NoSQL dalgası ve geri dönüş
2000'lerin sonunda web ölçeği ihtiyacı, şemasız ve yatay ölçeklenen sistemleri doğurdu:
| Tür | Örnek | Güçlü yanı |
|---|---|---|
| Doküman | MongoDB, Couchbase | Esnek şema, JSON benzeri kayıt |
| Anahtar-değer | Redis, DynamoDB | Çok düşük gecikme |
| Geniş sütun | Cassandra, HBase | Devasa yazma hacmi |
| Graf | Neo4j | İlişki yoğun sorgular |
Ama analiz yapma ihtiyacı herkesi SQL'e geri getirdi: Hive, Spark SQL, Presto/Trino, Cassandra'nın CQL'i, MongoDB'nin SQL arayüzleri. NewSQL sistemleri (Google Spanner, CockroachDB, TiDB) ise dağıtık ölçeği ACID ve SQL ile birleştirdi.
Bugünün yığını (modern data stack)
- Bulut veri ambarları: Snowflake, BigQuery, Redshift, Databricks SQL. Depolama ve hesaplama ayrı ölçeklenir.
- Lakehouse: Veri gölündeki dosyalar (Parquet) üzerinde açık tablo formatları (Delta Lake, Apache Iceberg, Hudi) ile ACID ve SQL.
- Gömülü analitik: DuckDB, dizüstü bilgisayarda milyonlarca satırı saniyeler içinde sorgular.
- dbt: SQL SELECT'lerinden oluşan modelleri sürüm kontrolü, test ve dokümantasyonla yönetir. Analytics engineer rolünün temel aracı.
- Akış (streaming) SQL: Kafka ksqlDB, Flink SQL; sürekli gelen veri üzerinde sorgu.
Yapay zekâ çağında SQL
Doğal dilden SQL üreten araçlar yaygınlaşıyor. Bu, SQL bilmeyi gereksiz kılmıyor; tersine, üretilen sorgunun doğru olup olmadığını (yanlış JOIN, NULL tuzağı, satır çoğalması) anlayabilen insanların değerini artırıyor. Vektör aramaları (pgvector) ve SQL/PGQ graf sorguları da SQL'in kapsamını genişletiyor.