Veri Tabanı Yönetim Sistemi (DBMS) nedir?
Veri Tabanı Yönetim Sistemi (DBMS) nedir?
Veri tabanı yönetim sistemi (DBMS), veri tabanınızdaki bilgileri yöneten bir yazılım teknolojisidir. Veri tabanı size veri okuma, yazma, silme ve güncelleme olanağı tanıyan, elektronik olarak depolanan bir veri koleksiyonudur. DBMS; veri depolamayı kolaylaştırırken erişilebilirliği, güvenilirliği ve performansı da artırır. Ayrıca veri korelasyonlarını belirlemeye ve gerektiğinde sistem içinde analiz gerçekleştirmeye yönelik araçlar sağlar. DBMS, kuruluşların küçük ve büyük hacimli verileri düzenli bir şekilde yönetmesine yardımcı olur.
Bir veri tabanı yönetim sisteminin avantajları nelerdir?
Veri tabanı yönetim sistemleri (DBMS'ler), her türlü dijital veriyi yönetmek için kritik öneme sahiptir. Başlıca avantajları şunlardır:
Verileri düzenli tutar.
Verilerin kullanıcılara faydalı olabilmesi için belirli bir şekilde düzenlenmeleri gerekir. Hem yapılandırılmış hem de yapılandırılmamış veriler, belirli depolama yapılandırmalarına ve operasyonel yapılandırmalara ihtiyaç duyar. Bir veri tabanı yönetim sistemi, verilerin belirli bir formatta düzenlenmesini ve operasyonel bir arıza endişesi duyulmadan işlenebilmesini sağlar.
Kullanıcılara verileri yönetmeleri için yapılandırılmış bir yol sunar.
Bir DBMS, verilerin nasıl depolandığını veya işlemlerin alt düzeyde nasıl yürüdüğünü anlama gereksinimi olmadan kullanıcıların tekrarlanabilir ve kodlanmış talimatlar kullanarak verileri yönetip işlemesine olanak tanır. Belirli bir DBMS'yi kullanmayı bilen bir kullanıcı, aynı temel veri tabanı türünü kullanan tüm veri tabanlarıyla çalışabilir ve bu becerilerini diğer veri tabanı türlerine de aktarabilir.
Çeşitli entegre işlevler
Her DBMS farklı olduğundan bazıları diğerlerine göre daha kapsamlı özellikler sunar. Örneğin çoğu DBMS; yedekleme, veri yedekliliği, veri doğrulama ve hem taşınan hem de bekleyen verilerin şifrelenmesi için yerleşik işlevler sunar.
Bir veri tabanı yönetim sisteminin yerine getirdiği işlevler nelerdir?
Bir veri tabanı yönetim sistemi, birden fazla kullanıcının ve uygulamanın verileri oluşturmasını, okumasını, güncellemesini ve silmesini kolaylaştıran bir yazılım sistemidir. Veri tabanı yöneticileri; performansı izlemelerine, güvenlik önlemlerini uygulamalarına, yedeklemeleri yönetmelerine, sorguları optimize etmelerine ve veri bütünlüğünü korumalarına olanak tanıyan özel araçlar ve arabirimler kullanır.
Verileri daha erişilebilir hale getirme
DBMS'lerdeki tarayıcı tabanlı bir arabirim, kullanıcıların bir web formu, doğrudan bir pano veya üçüncü taraf dağıtılmış bir ağ aracılığıyla verilere kolayca erişmesini sağlar. Görsel araçların yanı sıra kullanıcılar; uygulamaları, bir veri işleme dilini (DML), sorgu dillerini veya API bağlantılarını kullanarak da verilere erişebilir ve onlarla etkileşim kurabilir.
Ayrıca bir DBMS, verileri gerektiği gibi işlemek, gruplamak, toplamak ve dönüştürmek için gerekli araç ve mekanizmaları da sağlar. Kullanıcılar verileri dinamik olarak değiştirerek bunların çeşitli uygulamalar için doğru şekilde yapılandırıldığından ve biçimlendirildiğinden emin olabilir.
Meta verileri yönetme
DBMS; veri yapıları, tablo ve sütun adları, veri türleri, kısıtlamalar, dizinler ve ilişkiler gibi meta verileri (veriler hakkındaki verileri) depolayan veri sözlüklerinin yönetimini sağlar. Bu yaklaşım sayesinde uygulamalar, verilerle çalışırken karmaşık kodlamalara ihtiyaç duymaksızın yapısal soyutlamalar kullanır.
Meta veri yönetimi, uygulamaları bozmadan veri tasarımını geliştirmenize de olanak tanır. Satır ve sütun ekleme, değiştirme veya kaldırma gibi şema değişiklikleri meta veri tablolarına otomatik olarak yansıtılır.
Yedekleme ve kurtarma süreçlerini yönetme
DBMS, yedeklemeleri ve anlık yedekleri yönetmek için sezgisel bir arabirim sağlayarak veri tabanı yedekleme sürecini basitleştirir. Veri tabanı yöneticileri, bir olay meydana geldiğinde hızlı kurtarma için yedekleri bulut depolama gibi üçüncü taraf konumlarında saklayabilir. Bazı DBMS'ler, önceden belirlenmiş aralıklarla otomatik veri yedeklemeleri veya sürekli yedeklemeler de sağlar. Bunların çoğu, veri tabanlarının minimum çabayla önceki bir durumuna tamamen veya kısmen geri yüklenmesi için kurtarma araçları sunar.
Kullanıcı yönetimi denetimleri sağlama
Bir DBMS, veri tabanı yöneticilerine veri tabanı kullanıcılarını etkili bir şekilde yönetme ve kullanıcı eylemlerini düzenleme olanağı tanır. Temel verilere erişimi denetlemek için kullanıcı hesaplarını yapılandırabilir, veri erişimi politikalarını tanımlayabilir ve kısıtlamaları değiştirebilirler.
Temel veri işlemleri; oluşturma, okuma, güncelleme ve silme (CRUD) şeklindedir. Yönetici, her bir işlemin kullanılabilirliğini kullanıcı, rol veya grup düzeyinde ayarlayabilir. Örneğin bazı kullanıcılar, bir veri tabanında yalnızca okuma erişimine sahip olabilir ve girişleri oluşturamaz veya değiştiremez.
Birçok DBMS, karmaşık erişim denetimlerini tanımlamaya yönelik bir veri denetim dilini (DCL) destekler.
Büyük ölçekte performans yönetimi
DBMS, aşağıdakilerden birkaçını uygulayarak on binlerce eş zamanlı kullanıcıyı destekler:
- Sorgu yürütmeyi hızlandırarak tam tablo taramalarına duyulan ihtiyacı azaltmak için dizin optimizasyonu.
- SQL sorgularını analiz ederek ve en verimli yürütme planını seçerek G/Ç ve işlem süresini en aza indirmek için sorgu optimizasyonu.
- İş yükünü birden çok veri tabanı düğümüne veya depolama bölümüne dağıtarak sorgu yanıt sürelerini ve hata toleransını iyileştirmek için bölümleme ve parçalama.
- Görevlerin birden çok CPU veya düğüm arasında eş zamanlı olarak işlenmesi için paralel sorgu yürütme.
- Sistemin yanıt hızını korumak ve arızalardan kaynaklanan veri kaybını önlemek için okuma ve yazma isteklerini dağıtarak birden çok sunucuda veri çoğaltma ve yük dengeleme.
Ayrıca birçok DBMS yazılımı, sık erişilen verilerin bellekte saklanmasını ve böylece diske tekrar tekrar erişim ihtiyacının azalmasını sağlayan yerleşik önbelleğe alma özelliğine sahiptir. Entegre araçlar, kullanıcılara verilerini daha ayrıntılı bir şekilde izleme, yapılandırma ve optimize etme olanağı tanır.
Bir veri tabanı yönetim sistemi nasıl çalışır?
Bir veri tabanı yönetim sistemi (DBMS); veri tabanı yönetimi, işlem işleme ve sorgulama hizmetleri sağlayan, birbirine bağlı çeşitli bileşenler içerir.
Veri tabanı
Veri tabanı, DBMS'nin çekirdeğidir. Kelimeler, sayılar, görüntüler, videolar ve dosyalar dahil olmak üzere elektronik olarak depolanan, sistematik bir veri koleksiyonudur. Veri tutarlılığını korumak için yerleşik kurallara ve koşullara sahiptir. Bir veri tabanı bağımsız olarak var olabilse de manuel veri yönetimi özellikle büyük ölçeklerde son derece karmaşıktır. DBMS bu nedenle dizine ekleme, performans optimizasyonu ve erişim kontrolü gibi bazı yaygın yönetim görevlerini otomatik olarak yürüten bir yazılım katmanı sağlar.
Şema
Şema; tablolar, sütunlar, veri türleri, kısıtlamalar ve varlık ilişkileri dahil olmak üzere veri tabanının yapısını tanımlar. DBMS, şema bilgilerini meta veri şeklinde depolayarak uygulamaların sabit kodlama yapıları olmadan verileri anlamasına ve verilerle etkileşime girmesine olanak tanır. Kullanıcılar şemayı bir veri tanımlama dili (DDL) kullanarak tanımlayabilir.
Depolama yöneticisi
Depolama yöneticisi, verileri fiziksel cihazlarda verimli şekilde depolamaktan, almaktan ve güncellemekten sorumludur. Görevleri şunlardır:
- Verilerin hızlı alınması için dosya organizasyonu ve veri depolama yapısı.
- Aramaları hızlandırmak ve sık erişilen verileri önbelleğe almak için dizin oluşturma ve önbelleğe alma.
- Hızlı erişimi korurken gerekli depolama alanını azaltmak için veri sıkıştırma.
- Arıza durumunda verileri geri yüklemek üzere anlık yedekleri ve günlükleri yönetmek için yedekleme ve kurtarma.
İşlem yöneticisi
İşlem yöneticisi, veri bütünlüğünü korurken birden fazla kullanıcının veri tabanı içinde eş zamanlı işlemler gerçekleştirebilmesini sağlamaya yönelik tüm kuralları denetler. ACID (Bölünmezlik, Tutarlılık, Yalıtım, Dayanıklılık) uygunluğu sağlayabilir. Yönettiği görevler şunlardır:
- Arıza durumunda değişikliklerin tamamlanması veya geri alınması için onaylama ve geri alma.
- Çok kullanıcılı ortamlarda çakışmaları önlemek için kilitleme mekanizmaları.
- Veri bütünlüğünden ödün vermeden eş zamanlı okuma ve yazma işlemleri için eş zamanlılık kontrolü.
Sorgu altyapısı
Sorgu altyapısı, sorguları yorumlayarak ve yürüterek kullanıcıların verileri verimli bir şekilde almasına, eklemesine, güncellemesine veya silmesine olanak tanır. Ayrıca verilerle cevaplanabilecek karmaşık sorular oluşturmaları için kullanıcılara bir mekanizma sağlar. DBMS, sorgular için genellikle SQL gibi bir veri işleme dilinden (DML) yararlanır.
Sorgu altyapısının işlevlerinden bazıları şunlardır:
- En verimli yürütme planını bulmak için sorguları analiz etme.
- Dizinleri, birleştirmeleri ve toplama işlevlerini kullanarak verileri getirme.
- Yapılandırılmış sonuçları tablo biçiminde veya hiyerarşik biçimlerde döndürme.
Kullanıcı arabirimi
Arabirim katmanı, kullanıcının veri tabanıyla doğrudan veya uygulamalar ya da iş zekası araçları üzerinden etkileşime girmesine olanak tanır. Kullanılan DBMS'ye bağlı olarak ek işlevler sağlamaya yönelik çeşitli araçlar içerebilir. Yazılım ayrıca diğer tüm DBMS bileşenlerini birbirine bağlar ve düzenler.
Farklı veri tabanı yönetim sistemi türleri nelerdir?
Birçok veri tabanı yönetim sistemi ürünü, temelinde farklı veri tabanı türleri, özellikler ve araçlar barındırır. Doğru sistemi seçmek; temel alınan verilerin biçimi ve yapısı, performans gereksinimleri, maliyet kısıtlamaları, ölçeklenebilirlik, entegrasyon yetenekleri, teknik uzmanlık ve veri güvenliği gibi birçok faktöre bağlıdır. Yaygın olarak kullanılan DBMS türlerinden bazıları aşağıda açıklanmıştır.
İlişkisel
Bir ilişkisel veri tabanı yönetim sistemi (RDBMS), aralarında önceden tanımlanmış ilişkiler bulunan veri noktalarından oluşan bir koleksiyon barındırır. Veriler tablo biçiminde saklanır ve bu tablodaki (ilişki) her satır (kayıt), o giriş için bir dizi ilişkili değer (öznitelik) içerir. Her kayıt, referans amacıyla benzersiz bir birincil anahtar özniteliğine sahip olan tekil bir varlıktır. Tablolar arasında bire bir, bire çok veya çoğa çok ilişkiler kurulabilir. İlişkisel veri tabanı sistemlerine örnek olarak Amazon Aurora verilebilir.
Yapılandırılmış sorgu dili (SQL), çoğu ilişkisel veri tabanı için varsayılan sorgulama dilidir. Uygulamalar, bir ilişkisel veri tabanı yönetim sisteminden (RDBMS) veri depolamak, güncellemek, silmek ve almak amacıyla yapılandırılmış sorgu dilini kullanır.
İlişkisel olmayan
İlişkisel olmayan veya diğer adıyla NoSQL veri tabanı, kayıtları tablolarda saklamaz ve katı bir şemaya sahip değildir. Bunun yerine veriler, aşağıdakiler dahil olmak üzere çeşitli şekillerde yapılandırılabilir:
Anahtar-değer deposu
Anahtar-değer deposu, her kaydın ilişkili bir değere (örneğin tam sayı, dize, JSON) sahip benzersiz bir anahtarı (örneğin ad, sayı) olan bir veri tabanıdır. Anahtar-değer depolarına olanak tanıyan veri tabanı yönetim sistemlerine bir örnek de Amazon DynamoDB'dir.
Belge deposu
Belge deposu, her benzersiz anahtarın yarı yapılandırılmış veriler (örneğin JSON, XML, YAML) içeren ilişkili bir belgeye sahip olduğu, değiştirilmiş bir anahtar-değer deposudur. Bu veri tabanı biçimi, anlamlı veriler çıkarmak için API'leri veya bir sorgulama dilini kullanır. JSON için Amazon DocumentDB, belge deposu DBMS'lerine örnek olarak verilebilir.
Grafik
Grafik veri tabanı, düğümler (kayıtlar) ve uçlar (diğer düğümlerle ilişki bağlantılar) içeren grafik tarzı bir yapı kullanır. Uçlar ayrıca ilişkiyle ilgili öznitelikler içerir. Örneğin düğümler, bir aile ağacını ve bu ağaçtaki kişilerin ad ve yaş gibi özniteliklerini temsil edebilir. Düğümler arasındaki uçlar ise torun ve anne tarafı gibi ilişkileri gösterir. Amazon Neptune, grafik veri tabanlarına yönelik veri tabanı yönetim sistemlerine örnek olarak verilebilir.
Nesne odaklı
Nesne odaklı veya nesne veri tabanı, her biri kendi ilgili özniteliklerine sahip bir dizi nesne örneğini depolar ve yönetir. Nesneler, ilişkisel veri tabanlarında olduğu gibi yabancı anahtarlar aracılığıyla bağlanabilir. Amazon Aurora, ilişkisel ve nesne odaklı veri tabanlarının bir melezi olan nesne-ilişkisel veri tabanı yönetim sistemi (ORDBMS) olarak kullanılabilir. PostgreSQL de bir diğer popüler ORDBMS'dir.
Hiyerarşik
Hiyerarşik veri tabanı, bir üst düğümün çok sayıda alt düğüme sahip olduğu ve iki ya da daha fazla katmandan oluşan hiyerarşik bir düzende organize edilir. Amazon DynamoDB, hiyerarşik veri tabanları için bir DBMS olarak gösterilebilir ve iç içe geçmiş ilişkiler JSON'da temsil edilir.
Zaman serisi
Zaman serisi veri tabanları, belirli bir zaman damgasına bağlı verileri depolar. İlişkisel ya da ilişkisel olmayan yapıda olabilirler ve genellikle akış halindeki verilerin alınmasını gerektirirler. Bir zaman serisi veri tabanı için hangi DBMS'ye ihtiyaç duyulduğu, temel verilere bağlıdır. Amazon Timestream, zaman serisi veri tabanlarına örnek olarak verilebilir.
Çok modelli
Çok modelli DBMS'ler, belge ve grafik veri tabanları gibi farklı veri tabanı türlerini aynı anda yönetebilir. Kullanıcılara yazılım değiştirmelerine gerek kalmadan çeşitli veri tabanlarını yönetmeleri için standart bir arabirim sağlamaları nedeniyle popülerdirler. Bazı çok modelli DBMS'ler, kullanıcıların farklı veri tabanı türleri üzerindeki sorguları birleştirmesine de olanak tanır.
DBMS teknolojisinde geleceğe yönelik eğilimler nelerdir?
Veri ve sistemlerdeki gelişmeler, DBMS teknolojisinde aşağıdaki ilerlemelere yol açmıştır.
Üretken yapay zeka
Üretken yapay zeka aşağıdaki amaçlar için kullanılabilir:
- Doğal dil talimatları aracılığıyla veri tabanı oluşturma ve şema tasarımı süreçlerini geliştirme
- Sorguları optimize etme ve bunların hatalarını ayıklama
- Temel veriler üzerinde karmaşık modelleme
- DBMS çıktısından insanlar tarafından okunabilir raporlar oluşturma
- Veri bütünlüğünü korurken, belirlenen verimliliklere dayalı olarak temel veri depolamayı otomatik olarak yeniden yapılandırma
Komut dizileri yazmak yerine doğal dili kullanarak sorgular oluşturabilirsiniz. Doğal dil, yapay zeka modelleri tarafından ilgili sorgu diline dönüştürülür.
Vektör veri tabanları
Vektör veri tabanları, Almayla Artırılmış Üretim (RAG) olarak bilinen büyük dil modeli (LLM) özelleştirmelerinde giderek daha yaygın hale gelmektedir. Bir LLM'ye vektör veri tabanı eklemek, kuruluşların kendi bilgi tabanlarını mevcut LLM'lere hızla entegre etmelerini sağlar. RAG'da vektörleştirme, benzer kelimeler ve ifadeler arasındaki ilişkilerin daha kolay bulunmasına yardımcı olarak model doğruluğunu ve alaka düzeyini artırır.
Birkaç özel vektör veri tabanı ortaya çıkmıştır. Ayrıca bazı veri tabanları, vektör veri türlerini mevcut mimarilerine entegre eder.
Amazon Aurora PostgreSQL-Uyumlu Sürüm ve PostgreSQL İçin Amazon RDS, pgvector uzantısını destekler. Amazon Neptune, Amazon MemoryDB ve Amazon DocumentDB gibi diğer AWS veri tabanları da vektör benzerliği aramasına yönelik yönetilen bir çözüm sunar.
Etken yapay zeka ve Model Bağlam Protokolü (MCP) Sunucuları
Etken yapay zeka, farklı görevleri veya rolleri gerçekleştirmek için üretken yapay zeka yeteneklerini belirli araç ve kaynaklarla birleştirir. Yapay zeka temsilcileri, her biri ayrı rollere sahip bir çalışan ekibine benzer şekilde koordineli görevleri gerçekleştirmek için birbirleriyle etkileşime girebilir. Bu noktada temsilci durumlarını, hedeflerini ve karar alma süreçlerini yönetme ihtiyacı ortaya çıkar.
Bu teknoloji platformunda bir Model Bağlam Protokolü (MCP) Sunucusu, birden fazla kaynağı yöneterek yapay zeka temsilcileri için koordinatör görevi görür. Veri tabanı hizmetleri için MCP Sunucuları, yapay zeka uygulama ve temsilcilerinin hem veri kaynakları hem de hizmetlerle kolayca entegre olmasını sağlar. Etken yapay zeka sistemlerinde MCP Sunucuları, otonom yapay zeka temsilcileri ve ilişkili veri tabanları arasındaki etkileşimleri düzenleyerek verimli veri akışı ve işleme sağlar.
Etken yapay zeka ve MCP Sunucuları, aynı anda birden fazla otonom temsilciden gelen durum yönetimi, karmaşık sorgu ve veri işleme gereksinimlerini karşılarken ölçeklenebilir ve güvenilir bir altyapı sunan veri tabanlarına ihtiyaç duyar. MCP Sunucuları olarak entegre edildiğinde veri tabanları, kuruluşların, altyapılarındaki hem geleneksel veri tabanı işlemlerinde hem de etken yapay zeka etkileşimlerinde tutarlı performans, güvenlik ve güvenilirlik sağlamalarına yardımcı olur.
Yapay zeka temsilci ve uygulamalarının doğal dil sorguları veya programlı arabirimler kullanarak veri kaynaklarıyla etkileşime girmesini sağlamak için çeşitli veri tabanı hizmetleri, MCP Sunucuları ile entegre edilebilir. MCP Sunucuları, yapay zeka modellerinden gelen talepleri uygun veri tabanı işlem ve sorgularına çevirerek aracı görevi görür.
Sıfır ETL entegrasyonları
Sıfır ETL; verileri taşıma, temizleme ve veri tabanlarında birleştirme süreçlerindeki geleneksel ayıklama, dönüştürme ve yükleme aşamalarının ortadan kaldırılması anlamına gelir. Bunun yerine veriler anında çoğaltılır ve hızla alınır.
Sıfır ETL sayesinde akış halindeki işlemsel veriler üzerinde neredeyse gerçek zamanlı sorgular gerçekleştirmek veya makine öğrenimi işlemleri için farklı türde birden fazla veri tabanını hızlıca birleştirmek mümkündür.
Dağıtım seçenekleri
Veri tabanları ve DBMS için kullanılan altyapı ve dağıtım stili; hız, ölçeklenebilirlik, erişilebilirlik, maliyet ve kullanım kolaylığı açısından önemlidir. Seçenekler arasında şirket içi, bulut, uç, container'lı, sunucusuz ve hibrit dağıtımlar bulunur.
Büyük uluslararası veri tabanı işlemleri, container'lı ve dağıtılmış dağıtım yapılandırmalarını seçebilirken üretim operasyonları, uç ve bulut dağıtımlarının kombinasyonunu seçebilir. Örneğin Biblica, yüksek trafik düzeylerini etkili şekilde yönetmek için Microsoft SQL Server'ını AWS'ye taşımıştır.
AWS, DBMS gereksinimleriniz konusunda size nasıl yardımcı olabilir?
AWS Bulut Veri Tabanları, her kuruluş için geniş bir amaca yönelik veri tabanı yönetim sistemleri yelpazesi sunar. AWS veri tabanları; sunucu tedariki, düzeltme eki uygulama, yapılandırma ve yedeklemeler gibi tüm arka uç görevlerini destekler. AWS, ölçeklendirmeyi sürekli olarak izleyip otomatikleştirirken siz de uygulama geliştirmeye odaklanabilirsiniz.
Örneğin Amazon Aurora, AWS tarafından geliştirilmiş, MySQL ve PostgreSQL ile uyumlu, bulut temelli bir ilişkisel veri tabanı altyapısıdır. Geleneksel kurumsal veri tabanlarının hızını, güvenilirliğini ve kullanım kolaylığını açık kaynaklı veri tabanlarının basitliği ve maliyet verimliliğiyle birleştirir.
Başka bir örnek vermek gerekirse Amazon Relational Database Service (Amazon RDS), bulutta ilişkisel DBMS kurmayı, çalıştırmayı ve ölçeklendirmeyi kolaylaştıran, yönetilen bir hizmettir. Uygun maliyetli ve yeniden boyutlandırılabilen kapasite sağlamasının yanı sıra zaman alan veri tabanı yönetim görevlerini de üstlenerek uygulamalarınıza ve işinize odaklanmanız için size özgürlük tanır. Amazon RDS size PostgreSQL, MySQL, MariaDB, SQL Server, Oracle ve Db2 gibi aşina olduğunuz veri tabanı altyapılarının kabiliyetlerine erişme olanağı sunar.
AWS, tüm NoSQL gereksinimlerinizi karşılayacak çeşitli NoSQL DBMS hizmetlerine de sahiptir. Örneğin:
- Amazon DynamoDB, sınırsız ölçeklenebilirlikle tutarlı, tek basamaklı milisaniye cinsinden performans sağlayan sunucusuz, tam olarak yönetilen bir anahtar-değer veri tabanı hizmetidir.
- Amazon DocumentDB (MongoDB uyumlu), altyapıyı yönetmeye gerek kalmadan neredeyse her ölçekte kritik belge iş yüklerini çalıştırmayı kolay ve uygun maliyetli hale getiren, tam olarak yönetilen yerel bir JSON belge veri tabanıdır.
- Amazon Neptune, milyarlarca ilişkiyi saniyeler içinde sorgulayabilme özelliğiyle üstün ölçeklenebilirlik ve erişilebilirlik için tasarlanmış, sunucusuz, tam olarak yönetilen bir grafik veri tabanı hizmetidir.
- Amazon Timestream, düşük gecikme süreli sorgulardan büyük ölçekli veri alımlarına kadar çeşitli iş yükleri için yine tam olarak yönetilen, amaca yönelik oluşturulmuş bir zaman serisi veri tabanı altyapısıdır.
AWS Bulut Veri Tabanları, her ölçekte üretken yapay zeka çözümlerine ve veri odaklı uygulamalara güç sağlamak için yüksek performanslı, güvenli ve güvenilir bir altyapı sunar.
Hemen ücretsiz bir hesap oluşturarak AWS'de DBMS'yi kullanmaya başlayın.