-
Cintas Magnéticas
Fueron el primer medio que permitía la búsqueda de datos. Reemplazaron a las tarjetas perforadas y las cintas de papel. -
Period: to
Evolución de las Bases de Datos
-
IBM 350
IBM lanzó el IBM 350 RAMAC, el primer ordenador con disco duro. -
Acceso generalizado a datos almacenados.
McGee propone la noción de acceso generalizado a datos almacenados electrónicamente.
Además se crea CODASYL (Conference on Data Systems Languages) que es un consorcio de industrias informáticas con el objeto de regular el desarrollo de un lenguaje de programación estándar que pudiera ser utilizado en multitud de ordenadores. De todos estos esfuerzos resultó el lenguaje COBOL. -
Modelo Jerárquico
Las bases de datos comienzan con el modelo jerárquico, donde los datos se organizan en una estructura de árbol. Los registros se relacionan de manera jerárquica, con un único registro padre y múltiples registros hijos. -
DBTG (Data Base Task Group)
Se forma el grupo DBTG para estandarizar el acceso a los datos y mejorar la interoperabilidad entre sistemas de gestión de bases de datos. -
IMS
IBM crea un gestor de bases de datos jerárquico y un gestor transaccional con alta capacidad de proceso.
es un gestor de transacciones basado en mensajes y gestor de bases de datos jerárquicas para z/OS®. Las aplicaciones externas pueden utilizar transacciones para interactuar con aplicaciones que se ejecutan dentro de IMS. -
SQL (Structured Query Language)
Se desarrolla SQL como un estándar para interactuar con bases de datos relacionales, permitiendo consultas y manipulación de datos de manera uniforme. -
Modelo de Red
Charles Bachman crea un nuevo tipo de sistema de bases de datos conocido como modelo en red que permitió la creación de un estándar en los sistemas de bases de datos gracias a la creación de nuevos lenguajes de sistemas de información. Era posible guardar estructuras de datos en listas y arboles.
Las relaciones pueden ser muchos a muchos, permitiendo una mayor flexibilidad en la representación de datos. -
Modelo Relacional
Se introduce la idea de modelo relacional de las bases de datos, las mejoras respecto a lo anterior son:
-Abstraer la representación de datos.
-Minimizar la redundancia de datos (dividiéndolos en distintos grupos no duplicados).
-Incrementar la consistencia de los datos (por ejemplo si se cambia el nombre de un cliente, este cambiará en todos los reportes). Es la pauta para el nacimiento de la segunda generación de los SGBD. -
Normalización
La normalización se convierte en una práctica estándar para diseñar bases de datos relacionales de manera eficiente, reduciendo la redundancia y mejorando la integridad de los datos. -
INGRES
Fué la primera implementación del modelo de Codd. Vigente hasta hoy en día, surge en la Universidad de Berkeley, por Michael Stonebreaker y Eugene Wong. Gracias a su licencia BSD, muchos sistemas han evolucionado a partir de INGRES (Sybase, Microsoft SQL Server o NonStop SQL). -
Modelo Entidad-Relación
El modelo entidad-relacion fue propuesto por Peter Chen en 1976 para la representación conceptual de los problemas del mundo real. En 1988, el ANSI lo seleccionó como modelo estándar para los sistemas de diccionarios de recursos de información.
Peter Chen propone el modelo de entidad-relación, que utiliza diagramas para representar las entidades y sus relaciones en un sistema. -
Llega Oracle
Larry Ellison, a partir del trabajo de Edward F. Codd desarrolló el Relational Software System (actualmente ORACLE); desarrollando así un Sistema de Gestión de Bases de Datos Relacional. -
Llega IBM System R
Es la implementación del modelo Codd en IBM. Fue el precursor del lenguaje de consultas SQL. -
DBMS de Objetos
Aparecen sistemas de gestión de bases de datos orientados a objetos (ODBMS), como ObjectStore y GemStone, que permiten almacenar y manipular objetos complejos. -
DBMS Relacionales
Aparecen los primeros sistemas de gestión de bases de datos relacionales (RDBMS), como Oracle, MySQL y PostgreSQL, que implementan el modelo relacional. -
Modelado de Datos Orientado a Objetos
Surgieron modelos de datos orientados a objetos para representar datos complejos, como el modelo de entidad-objeto y el modelo objeto-relacional. -
IBM SQL/DS
Lanzado por IBM fue el primer sistema de gestión de base de datos relacional comercial. Se implementó el lenguaje de consultas de base de datos SQL. Sus siglas significan SQL/DS (Structured Query Language/Data System). -
SGBD Multimodelo
Se introducen sistemas de gestión de bases de datos multimodelo. Son sistemas que permiten manejar diferentes modelos de datos dentro de una sola plataforma. Esto significa que en lugar de estar limitados a un solo modelo de datos, como el modelo relacional o el modelo de documentos, un MMDBMS puede admitir múltiples modelos de datos, como grafos, documentos, columnares, relacionales; todo dentro de una sola base de datos. -
Llega DB2 de IBM
Es un sistema de gestión de base de datos. La automatización es una de sus características más importantes, ya que permite eliminar tareas rutinarias y permitie que el almacenamiento de datos sea más ligero, utilizando menos hardware y reduciendo las necesidades de consumo de alimentación y servidores. -
POSTGRES
Fue un proyecto que trataba de resolver los problemas del modelo de base de datos relacional, principalmente el problema que tenia de comprender tipos de datos, actualmente llamados objetos. -
Sistemas Distribuidos
Se desarrollan sistemas de bases de datos distribuidas que permiten la gestión de datos en entornos distribuidos y redes. -
Estandarización de SQL
Fue estandarizado por el ANSI.
Estableció las bases para el desarrollo y la evolución del lenguaje SQL, proporcionando reglas y convenciones para su uso en sistemas de gestión de bases de datos relacionales. Desde entonces, ha habido varias versiones posteriores de SQL, cada una con sus propias características y mejoras, manteniendo su estatus como uno de los lenguajes más utilizados para la manipulación y gestión de datos en bases de datos relacionales. -
VERSANT
Es un sistema gestor de base de datos orientado a objetos desarrollado por Versant Corporation. Con su aparición comienza la tercera generación de bases de datos. -
Bases de Datos Federadas
Se desarrollan sistemas de bases de datos federadas que permiten la integración de múltiples bases de datos distribuidas y heterogéneas, proporcionando una vista unificada de los datos. -
Microsoft SQL Server
Es un Sistema Gestor de Base de Datos producido por Microsoft basado en el modelo relacional. Sus lenguajes para consultas son T-SQL y ANSI SQL. Microsoft SQL Server constituye la alternativa de Microsoft a otros potentes sistemas gestores de bases de datos como son Oracle, PostgreSQL o MySQL. -
Microsoft Access y Excel
Como parte del paquete de software de Microsoft Office. Access es un sistema de gestión de bases de datos relacional que permite a los usuarios crear y administrar bases de datos, diseñar formularios para la entrada de datos, generar informes y crear consultas para extraer información de la base de datos. -
World Wide Web
Nace la World Wide Web que facilitara el uso de las bases de datos. Tuvo un impacto significativo en la forma en que se utilizan y acceden a las bases de datos -
MySQL
Es una API de acceso a SQL que permitía ser accedido y modificada por terceras personas.
Se lanzó como un sistema de gestión de bases de datos (SGBD) relacional de código abierto que se destacó por su velocidad, confiabilidad y facilidad de uso. -
POSTGRESQL
PostgreSQL es un Sistema Gestor de Base de Datos Relacional Orientado a Objetos y libre, publicado bajo la licencia BSD.
Se ha convertido en una de las bases de datos relacionales más avanzadas y poderosas disponibles de forma gratuita y de código abierto. Es conocida por su robustez, escalabilidad y capacidad para manejar cargas de trabajo complejas. -
NoSQL
Es una amplia clase de Sistemas de Gestión de Bases de Datos que difieren del modelo clásico del Sistema de Gestión de Bases de Datos Relacionales (RDBMS) en aspectos importantes, el más destacado es que no usan SQL como el principal lenguaje de consultas. Los datos almacenados no requieren estructuras fijas como tablas, normalmente no soportan operaciones JOIN, ni garantizan completamente ACID (atomicidad, consistencia, aislamiento y durabilidad), y habitualmente escalan bien horizontalmente. -
FireBird SQL
es un sistema de gestión de bases de datos relacional de código abierto que se desarrolló originalmente como una bifurcación de la base de datos InterBase de Borland. El desarrollo de Firebird comenzó en 2000 cuando Borland decidió lanzar el código fuente de InterBase bajo una licencia de código abierto. Esta decisión llevó a la creación de la comunidad de desarrollo de Firebird, que se dedicó a continuar y mejorar el proyecto de InterBase bajo el nombre de Firebird. -
Gestión de Metadatos
La gestión de metadatos se convirtió en una parte integral de las estrategias de gestión de información en las empresas. Las organizaciones comenzaron a reconocer el valor de los metadatos no solo para la gestión de bases de datos, sino también para la gestión de datos en general. Surgieron herramientas más avanzadas para la catalogación, documentación y uso de metadatos en toda la empresa. -
Bases de Datos Geoespaciales
Las bases de datos geoespaciales se utilizan en una amplia gama de aplicaciones, como planificación urbana, gestión de recursos naturales, agricultura de precisión, seguimiento de flotas, análisis ambiental, servicios de localización en tiempo real y mucho más. Ejemplos populares de bases de datos geoespaciales incluyen PostgreSQL/PostGIS, Oracle Spatial, Microsoft SQL Server Spatial, GeoServer, entre otros. -
Bases de Datos Bioinformáticas
Se diseñan bases de datos especializadas en almacenar y analizar datos biomoleculares, como secuencias genéticas y estructuras de proteínas, para investigación en biología y medicina.
Algunas son: GenBank, PubMed, UniProt, etc. -
Big Data
Se populariza el término "Big Data", refiriéndose al manejo y análisis de conjuntos de datos extremadamente grandes y complejos que no pueden ser procesados con herramientas tradicionales.
El crecimiento exponencial en la generación de datos digitales, especialmente con el advenimiento de Internet y la proliferación de dispositivos conectados, condujo a la necesidad de nuevas herramientas y enfoques para manejar y aprovechar estos grandes volúmenes de datos. -
XQUERY
Es un Lenguaje de consultas para sistemas NoSQL basado en XML. Estandarizado por la W3C.
El objetivo principal de XQuery es proporcionar una forma estándar y potente de consultar y transformar datos XML. -
Cassandra DB
Apache Cassandra es un sistema de gestión de bases de datos distribuido y de código abierto que se lanzó por primera vez en 2008. Fue desarrollado por Facebook y luego se convirtió en un proyecto de código abierto de la Apache Software Foundation en 2009. El diseño de Cassandra está influenciado por la arquitectura de Dynamo de Amazon y el modelo de datos de Bigtable de Google. -
Mongo DB
Es un sistema de gestión de bases de datos NoSQL (Not Only SQL) de código abierto que se lanzó por primera vez en 2009. Fue desarrollado por MongoDB Inc. (anteriormente 10gen) y se basa en el modelo de base de datos de documentos. MongoDB es uno de los sistemas de bases de datos NoSQL más populares y ampliamente utilizados en la actualidad. -
XML
Es un lenguaje de marcado diseñado para almacenar y transportar datos de manera legible tanto para humanos como para máquinas. Fue desarrollado por el World Wide Web Consortium (W3C) .
En esta categoría encontramos: BaseX, eXist, MarkLogic Server, MonetDB/XQuery, Sedna. -
Modelos de Datos Semánticos
Se desarrollan modelos de datos semánticos que incorporan significado y contexto a los datos, facilitando la interoperabilidad y el análisis semántico. -
Bases de Datos Temporales
Se diseñan bases de datos temporales que permiten almacenar y gestionar datos con información temporal, como registros históricos y versiones anteriores de los datos. -
Blockchain
Llegan los Blockchain, estos se utilizan para garantizar la integridad y la inmutabilidad de los datos, especialmente en aplicaciones donde la verificación y el seguimiento son críticos. -
Gestión de Datos en Tiempo Real para IoT
Se desarrollan sistemas de gestión de datos en tiempo real para aplicaciones de Internet de las Cosas (IoT), permitiendo la captura y el análisis de datos de sensores y dispositivos conectados. -
Análisis de Grafos en Bases de Datos
Se integran capacidades de análisis de grafos en bases de datos para modelar y analizar relaciones complejas entre entidades, útil en redes sociales y análisis de redes. -
Bases de Datos de Memoria Optimizada
Son una evolución relativamente reciente en el ámbito de las bases de datos relacionales. Este tipo de bases de datos se diseñaron para aprovechar al máximo la capacidad de procesamiento de los sistemas modernos, especialmente en términos de acceso rápido a datos en memoria. -
Bases de Datos en la Nube
Se popularizan las bases de datos en la nube, que ofrecen almacenamiento, procesamiento y acceso a datos de manera remota y escalable.
A medida que la tecnología de la nube maduraba y se volvía más confiable y segura, la adopción de bases de datos en la nube comenzó a ganar impulso. Empresas como Amazon Web Services (AWS), Microsoft Azure y Google Cloud Platform (GCP) empezaron a ofrecer servicios de bases de datos en la nube, lo que facilitó su despliegue y gestión. -
Integración de Blockchain y Contratos Inteligentes
Se exploran aplicaciones de bases de datos integradas con contratos inteligentes en plataformas blockchain, permitiendo la automatización y la ejecución confiable de acuerdos digitales. -
Bases de Datos Espaciales 3D
Surgen bases de datos especializadas en datos espaciales tridimensionales, utilizadas en aplicaciones como diseño arquitectónico, simulaciones y realidad virtual. -
Bases de Datos In-Memory Columnares
Se introducen bases de datos columnares optimizadas para operaciones en memoria, especialmente eficientes para análisis de datos y generación de informes. -
Bases de Datos NoSQL Escalables
Se desarrollan bases de datos NoSQL escalables horizontalmente, diseñadas para manejar grandes volúmenes de datos distribuidos en clústeres de servidores. -
Nuevas Tecnologías de Bases de Datos
Aparecen tecnologías como bases de datos en memoria, bases de datos gráficas y bases de datos en la nube, que ofrecen mayor rendimiento, escalabilidad y flexibilidad. -
Blockchain y Bases de Datos Distribuidas
La tecnología blockchain introduce bases de datos distribuidas y descentralizadas, utilizadas principalmente para transacciones seguras y registros inmutables. -
Inteligencia Artificial y Bases de Datos
La integración de inteligencia artificial y aprendizaje automático en sistemas de gestión de bases de datos permite análisis avanzados y toma de decisiones automatizada. -
Gestión de Datos No Estructurados
Se desarrollan herramientas y sistemas para gestionar datos no estructurados, como texto, imágenes y videos, de manera eficiente. -
Bases de Datos de Texto Complejo
Se diseñan bases de datos para gestionar y analizar texto complejo, como documentos legales, informes científicos y contenido web, utilizando técnicas de procesamiento de lenguaje natural (NLP). -
Gestión de Datos en Tiempo Real
Se enfatiza la importancia de gestionar datos en tiempo real para aplicaciones que requieren respuestas instantáneas, como sistemas de monitoreo y análisis de datos en tiempo real. -
Bases de Datos en Contenedores
Se adopta el uso de contenedores para desplegar bases de datos de manera más eficiente y escalable, facilitando la gestión y la implementación. -
Privacidad y Seguridad de Datos
Se incrementa la atención en la privacidad y seguridad de datos, con regulaciones como GDPR y el desarrollo de tecnologías para proteger la información sensible. -
Bases de Datos Serverless
Aparecen bases de datos serverless, donde los usuarios solo pagan por el uso que hacen de la base de datos, sin preocuparse por la gestión de servidores. -
Bases de Datos Híbridas
Surgen sistemas de bases de datos híbridas que combinan características de bases de datos relacionales y NoSQL, ofreciendo flexibilidad y rendimiento para diferentes tipos de datos y cargas de trabajo. -
Bases de Datos Autónomas
Surgen las bases de datos autónomas, que utilizan inteligencia artificial para optimizar su rendimiento, seguridad y disponibilidad de forma automática. -
Integración de Bases de Datos y Aprendizaje Automático
Se integran capacidades de aprendizaje automático en sistemas de bases de datos para análisis predictivo, recomendaciones personalizadas y optimización de consultas. -
Edge Computing y Bases de Datos
Con el aumento de dispositivos conectados, se desarrollan bases de datos optimizadas para el edge computing, permitiendo el procesamiento de datos cerca de su origen. -
Bases de Datos Quantum (en desarrollo....)
Se investiga el uso de tecnología cuántica en bases de datos para procesamiento y almacenamiento ultrarrápidos y seguros. -
Blockchain para Gestión de Datos (en desarrollo......)
Se exploran aplicaciones de blockchain más allá de las transacciones financieras, incluyendo la gestión de datos de manera descentralizada y segura. -
Bases de Datos sin Servidor Escalables (en desarrollo....)
Se trabaja en bases de datos sin servidor altamente escalables y flexibles, adaptadas a cargas de trabajo dinámicas y variables. -
Integración de Bases de Datos y Realidad Aumentada (en desarrollo....)
Se investiga la integración de bases de datos con tecnologías de realidad aumentada para aplicaciones en campos como la educación y la industria. -
Bases de Datos Cuánticas (en investigación.....)
Se investiga el uso de tecnología cuántica en bases de datos para realizar cálculos y búsquedas a velocidades exponencialmente más rápidas que los sistemas clásicos, aún en una etapa experimental.