Vad är skillnaden mellan SQL och NoSQL?

01Vad är en databas?

Innan vi går in på skillnaden mellan SQL och NoSQL svarar vi på grundfrågan: vad är en databas? En databas är ett system där data lagras ordnat, kan sökas och uppdateras snabbt och delas säkert av flera användare. Produktlistor, orderhistorik, kundregister eller hotellbokningar lever i en databas.

Programvaran som styr databasen kallas databashanterare (DBMS). MySQL, PostgreSQL, SQL Server, MongoDB och Redis är exempel på sådana system. I stället för att skriva data direkt till filer frågar applikationen systemet; på så sätt kan hundratals användare läsa och skriva samtidigt utan att data förstörs.

Valet av databas är ett av de beslut i ett projekt som lever längst. Gränssnittet kan förnyas vart några år, men datamodellen och systemet den ligger i blir ofta kvar i många år. Därför bör valet göras med tanke på morgondagens tillväxt lika mycket som dagens behov.

02SQL och relationsdatabaser

En relationsdatabas lagrar data i tabeller. Varje tabells kolumner är definierade i förväg: i en produkttabell till exempel namn, pris, lagersaldo och kategori. Kopplingarna mellan tabeller görs med nycklar; en orderrad visar med dessa nycklar vilken kund och vilken produkt den hör till.

SQL (Structured Query Language) är det standardspråk som används för att tala med dessa tabeller. Det är ett kraftfullt och moget verktyg för att filtrera, koppla ihop, gruppera och sammanfatta data. MySQL, MariaDB, PostgreSQL och SQL Server hör till de vanligaste relationssystemen.

SELECT m.ad, COUNT(s.id) AS siparis_sayisi, SUM(s.tutar) AS toplam
FROM musteriler m
JOIN siparisler s ON s.musteri_id = m.id
WHERE s.tarih >= '2025-01-01'
GROUP BY m.ad
ORDER BY toplam DESC
LIMIT 10;

ACID och konsekvens

Relationsdatabasernas starkaste sida är ACID-garantierna: atomicitet, konsistens, isolering och varaktighet. Om lagersaldot ska minskas samtidigt som en order sparas sker antingen båda sakerna eller ingen av dem. För sådant som pengar, lager och bokningar, där det inte finns utrymme för fel, är den egenskapen avgörande.

03Typer av NoSQL-databaser

NoSQL är ett brett paraplybegrepp som används i betydelsen “inte bara SQL”. Det gemensamma är att de lagrar data i flexibla strukturer i stället för stela tabeller. Det finns fyra huvudtyper:

• Dokumentbaserade: Data lagras i JSON-liknande dokument; varje dokument kan ha olika fält. Exempel: MongoDB.
• Nyckel-värde: Ett enda värde lagras för en nyckel; extremt snabbt. Perfekt för cache och sessionsdata. Exempel: Redis.
• Kolumnfamiljer: Utformade för mycket stora datavolymer med tung skrivbelastning. Exempel: Apache Cassandra.
• Graf: Noder och relationerna mellan dem lagras; starkt för data med många kopplingar, som sociala nätverk eller rekommendationssystem. Exempel: Neo4j.

{
  "_id": "urun-42",
  "ad": "Timjanshonung",
  "kategori": "Bal",
  "ozellikler": { "agirlik": "450 g", "kavanoz": "cam" },
  "etiketler": ["naturlig", "lokal"],
  "varyantlar": [
    { "agirlik": "450 g", "stok": 12 },
    { "agirlik": "850 g", "stok": 5 }
  ]
}

04Tabell över skillnader mellan SQL och NoSQL

Tabellen nedan sammanfattar de två angreppssätten under de rubriker som oftast jämförs. Varje rad visar den allmänna tendensen; många moderna system erbjuder också funktioner som delvis suddar ut dessa gränser.

05Skillnaden mellan MySQL och MongoDB

Skillnaden mellan MySQL och MongoDB är det mest konkreta exemplet på jämförelsen mellan SQL och NoSQL. I MySQL skapar man vanligtvis en separat varianttabell för att lagra en produkts varianter och kopplar den till produkttabellen med en nyckel. I MongoDB kan varianterna i stället bäddas in direkt i produktdokumentet.

Skillnaden påverkar direkt mönstret för läsning och skrivning. Att läsa en produkt i ett enda svep med alla detaljer är mycket naturligt i MongoDB. Frågor som kopplar ihop många tabeller, som “gruppera produkterna i kategorin med flest returer de senaste tre månaderna efter kundens stad”, är däremot smidigare och mer förutsägbara i MySQL.

Större delen av webbapplikationerna som utvecklas med PHP använder MySQL eller MariaDB; varför just det paret är så vanligt har vi förklarat i vårt inlägg Vad är PHP. I ekosystemen för Python och Node.js finns mogna bibliotek för båda typerna.

06Vilken ska du välja för vilket projekt?

Rätt val beror på datans form och vilka operationer som ska utföras. Är datan tätt sammanlänkad och konsekvens kritisk passar SQL; ändras datastrukturen ofta och behövs horisontell skalning för mycket stora volymer är NoSQL en stark kandidat.

Scenarier där SQL utmärker sig

En e-handelsplattform där order, betalning, lager och fakturor hänger ihop, ett hotellsystem där samma rum aldrig får säljas två gånger samt bokförings- och rapporteringssystem är klassiska scenarier för relationsdatabaser. Här är dubbla poster eller halvfärdiga transaktioner oacceptabla.

Scenarier där NoSQL utmärker sig

Innehålls- och katalogstrukturer där varje post kan ha olika fält, sessions- och cachedata samt händelseloggar med stora volymer från enheter eller användarbeteende är områden där NoSQL trivs. Till exempel passar annonser med helt olika egenskaper i olika kategorier naturligt in i dokumentmodellen.

Båda tillsammans

Många verkliga system använder båda angreppssätten tillsammans: huvudposterna ligger i en relationsdatabas, medan cache och sessionsinformation hålls i ett nyckel-värde-lager som Redis. Detta kallas polyglot persistence (flera lagringsmodeller). I ett mäklarsystem kan till exempel annons- och användarposter ligga i relationstabeller medan vanliga sökresultat hålls i cachen.

07Prestanda, skalning och AI

Oavsett databastyp är den vanligaste orsaken till en långsam applikation saknade index och ineffektiva frågor. En tabell utan rätt index måste söka igenom alla rader vid varje sökning allteftersom antalet poster växer. Källan till fördröjd sidladdning är ofta att svaret från servern kommer sent; att hitta det är en del av arbetet med hastighet och prestanda.

På senare år har vektordatabaser kommit upp på dagordningen i och med AI-applikationer. Dessa system gör det möjligt att söka i texter och bilder efter likhet i betydelse och utgör grunden för AI-lösningar som ger svar utifrån dokument; ämnet har vi behandlat i vårt inlägg Vad är RAG. Vissa relationssystem som PostgreSQL kan också stödja vektorsökning med tillägg.

För dig som vill lära dig arbeta med data är Python en bra start; titta på vårt inlägg Vad är Python för mogna bibliotek som ansluter till både SQL- och NoSQL-system samt verktyg för dataanalys.