I database RAG (Reti di Tesi Annotate in Grafi) e i database relazionali differiscono principalmente nel modo in cui i dati sono strutturati, immagazzinati e interrogati. Ogni tipo di database ha vantaggi specifici che lo rendono più adatto per determinati tipi di applicazioni. Esaminiamo queste differenze in modo più dettagliato con esempi pertinenti.
Database Relazionali:
I database relazionali organizzano i dati in tabelle con righe e colonne. Ogni tabella rappresenta un’entità e ogni riga rappresenta una singola istanza di quell’entità. Le colonne rappresentano attributi dell’entità. Le tabelle sono collegate tra loro tramite relazioni che sono definite usando chiavi primarie e chiavi esterne.
Esempio:
Immagina un database per una libreria. Potresti avere tabelle come `libri`, `autori`, e `prenditori in prestito`. La tabella `libri` potrebbe avere colonne come `id`, `titolo`, `autore_id`, e così via. La tabella `autori` potrebbe avere `id`, `nome`, `cognome`, ecc. La relazione tra libri e autori viene stabilita tramite la chiave esterna `autore_id` che corrisponde all’`id` nella tabella `autori`.
Fonte: Elmasri, Ramez, and Shamkant B. Navathe. Fundamentals of Database Systems. Pearson, 2015.
Database RAG:
I database RAG utilizzano una struttura di grafi per rappresentare i dati. Invece di tabelle, i dati sono organizzati in nodi e archi. I nodi rappresentano entità o oggetti (simili alle righe in un database relazionale), mentre gli archi rappresentano le relazioni tra queste entità. Questa struttura è particolarmente utile per rappresentare relazioni complesse e altamente connesse tra i dati.
Esempio:
Consideriamo lo stesso esempio della libreria. In un database RAG, ogni libro e autore sarebbe rappresentato come un nodo. Un arco potrebbe collegare il nodo di un libro al nodo dell’autore che ha scritto quel libro. Se un libro è stato preso in prestito, un altro arco potrebbe collegare il libro al nodo rappresentante il prestatore. Questo permette una rappresentazione naturale e visiva delle relazioni complesse.
Fonte: Robinson, Ian, Jim Webber, and Emil Eifrem. Graph Databases: New Opportunities for Connected Data. O’Reilly Media, 2015.
Database Relazionali:
Utilizzano il linguaggio SQL (Structured Query Language) per definire, manipolare e interrogare i dati. SQL è particolarmente robusto per operazioni complesse di aggregazione, selezione, e join tra tabelle.
Esempio di query SQL:
```
SELECT libri.titolo, autori.nome
FROM libri
JOIN autori ON libri.autore_id = autori.id;
```
Questa query seleziona i titoli dei libri e i nomi degli autori corrispondenti.
Fonte: Codd, Edgar F. A relational model of data for large shared data banks. Communications of the ACM, 1970.
Database RAG:
Spesso utilizzano linguaggi come Cypher (per Neo4j) o Gremlin (per TinkerPop) per interrogare i dati. Questi linguaggi sono progettati per navigare le connessioni nel grafo e possono esprimere query complesse in modo più conciso rispetto a SQL per determinati tipi di dati connessi.
Esempio di query Cypher (per Neo4j):
```
MATCH (libro:Libro)-[:SCRITTO_DA]->(autore:Autore)
RETURN libro.titolo, autore.nome;
```
Questa query seleziona i titoli dei libri e i nomi degli autori collegati tramite la relazione `SCRITTO_DA`.
Fonte: Rodriguez, Marko A., and Peter Neubauer. The Gremlin graph traversal machine and language (invited talk). Proceedings of the 15th Symposium on Database Programming Languages. ACM, 2015.
La scelta tra un database relazionale e un RAG dipende dalle specifiche esigenze dell’applicazione. I database relazionali sono ideali per applicazioni con dati strutturati e relazioni relativamente semplici, mentre i database RAG eccellono in scenari con dati altamente connessi e relazioni complesse.
Fonti:
- Elmasri, Ramez, and Shamkant B. Navathe. Fundamentals of Database Systems. Pearson, 2015.
- Robinson, Ian, Jim Webber, and Emil Eifrem. Graph Databases: New Opportunities for Connected Data. O’Reilly Media, 2015.
- Codd, Edgar F. A relational model of data for large shared data banks. Communications of the ACM, 1970.
- Rodriguez, Marko A., and Peter Neubauer. The Gremlin graph traversal machine and language (invited talk). Proceedings of the 15th Symposium on Database Programming Languages. ACM, 2015.
