1 of 21

Base de datos en python

https://dzone.com/articles/the-types-of-modern-databases

2 of 21

3 of 21

Conceptos generales

Bases de datos Relacionales y No relacionales

DBMS (Database Management System):

SQL (Structured Query Language): Lenguaje de consulta

​

4 of 21

5 of 21

Base de datos Relacionales

  • Nacieron en los 70
  • Colección de tablas
  • Cada tabla tiene un Schema que representa los atributos fijos y los tipos de datos que contiene cada campo
  • Los RDBMS típicamente proveen funcionalidades de lectura, creación, update y borrado de datos a través de SQL
  • Tienen “keys” que identifican filas y columnas que hacen el acceso más rápido

Más populares: Oracle, MySQL, PostgreSQL, Microsoft SQL Server, SQlite, DB2

​

6 of 21

Ventajas y desventajas

Ventajas

  • Bien documentadas. Tecnologías maduras. RDBMS desarrollados por corporaciones establecidas
  • SQL standards bien definidos y aceptados
  • Desarrolladores con experiencia en SQL y RDBMS.
  • Son ACID-compliant (Satisfacen requerimientos de Atomicidad, Consistencia, Aislación y durabilidad)

Desventajas:

  • RDBMS no funciona bien con data no estructurada
  • No siempre hay un mapeo uno a uno de las tablas en la DB a los objetos representando la misma data
  • Al migrar un RDBMS a otro tiene que haber un match exacto en tipos, Schema, máximas longitudes, etc

​

7 of 21

No relacionales (Schema agnostic)

  • Key-value stores: Velocidad y simpleza. Suelen trabajar en memoria o cacheado para rápido acceso. (Redis, Amazon DynamoDB)
  • Columnar store: Puede acceder a los datos por columnas. Manejo de grandes volúmenes de datos y tiene interfaz CQL (Similar a SQL) pero sigue siendo agnóstica en Schema. (BigQuery, Clickhouse, Snowflake, Cassandra, Scylla, HBase) - Muchas soportan Particiones en filas
  • Document store: Almacenan data en forma de documentos json (MongoDB, CouchBase)
  • Graph Databases: Data como red de nodos relacionados (Neo4j, Datastax Enterprise Graph)
  • Search Databases: Suelen estar orientadas a optimizar búsquedas específicas. Texto por ejemplo. (Elasticsearch, Splunk, Solr)
  • Vector DB: Pinecone, Weaviate, Milvus (Elasticsearch, pgvector)

​

8 of 21

Ventajas y desventajas

Ventajas

  • Schema-free más flexibles y fáciles de administrar
  • NoSQL suelen ser más horizontales y más tolerantes a fallas
  • Intercambio de data entre nodos más sencillo

Desventajas

  • Suelen ser menos maduras y estar menos adoptadas por lo que requiere un nivel mayor de expertise
  • Rango diferente de formatos y limitaciones dependiendo del tipo de DB

​

9 of 21

https://db-engines.com/en/ranking_trend

10 of 21

Comparación de infraestructuras

• Data lakes are primarily about storage and can hold any data in any format, but they often require separate systems for processing and querying.

• Data warehouses are designed specifically for structured, cleaned data and are optimized for high-speed analytics.

• Lakehouses provide the unified storage of a data lake but add structured, queryable, and transactional features like a data warehouse, enabling direct analytics and machine learning. They provide the flexibility to store and work with raw, semi-structured, and unstructured data, while also supporting data analytics and machine learning directly on the data.

11 of 21

SQlite en python

12 of 21

Object-Relational Mappers (ORM)

13 of 21

14 of 21

Instalación de BD para pruebas

15 of 21

SQLite3 / SQLALchemy

Viene instalada en la base de python

En la carpeta del repo crear la carpeta data/sqlite3

​

SQLAlchemy tutorial

SQLAlchemy ORM

16 of 21

Docker

https://docs.docker.com/engine/install/

17 of 21

postgres

docker pull postgres

docker run -d \

--name some-postgres \

-e POSTGRES_PASSWORD=mysecretpassword \

-e PGDATA=/var/lib/postgresql/data/pgdata \

-v /custom/mount:/var/lib/postgresql/data \

postgres

​

18 of 21

MongoDB

En la carpeta del repo crear la carpeta data/mongo

docker pull mongo

docker run -v /Users/julian/Documents/repos/SQL/data/mongo:/data/db -p 27017:27017 mongo

​

pip install pymongo

​

pip install mongoengine

19 of 21

Elasticsearch

En la carpeta del repo crear la carpeta data/elasticsearch

docker pull docker.elastic.co/elasticsearch/elasticsearch:7.15.2

​

docker run -p 127.0.0.1:9200:9200 -p 127.0.0.1:9300:9300 -e "discovery.type=single-node" -v /Users/julian/Documents/repos/SQL/data/elasticsearch:/usr/share/elasticsearch/data docker.elastic.co/elasticsearch/elasticsearch:7.15.2

​

pip install elasticsearch-dsl

​

20 of 21

Django → tutorial

pip install django

django-admin startproject django_test

python manage.py runserver 8080

​

python manage.py migrate

​

python manage.py createsuperuser

python manage.py startapp polls

​

Seguir el tutorial

21 of 21

FastAPI

FastAPI + SQL

​