Relational Database Management System (RDBMS)
Konzept eines relationalen Datenbank-Management-Systems, das strukturierte Datenspeicherung, SQL-Abfragen und ACID-Transaktionen für konsistente relationale Datenhaltung bereitstellt.
Klassifikation
- KomplexitätMittel
- AuswirkungTechnisch
- EntscheidungstypArchitektur
- OrganisationsreifeFortgeschritten
Technischer Kontext
Prinzipien & Ziele
Use Cases & Szenarien
Kompromisse
- Single-Point-of-Failure ohne Replikation
- Fehlendes Tuning führt zu unerwarteter Latenz
- Inkonsistente Migrationsskripte können Datenkorruption verursachen
- Schema-Versionierung und automatisierte Migrationen verwenden
- Regelmäßiges Performance-Profiling und Index-Reviews
- Backup-Strategie mit regelmäßigen Wiederherstellungstests
I/O & Ressourcen
- Datenmodell und Entitätsbeziehungen
- Workload-Profile (LSM/OLTP/Reporting)
- Skalierungs- und Verfügbarkeitsanforderungen
- Definiertes Schema und Migrationsskripte
- Betriebsfähige Datenbankinstanz mit Monitoring
- Backup- und Restore-Prozesse dokumentiert
Beschreibung
Ein Relationales Datenbank-Management-System (RDBMS) organisiert Daten in Tabellen mit definierten Schemata, Relationen und ACID-Transaktionen. Es bietet strukturierte Abfragen mittels SQL, Integritätsprüfungen und Transaktionsverwaltung für konsistente, relationale Datenhaltung. Sie unterstützt Indizes, Zugangskontrolle, Backup/Restore und Performance-Tuning. RDBMS sind etabliert und weit verbreitet in Unternehmensinfrastrukturen.
✔Vorteile
- Starke Datenintegrität durch Constraints und Transaktionen
- Standardisiertes Abfragemodell (SQL) für Entwickler
- Reife Ökosysteme mit Tools für Backup, Monitoring und Tuning
✖Limitationen
- Schwierig zu skalieren für hochgradig verteilte, schemalose Daten
- Schemas erfordern Vorplanung und können agile Änderungen verlangsamen
- Komplexe Joins und große Tabellen können Performance-Probleme verursachen
Trade-offs
Metriken
- Transaktionen pro Sekunde (TPS)
Messgröße für die Verarbeitungsfähigkeit von Schreib-/Lese-Workloads.
- Query-Latenz (p95)
95. Perzentil der Abfrageantwortzeiten zur Beurteilung der Nutzererfahrung.
- Datenkonsistenzfehler
Anzahl oder Rate erkannter Integritätsverletzungen oder Inkonsistenzen.
Beispiele & Implementierungen
Bankensystem (OLTP)
Kritische Kontotransaktionen werden in einem RDBMS mit starken Konsistenzgarantien verwaltet.
ERP-Kernmodule
Geschäftsdaten, Stammdaten und Buchhaltung laufen in relationalen Datenbanken mit definierten Schemata.
Customer-Reporting mit Materialized Views
Aggregierte Ansichten für Berichte werden in einer RDBMS-Umgebung vorbereitet und bereitgestellt.
Implementierungsschritte
Anforderungen aufnehmen und Datenmodell entwerfen.
RDBMS auswählen, Infrastruktur bereitstellen und konfigurieren.
Schema implementieren, Indizes setzen und Migrationsskripte erstellen.
Tests für Konsistenz, Performance und Recovery durchführen.
Produktivsetzung mit Monitoring und operativen Playbooks.
⚠️ Technische Schulden & Engpässe
Tech Debt
- Veraltete Schema-Designs ohne Normalisierungsstandards
- Nicht dokumentierte Migrationspfade
- Monolithische Datenbanken ohne Replikations- oder Sharding-Strategie
Bekannte Engpässe
Beispiele für Missbrauch
- Verwendung eines RDBMS für rein schemalose, hochverteilte Events ohne geeignete Architektur
- Denormalisierung übermäßig einsetzen, wodurch Wartbarkeit leidet
- Backup-Prozesse nicht testen und auf Ausfall nicht vorbereitet sein
Typische Fallen
- Ignorieren von Lock-Contention bei parallelisierter Schreiblast
- Unzureichende Planung für Index-Wartung und Statistiken
- Migrationen ohne Rollback-Plan durchführen
Erforderliche Fähigkeiten
Drivers (Architectural Drivers)
Constraints
- • Erforderliche Schemadefinition vor Dateneinbringung
- • Lizenz- und Betriebskosten für kommerzielle Systeme
- • Netzwerk- und Hardwareabhängigkeiten für hohe Verfügbarkeit