSs） 应运而生。在这篇技术博客中，我们将深入探讨 Jiaheng Lu 和 Irena Holubová 在他们的研究论文《Multi-model Databases: A New Journey to Handle the Variety of Data》 中提出的多模型数据库概念。这篇论文不仅为我们揭示了多模型数据库的设计理念，还展示了它们如何帮助我们跨越数据多样性的障碍，开启数据处理的新篇章。让我们一起踏上这段旅程，探索这一创新技术如何为现代数据管理带来革命性的变革。

在数据管理领域，数据的多样性是研究和实践中最具挑战性的问题之一。数据以不同的格式和模型自然组织，包括结构化数据、半结构化数据和非结构化数据。该论文综述性的介绍了多模型数据库管理系统 （Multi-model DBMSs） ，这些系统构建了一个单一的数据库平台来管理多种模型的数据。尽管多模型数据库是一个新兴领域，但近年来，我们已经见证了许多数据库系统开始采用这一类别。该论文提供了对当前最流行的多模型数据库的一般分类和多维度比较，并从技术和应用的角度全面介绍了现有的方法和开放问题。

引言

在数据管理领域，数据多样性的问题日益凸显，成为研究和实践中的一大挑战。数据以多种形式存在，包括结构化数据、半结构化数据和非结构化数据。该论文指出，随着对多模型数据进行分析和操作的需求不断增长，传统的单一模型数据库系统已难以满足需求，因此，多模型数据库管理系统 （Multi-model DBMSs） 应运而生。这类系统能够整合多种数据模型，构建一个统一的数据库平台来管理不同类型的数据。

为了更好地展示多模型数据管理的复杂性，该论文提供了一个电子商务场景示例（详见图1）。该示例阐释了如何使用四种不同的数据模型来存储客户信息、社交网络关系、订单详情以及它们之间的键/值对关系。

具体来说，客户信息以关系型表格的形式存储，包括客户ID、姓名和信用额度；社交网络关系通过图数据模型表示，揭示了客户之间的相互联系；订单信息则以 JSON 文档的形式存在，记录了订单 ID 和一系列商品的详细信息，如产品编号、名称和价格；最后采用键/值对数据模型展示了客户与订单之间的关系。这些信息分别采用了关系型表、图数据、JSON 文档和键/值对四种不同的数据模型。

在上述多模数据场景中，人们可能会关注如下一个推荐查询：“查询当前客户信用额度超过3000的所有朋友订购的商品编号”。该查询根据选定的存储策略可以使用多种评估策略。例如，上述数据可以存储在对应四种数据模型的不同数据库管理系统（DBMS） 中，也可以将四种类型的数据转换为单一格式（如关系格式），并存储在关系数据库系统中。

然而，在前一种情况下，我们需要解决（1）安装和管理多个不同系统的问题，以及（2）如何对存储在不同系统的数据进行连接的问题。在后一种情况下，尽管将层次结构或图形数据存储在关系型 DBMS 中是可行的，但由于与关系模型固有的结构差异，查询评估的效率很可能会遭遇瓶颈。

针对上述任务，除了上述选择外，我们还可以采用一个单一的多模数据管理系统来同时保持前两个解决方案的优势：

• 数据以最适合特定模型的方式存储；

• 仅使用一个 DBMS 即可方便地跨所有模型进行查询。对于用户而言，单一的多模型数据平台不仅提供了一个统一的查询接口，还简化了查询操作，减少了集成问题，并消除了迁移问题，因此非常有益。

这个示例不仅说明了在日常实际场景中多模型数据的多样性，也突显了多模型数据库在整合和管理这些数据方面的优势。

在引出多模数据库系统后，作者总结认为当前存在两种管理和查询多模数据的方式：混合持久化 （polyglot persistence） 和多模型数据库。其中，混合持久化的主要策略是通过使用不同的数