Sistema de archivos, gestores de base de datos y Hadoop: ¿evolución o retroceso?
DOI:
https://doi.org/10.22201/cuaieed.16076079e.2021.22.6.6Palabras clave:
sistemas transaccionales y analíticos, inteligencia de negocios, datos masivos, ciencia de datos, bases de datos en memoriaResumen
La evolución de los sistemas de información ha estado marcada por cambios en el procesamiento, tiempo de respuesta, tipo y cantidad de información. En un principio, la necesidad era la de automatizar la operación diaria de un negocio. Posteriormente, se requirieron de análisis para tomar decisiones estratégicas. Actualmente, se necesita predecir eventos o comportamientos futuros a partir de grandes cantidades de datos variados, provenientes de redes sociales, videos o correos electrónicos. Las propuestas más recientes podrían hacernos cuestionarnos por qué estamos regresando al punto de partida, si en los sesenta iniciamos con los sistemas de archivos, que luego evolucionaron a los gestores de base de datos relacionales, los cuales solucionaron diversos problemas de inseguridad y falta de consistencia en los datos.
El presente artículo pone de manifiesto los cambios en las tecnologías de los sistemas de información conforme a las necesidades de las organizaciones, reflexiona sobre si éstos representan una evolución o un retroceso, y sugiere soluciones tecnológicas de acuerdo con cada necesidad, dado que no siempre lo que está a la moda es lo que se necesita.
Citas
Alcorn, P. (2018). Intel Displays 512GB Optane dc Persistent Memory dimms. Tom´s Hardware. https://cutt.ly/fRO6rkD.
Be a Better Dev. (2020, 10 de febrero). sql vs Nosql Explained . YouTube. https://www.youtube.com/watch?v=ruz-vK8IesE.
Borthakur, D. (2007). The Hadoop Distributed File System: Architecture and Design The Apache Software Foundation.
Codd, E. (1985). Is Your dbms Really Relational? ComputerWorld, 9(41).
Cood, E. (1970). A Relational Model of Data for Large Shared Data Banks. Communications of the acm.
Defog Tech. (2019, 17 de abril). Google File System – Paper that inspired Hadoop . YouTube. https://www.youtube.com/watch?v=eRgFNW4QFDcv.
Dilan, G. (2013, 13 de septiembre).. What are the disadvantages of mapreduce? Stack overflow. https://cutt.ly/CRPwTQX.
Great Learning. (2019, 18 de octubre). What is Data Science? . YouTube. https://www.youtube.com/watch?v=Nrfht_c3T7w.
Han, J., Kamber, M. y Pei, H. (2012). Data mining, Concepts and techniques. Morgan Kaufmann.
Harmon, A. L. (1959, 13 de mayo). [Carta a P. Z. Ingerman]. Archive of Computer History Museum. https://cutt.ly/WRPwFQi.
hdfs Architecture. (2021, 25 de octubre). https://cutt.ly/qRPwaNa.
Hillam, J. (2012, 14 de julio). Intricity 101. What is Hadoop? . YouTube. https://www.youtube.com/watch?v=9s-vSeWej1U.
Hodges, R. (2019, 30 de julio). Far more than cloud: Thoughts on the future of database management systems. Altinity. https://cutt.ly/ORPw73p.
html Rules. (2017, 11 de octubre). Transacciones y el test acid en bases de datos . YouTube. https://www.youtube.com/watch?v=SaUai23Z3Tc.
Informática para tu negocio. (2020). Fundamentos de una base de datos columnar. https://cutt.ly/mRPedAa.
Inmon, W. (2002). Building the Data Warehouse. John Wiley Sons.
Intel latam. (2020). Memoria persistente Intel® Optane™. https://cutt.ly/9RPegVb.
Intel latam-optane. (2020). Intel® Optane™ dc Persistent Memory Partner: Accenture. https://cutt.ly/ERPen5Y.
Katsov, I. (2013, 20 de agosto). In-Stream Big Data Processing. Highly Scalable Blog. https://highlyscalable.wordpress.com/2013/08/20/in-stream-big-data-processing/.
Kimball, R. (1996). The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. John Wiley Sons.
Knapp, B. (2018, 30 de octubre). ibm Cloud. What is sap hana? . YouTube. https://www.youtube.com/watch?v=8VXurKENGRE.
LeapFrogBI. (2013, 18 de marzo). Dimensional Modeling: Introduction . YouTube. https://www.youtube.com/watch?v=cwpL-3rkRYQ.
Looker. (2017, 18 de diciembre). Analytical Databases: Differentiators of Database Technologies . Youtube. https://www.youtube.com/watch?v=XdJcvUKiNqc.
Lumen. (2016, 14 de enero). Data Lakes: Hadoop Vs. In-Memory Databases. https://blog.lumen.com/data-lakes-hadoop-vs-in-memory-databases/.
Moore, T. (2011). The Sybase IQ Survival Guide. Lulu.com.
Panicker, M. (2016, 17 de junio). Big Data and Nosql Databases Tutorial (BaSE)- Part 3 . YouTube. https://www.youtube.com/watch?v=pRgUGkDxJ7k.
Parmar, Y. (2017, 7 de enero). Relational databases, Advantages over flat file systems . YouTube. https://www.youtube.com/watch?v=vKkdhOj2Oog.
Plattner, H. (2014). A Course in- Memory Data Management. Springer-Verlag.
Psaltis, A. (2017). Streaming Data: Understanding the real-time pipeline. Manning Publications Co.
Reddy, G. (2017, 18 de enero). Database vs file system . YouTube. https://www.youtube.com/watch?v=y3dc6BJq2LM.
Sadalage, P. y Fowler, M. (2013). Nosql Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Pearson Education, Inc.
sap Inside Track. (2019, 2 de septiembre). Databases go multimodel . YouTube. https://www.youtube.com/watch?v=LE0BXZV2m6s.
Simply explained. (2020, 8 de diciembre). How do Nosql databases work? Simply Explained! . YouTube. https://www.youtube.com/watch?v=0buKQHokLK8.
Vikramtakka. (2013, 18 de marzo). 3 – etl Tutorial | Extract Transform and Load . YouTube. https://www.youtube.com/watch?v=WZw0OTgCBOY.
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Revista Digital Universitaria es editada por la Universidad Nacional Autónoma de México se distribuye bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional. Basada en una obra en http://revista.unam.mx/.
