NoSQL-Datenbanken einsetzen

Nicht alle Daten passen gut in starre Tabellen: Produktkataloge mit sehr unterschiedlichen Eigenschaften, Sensordaten oder Logeinträge lassen sich oft einfacher als Dokumente speichern. Du lernst die wichtigsten NoSQL-Typen kennen und begründest, wann welcher passt. Mit MongoDB entwirfst du ein Dokumentmodell, das zu den Abfragen der Applikation passt, und arbeitest mit CRUD-Befehlen und der Aggregation Pipeline. Zum Schluss kümmerst du dich um Indizes, Schema-Validierung, Benutzer, Backups und den Zugriff aus einer Applikation.

Das sind die Fähigkeiten, die am Ende des Moduls sitzen sollten. Jedes Ziel mit einem Beispiel aus dem Lehrbetrieb.

1. 1

   NoSQL-Typen unterscheiden und eine Datenbankwahl begründen

   Kompetenz A

   Du kennst Dokument-, Key-Value-, Spalten- und Graphdatenbanken und weisst, für welche Zugriffsmuster sie gebaut sind. Du vergleichst sie mit einer relationalen Datenbank und begründest eine Entscheidung anhand konkreter Anforderungen statt nach Trend.

   Situation

   Ein Ticketanbieter für Konzerte in der Deutschschweiz plant ein neues System: Veranstaltungsdaten mit sehr unterschiedlichen Feldern, eine Warteschlange beim Vorverkaufsstart mit 20'000 gleichzeitigen Besucher:innen und die Zahlungsabwicklung.

   Deine Aufgabe

   Schlage für jeden Teil eine passende Datenbanktechnologie vor und begründe sie.

   Gutes Ergebnis

   MongoDB für Veranstaltungen, weil Open-Air, Theater und Club unterschiedliche Felder haben. Redis für Warteschlange und Sitzungen, weil Lese- und Schreibzugriffe in Millisekunden nötig sind. PostgreSQL für Zahlungen, weil dort Transaktionen und strikte Konsistenz zwingend sind.

   DokumentdatenbankKey-Value-StoreSpaltenfamilieGraphdatenbankCAP-TheoremPolyglot Persistence
2. 2

   Ein Dokumentmodell passend zu den Abfragen entwerfen

   Kompetenz B

   In MongoDB modellierst du nicht nach Normalformen, sondern danach, wie die Applikation die Daten liest und schreibt. Du entscheidest, wann Daten eingebettet und wann über Referenzen verknüpft werden, und achtest auf Grenzen wie die maximale Dokumentgrösse.

   Situation

   Ein Onlineshop für Sportartikel führt Velos, Schuhe und Zelte. Jede Kategorie hat ganz andere Eigenschaften (Rahmengrösse, Schuhgrösse, Personenanzahl). Die Produktseite zeigt Produkt, Varianten und die neuesten 10 Bewertungen.

   Deine Aufgabe

   Entwirf die Collection 'produkte' so, dass die Produktseite mit einer einzigen Abfrage geladen wird.

   Gutes Ergebnis

   Ein Dokument pro Produkt mit gemeinsamen Feldern (name, preis, kategorie) und einem Objekt 'eigenschaften' mit kategoriespezifischen Feldern. Varianten sind als Array eingebettet. Die neuesten 10 Bewertungen werden eingebettet, alle Bewertungen liegen zusätzlich in einer eigenen Collection mit Referenz auf die Produkt-ID.

   DokumentCollectionEinbetten vs. ReferenzierenZugriffsmusterDenormalisierungBSON und 16-MB-Grenze
3. 3

   Dokumente einfügen, abfragen, ändern und löschen

   Kompetenz C

   Du arbeitest in mongosh und Compass mit insertMany, find, updateOne, updateMany und deleteMany. Du filterst mit Operatoren wie $gt, $in und $regex, fragst verschachtelte Felder und Arrays ab und änderst gezielt Teile eines Dokuments mit $set, $inc und $push.

   Situation

   Im Sportshop sollen alle Zelte für mindestens 3 Personen unter CHF 300 angezeigt werden. Später wird ein Zelt ausverkauft und erhält eine neue Bewertung.

   Deine Aufgabe

   Formuliere die Abfrage und die Änderungen.

   Gutes Ergebnis

   find mit kategorie 'Zelt', 'eigenschaften.personen' $gte 3 und preis $lt 300, Projektion auf Name und Preis, sortiert nach Preis. Danach updateOne mit $set auf lagerbestand 0 und $push einer neuen Bewertung in das Array, mit $each, $sort (nach Datum absteigend) und $slice: 10 auf die neuesten 10 begrenzt.

   insertOne / insertManyfind mit Filter und ProjektionAbfrageoperatorenPunktnotationUpdate-Operatoren ($set, $inc, $push)upsert
4. 4

   Daten mit der Aggregation Pipeline auswerten

   Kompetenz D

   Für Auswertungen reihst du Stufen wie $match, $group, $sort, $project und $unwind aneinander. Mit $lookup verknüpfst du bei Bedarf Collections. Du verstehst, warum die Reihenfolge der Stufen für Ergebnis und Geschwindigkeit wichtig ist.

   Situation

   Ein Energieversorger im Kanton Aargau speichert stündliche Messwerte von 5000 Smart Metern als Dokumente. Das Netzteam will den Spitzenverbrauch pro Quartier im Januar wissen.

   Deine Aufgabe

   Erstelle eine Pipeline für die Auswertung.

   Gutes Ergebnis

   $match auf Januar 2026 zuerst, damit nur relevante Dokumente verarbeitet werden. $group nach quartier und Stunde mit $sum des Verbrauchs, danach $group nach quartier mit $max. $sort absteigend. Ergebnis: Baden-Nord hat die Spitze mit 4.8 MWh am 14. Januar um 18 Uhr.

   Aggregation Pipeline$match / $group / $sort$project / $unwind$lookupAkkumulatoren ($sum, $avg, $max)
5. 5

   Indizes und Schema-Validierung gezielt einsetzen

   Kompetenz E

   Auch eine schemafreie Datenbank braucht Regeln. Du definierst mit JSON Schema, welche Felder Pflicht sind und welche Typen erlaubt sind. Mit explain() erkennst du langsame Abfragen und legst passende Einzel-, Mehrfeld- oder TTL-Indizes an.

   Situation

   Die Smart-Meter-Collection ist auf 40 Millionen Dokumente gewachsen. Abfragen pro Zähler dauern mehrere Sekunden, und es tauchen Dokumente ohne zaehler_id auf.

   Deine Aufgabe

   Mach die Abfragen schnell und verhindere unvollständige Dokumente.

   Gutes Ergebnis

   explain('executionStats') zeigt einen COLLSCAN. Ein Mehrfeldindex auf zaehler_id und zeitpunkt bringt die Abfrage auf 15 ms. Ein Validator verlangt zaehler_id (string), zeitpunkt (date) und verbrauch_kwh (number, mindestens 0). Ein TTL-Index löscht Rohdaten nach 3 Jahren automatisch.

   IndexMehrfeldindexexplain()TTL-IndexJSON-Schema-Validierung
6. 6

   Eine NoSQL-Datenbank sicher betreiben

   Kompetenz E

   Du startest MongoDB mit aktivierter Authentifizierung, legst Benutzer mit passenden Rollen an und erstellst Backups mit mongodump. Du verstehst, wie ein Replica Set die Verfügbarkeit erhöht und was bei einem Ausfall des Primary passiert.

   Situation

   Bei einem KMU in der Ostschweiz läuft MongoDB seit Jahren ohne Passwort auf einem Server, der aus dem Internet erreichbar ist. Ein Sicherheitsscan hat das entdeckt.

   Deine Aufgabe

   Sichere die Datenbank ab und richte eine Datensicherung ein.

   Gutes Ergebnis

   bindIp auf das interne Netz beschränkt, Authentifizierung aktiviert, Benutzer 'shop_app' mit readWrite nur auf die Shop-Datenbank und ein Admin mit starkem Passwort. Nächtlicher mongodump auf ein separates NAS mit 14 Tagen Aufbewahrung, ein Restore wurde in einem Docker-Container erfolgreich getestet.

   AuthentifizierungRollen (read, readWrite)Netzwerkzugriff (bindIp)mongodump / mongorestoreReplica Set
7. 7

   Eine NoSQL-Datenbank aus einer Applikation nutzen

   Kompetenz F

   Du verbindest eine Applikation über den offiziellen Treiber mit der Datenbank, hältst die Verbindungsdaten in Umgebungsvariablen und führst Abfragen und Änderungen aus dem Code aus. Fehler wie Verbindungsabbrüche oder Duplikate behandelst du sauber.

   Situation

   Eine kleine Node.js-Applikation für eine Velovermietung in Interlaken soll Reservationen in MongoDB speichern.

   Deine Aufgabe

   Binde die Datenbank an und setze das Speichern und Abfragen der Reservationen um.

   Gutes Ergebnis

   Der MongoDB-Treiber liest den Connection String aus der Variable MONGODB_URI. Ein Unique-Index auf velo_id und datum verhindert Doppelreservationen, der Duplicate-Key-Fehler wird abgefangen und als Meldung 'Velo an diesem Tag bereits reserviert' angezeigt.

   TreiberConnection StringUmgebungsvariableFehlerbehandlungObjectId

Die Kompetenzmatrix zerlegt das Modul in Themenstränge und drei Stufen. Für den Kompetenznachweis solltest du überall mindestens Stufe 2 erreichen. Dein Stand bleibt in diesem Browser gespeichert und färbt Lernweg und Übungen ein.

Tim ist im 2. Lehrjahr als Informatiker Applikationsentwicklung bei der Alpwerk Software AG in Chur, einer Softwarefirma mit 45 Mitarbeitenden. Für eine regionale Tourismusorganisation baut das Team ein Portal, auf dem Wanderungen, Biketouren und Schneeschuhtrails mit ganz unterschiedlichen Angaben erfasst werden. Tim übernimmt die Datenhaltung, weil das starre Tabellenmodell des ersten Prototyps ständig angepasst werden musste.

1. Kapitel 1

   Tabellen oder Dokumente?

   Tim vergleicht für das Teammeeting MariaDB, MongoDB und Redis anhand der Anforderungen. Jede Tourenart hat andere Felder, etwa Höhenmeter und Schwierigkeit beim Wandern oder die Trailskala beim Biken, und das Portal liest viel häufiger, als es schreibt. Er empfiehlt MongoDB für die Touren und Redis nur als Cache für Wetterdaten. Die Rechnungsdaten der Organisation bleiben bewusst in der relationalen Datenbank.

   Ziel 1

2. Kapitel 2

   Einbetten oder verweisen?

   Tim entwirft ein Dokument pro Tour mit eingebetteten Etappen und Fotos. Die Bewertungen bettet er zuerst ebenfalls ein, bis ihm auffällt, dass eine beliebte Tour mehrere tausend Bewertungen bekommen kann. Er lagert sie in eine eigene Collection mit Verweis auf die Tour aus und speichert in der Tour nur Durchschnitt und Anzahl. In mongosh testet er die wichtigsten Abfragen, etwa alle Wanderungen unter 800 Höhenmetern mit Bahnanschluss.

   Ziel 2Ziel 3

3. Kapitel 3

   Die Saisonstatistik

   Die Tourismusorganisation will wissen, welche Regionen im Sommer am meisten Bewertungen erhalten. Tim baut eine Pipeline mit $match auf Juni bis September, $lookup auf die Touren und $group nach Region. Zuerst fehlen alle Biketouren, weil das Feld region dort im Unterobjekt start liegt. Mit einem angepassten Feldpfad stimmen die Zahlen, und die Auswertung zeigt das Prättigau an der Spitze.

   Ziel 4

4. Kapitel 4

   Langsame Suche und ein offener Port

   Mit 25'000 Touren dauert die Suche nach Region und Schwierigkeit über eine Sekunde. explain() zeigt einen COLLSCAN, also legt Tim einen zusammengesetzten Index an und kommt auf 15 Millisekunden. Ein Sicherheitscheck zeigt zudem, dass die Testinstanz ohne Passwort aus dem Internet erreichbar war. Er aktiviert die Authentifizierung, schränkt den Netzwerkzugriff ein und definiert ein JSON-Schema, das Touren ohne Titel oder mit negativer Distanz ablehnt.

   Ziel 5Ziel 6

5. Kapitel 5

   Die API greift zu

   Zum Schluss bindet Tim die Datenbank mit dem offiziellen Node.js-Treiber an die Express-API an. Die Verbindungsdaten kommen aus Umgebungsvariablen, und alle Zugriffe laufen über ein eigenes Modul tourenRepository. Als die Datenbank beim Lasttest kurz nicht erreichbar ist, liefert die API dank Fehlerbehandlung eine verständliche Meldung statt abzustürzen.

   Ziel 7

1. 1

   Die NoSQL-Landschaft verstehen

   ca. 3 Std.

   Du verschaffst dir einen Überblick über die NoSQL-Typen und vergleichst sie mit relationalen Datenbanken anhand konkreter Anwendungsfälle.

   • Eine Vergleichstabelle für MongoDB, Redis, Cassandra, Neo4j und PostgreSQL erstellen
   • Für fünf Anwendungsfälle (Warenkorb-Cache, Produktkatalog, soziales Netzwerk, Buchhaltung, Sensordaten) eine Technologie wählen und begründen

   Trainiert Kompetenz A1A2

   Lernziel1

2. 2

   MongoDB einrichten und erste Dokumente

   ca. 4 Std.

   Du startest MongoDB in Docker, verbindest dich mit Compass und mongosh und arbeitest mit einfachen CRUD-Befehlen.

   • MongoDB per docker run starten und mit Compass verbinden
   • Einen Beispieldatensatz mit mongoimport aus einer JSON-Datei laden
   • 20 Abfragen mit Filtern, Projektionen und Sortierung schreiben

   Trainiert Kompetenz C1B1

   Lernziel3

3. 3

   Modellieren für Zugriffsmuster

   ca. 4 Std.

   Du überträgst ein relationales Modell in ein Dokumentmodell und lernst, Einbetten und Referenzieren abzuwägen.

   • Ein Bestellmodell aus Modul 164 in Dokumente umbauen
   • Für jede Beziehung entscheiden und begründen: einbetten oder referenzieren
   • Updates auf verschachtelte Felder und Arrays üben

   Trainiert Kompetenz B2C2

   Lernziel23

4. 4

   Auswerten mit Pipelines

   ca. 4 Std.

   Du baust Aggregationen Schritt für Schritt auf und prüfst nach jeder Stufe das Zwischenergebnis.

   • Den Aggregation Pipeline Builder in Compass nutzen
   • Umsatz pro Kategorie und Monat berechnen
   • Zwei Collections mit $lookup verbinden

   Trainiert Kompetenz D1D2

   Lernziel4

5. 5

   Performance, Regeln und Betrieb

   ca. 5 Std.

   Du machst die Datenbank schnell, robust und sicher.

   • Eine Collection mit 1 Million generierten Dokumenten füllen und Abfragen mit explain vor und nach einem Index messen
   • Einen JSON-Schema-Validator anlegen und ungültige Dokumente testen
   • Authentifizierung aktivieren, Rollen vergeben und mongodump/mongorestore ausprobieren

   Trainiert Kompetenz E1E2

   Lernziel56

6. 6

   Mini-Applikation mit MongoDB

   ca. 5 Std.

   Du verbindest eine kleine Applikation mit deiner Datenbank und setzt einen vollständigen Anwendungsfall um.

   • Mit dem Treiber deiner Sprache Daten lesen und schreiben
   • Fehlerfälle wie Duplikate und fehlende Verbindung behandeln
   • Deine Modellierungsentscheide in einer kurzen Dokumentation begründen

   Trainiert Kompetenz F2F3B3A3

   Lernziel721

NoSQL

Sammelbegriff für Datenbanken, die nicht oder nicht nur das relationale Tabellenmodell verwenden.

Dokument

Datensatz in einer Dokumentdatenbank, meist im JSON- bzw. BSON-Format mit verschachtelten Feldern.

Collection

Sammlung von Dokumenten in MongoDB, vergleichbar mit einer Tabelle.

Aggregation Pipeline

Folge von Verarbeitungsstufen, mit der Dokumente gefiltert, gruppiert und umgeformt werden.

Denormalisierung

Bewusstes, redundantes Speichern von Daten, um Lesezugriffe zu beschleunigen.

Replica Set

Gruppe von MongoDB-Servern mit denselben Daten, die bei einem Ausfall automatisch übernehmen.

Key-Value-Store

Datenbank, die Werte unter einem eindeutigen Schlüssel speichert und sehr schnell liefert.

CAP-Theorem

Aussage, dass verteilte Systeme bei Netzwerkproblemen zwischen Konsistenz und Verfügbarkeit abwägen müssen.

Passende Module