Azure Cosmos DB: NoSQL global

Azure Cosmos DB es el servicio de base de datos NoSQL multimodelo y distribuido globalmente de Microsoft. Está diseñado para ofrecer una latencia de lectura y escritura de milisegundos de un solo dígito a cualquier escala y en cualquier lugar del mundo. A diferencia de las bases de datos tradicionales, limitadas a una sola región, Cosmos DB puede replicar datos de forma transparente en decenas de regiones de Azure simultáneamente.

Cosmos DB admite varias API de bases de datos a través de un único servicio. Puede utilizar la API NoSQL nativa (documentos JSON), la API de MongoDB para aplicaciones creadas con controladores de MongoDB, la API de Apache Cassandra para cargas de trabajo de columnas anchas, la API de Gremlin para datos de grafos y la API de tablas para datos de clave-valor. Cada API expone el motor subyacente de Cosmos DB mediante una interfaz conocida.

La jerarquía de recursos de Cosmos DB consta de tres niveles. Una cuenta es el recurso de nivel superior que define la lista de regiones de replicación y el nivel de coherencia. Dentro de una cuenta, se crean bases de datos como espacios de nombres lógicos. Dentro de cada base de datos, se crean contenedores: la unidad que contiene los elementos (documentos) y en la que se aprovisiona el rendimiento.

Una clave de partición es una propiedad de cada elemento que Cosmos DB utiliza para distribuir los datos entre particiones físicas. Elegir la clave de partición adecuada es fundamental: debe tener una cardinalidad alta (muchos valores distintos), distribuir uniformemente el tráfico de escritura y aparecer en la mayoría de las consultas. Una elección deficiente de la clave de partición provoca particiones activas que limitan el rendimiento y degradan el funcionamiento.

Cosmos DB cobra el rendimiento en unidades de solicitud por segundo (RU/s). Una RU equivale aproximadamente al coste de leer un documento de 1 KB mediante su identificador. Las escrituras, consultas y eliminaciones consumen más RU según el tamaño del elemento y la complejidad del índice. Puede aprovisionar RU/s en el nivel del contenedor o compartir un grupo entre todos los contenedores de una base de datos, y cambiar al modo autoscale para que Cosmos DB escale el rendimiento automáticamente.

La función más potente de Cosmos DB es su capacidad para replicar datos globalmente con unos pocos clics. Puede agregar regiones a su cuenta, y Cosmos DB sincroniza automáticamente todas las escrituras en cada región. Cada región puede atender lecturas y escrituras simultáneamente en una configuración de varias escrituras (varios maestros), lo que minimiza la latencia para usuarios dispersos geográficamente.

Cosmos DB ofrece cinco niveles de coherencia configurables, ordenados de mayor a menor intensidad: Strong (lecturas serializables, mayor latencia), Bounded Staleness (las lecturas se retrasan respecto a las escrituras dentro de una ventana limitada), Session (valor predeterminado: lecturas coherentes para sus propias escrituras dentro de una sesión), Consistent Prefix (las lecturas nunca muestran escrituras desordenadas) y Eventual (lecturas más rápidas, garantías más débiles). Elija según la tolerancia de su aplicación a los datos obsoletos.

De forma predeterminada, Cosmos DB indexa automáticamente todas las propiedades de cada elemento que inserta, sin exigirle que defina previamente un esquema. Esto permite realizar consultas ad hoc flexibles sin mantener índices manualmente. Puede personalizar la directiva de indexación para excluir rutas que nunca se consultan (reduciendo el coste de almacenamiento) o agregar índices compuestos para consultas ORDER BY sobre varias propiedades.

El change feed es un registro ordenado de todas las operaciones de creación y actualización realizadas en un contenedor de Cosmos DB. Las aplicaciones se suscriben al change feed para activar procesos posteriores; por ejemplo, actualizar un índice de búsqueda, enviar notificaciones o escribir en una vista materializada. Change feed es la base de los patrones controlados por eventos y CQRS en las arquitecturas de Cosmos DB.

Cosmos DB admite Time-to-Live (TTL), una propiedad que se configura en un contenedor o en elementos individuales para eliminarlos automáticamente después de un número determinado de segundos. Es ideal para datos de sesión, entradas de caché, registros de auditoría con períodos de retención normativos o cualquier dato con una fecha de caducidad conocida. Las eliminaciones mediante TTL se realizan como tareas en segundo plano y no consumen las RU/s aprovisionadas.

Cosmos DB ofrece dos modos de facturación. El rendimiento aprovisionado se factura por hora de RU/s independientemente del uso real, por lo que es adecuado para cargas de trabajo estables y predecibles. El modo serverless se factura por las RU consumidas y los GB almacenados, sin coste mínimo, lo que resulta rentable para desarrollo, creación de prototipos y picos de tráfico. Cosmos DB serverless está limitado actualmente a una sola región.

Compruebe sus conocimientos sobre los conceptos de Microsoft Azure Fundamentals (AZ-900) tratados en esta lección.

En esta lección ha aprendido que Cosmos DB es un servicio NoSQL distribuido globalmente y multimodelo, que las claves de partición determinan cómo se fragmentan los datos y deben elegirse cuidadosamente, y que los cinco niveles de coherencia permiten equilibrar la latencia y la actualización de los datos. A continuación, exploraremos los servicios administrados de Azure para motores de bases de datos de código abierto.