Für die meisten Anwendungen ist die zuverlässige Speicherung und Bereitstellung von Daten eine zentrale Komponente. Die Daten einer Anwendung leben oft länger als der Anwendungsquellcode. Quellcode lässt sich vergleichsweise einfach erweitern, refaktorieren oder auf eine neue Frameworkversion anpassen, Bugfixes lassen sich meist relativ einfach deployen. Fehlerhafte oder verlorene Daten lassen sich dagegen nur schwer wiederherstellen. Änderungen an den Strukturen eines produktiven Datenbestands sind oftmals zeitintensiv und erfordern sorgfältige Planung. Fehler in der Datenmodellierung werden uns entsprechend länger verfolgen. Auch der Wechsel einer Datenbank ist teuer, zeitintensiv und manchmal verlustbehaftet. Ein Wechsel von MySQL zu PostgreSQL ist aufwendig, weil alle datenbankspezifischen Funktionen gefunden und ersetzt werden müssen. Ein Wechsel von MongoDB auf MySQL noch aufwendiger, weil es einen kompletten Wechsel des Datenmodells und des Schemamanagements erfordert. Bei der Auswahl eines Datenmodells und einer Datenbank sollte also entsprechend sorgfältig vorgegangen werden, um unliebsame Überraschungen zu vermeiden.

Das Angebot an Datenbanken und anderen Speichermöglichkeiten ist in den letzten Jahren weiter gewachsen. Neben klassischen relationalen und dokumentenbasierten Systemen kommen zunehmend spezialisierte Lösungen zum Einsatz – darunter Zeitreihendatenbanken, Graphdatenbanken oder Vektordatenbanken für semantische Suche und KI-gestützte Anwendungen. Diese Vielfalt eröffnet neue Möglichkeiten, macht die Auswahl aber auch komplexer.

Daraus ergeben sich neue Herausforderungen für die Auswahl passender Datenbanken. In diesem Buch möchten wir einige Aspekte herausgreifen, die wir dabei für bedenkenswert halten. Die Themen reichen von der Vorstellung unterschiedlicher Datenmodelle über Aspekte der Skalierung wie Replikation und Sharding, Methodiken und Überlegungen für den Betrieb in der Cloud und Kubernetes bis hin zur Einordnung konkreter Systeme und ihrer Einsatzbereiche.