Visst, relationsdatabaser handlar väl mest om Oracle och Microsofts Sql Server. Annars verkar den mesta av innovationskraften i databasvärlden fokuseras på nosql-databaser. Men det finns noterbara undantag.

Ett sådant är CockroachDB, alltså ”kackerlacksdatabas”. Namnet är väl valt. Likväl som det sägs att kackerlackor till och med ska överleva kärnvapenkrig (det finns forskning som indikerar det), så ska CockroachDB vara driftssäker även när katastrofer inträffar.

Läs också: Grafdatabas bäddar för bättre datahantering hos Hästens

Leverantören Cockroach Labs berättade för omvärlden om sin databas redan 2014 och nu har den kommit till betastadiet. Fokus för den distribuerade databasen ligger på skalbarhet, stabil drift och konsistens vad gäller data. Målen ska bland annat uppnås med automatisk balansering mellan olika datacenter där CockroachDB körs. Enligt Cockroach Labs erbjuder man ”den mest kraftfulla återställningen från katastrofer i branschen”.

Älskare av relationsdatabaser ifrågasätter kanske om CockroachDB verkligen är en sådan. Den är baserad på Googles Spanner som benämns med epitetet NewSQL. Att betaversionen av CockroachDB till och med saknar stöd för joins, alltså att koppla samman tabeller i sql-frågor är naturligtvis en stor miss i sammanhanget. Men det finns planer på att inkludera joins tills det är dags för en skarp version.

Det bör dock inte vara några problem att köra en enkel Select-sats.

En annan nyhet är MapD från MapD Technologies som lanserades i onsdags. Det är en databas som också beskrivs som en plattform för dataanalys. Det främsta säljargumentet är bra prestanda, tack vare användning av grafikprocessorer för att snabba på databasfrågor.

Läs också: Drömmen om det universella databasspråket är död. Sql får fler och fler konkurrenter.

Databasfrågor körs parallellt på upp till åtta grafikprocessorer per fysisk server. Videominnet för varje grafikprocessor används som ett höghastighetscache. Hemligheten bakom prestanda ska vara den mycket höga bandbredden för grafikprocessorer. Och att videominne används som cache innebär att mindre data överhuvudtaget ska behöva flyttas runt, vilket sparar tid.

Som exempel på prestanda anges att vanliga frågor mot ett dataset med 1,2 miljarder rader körs på mindre än sekund. Det jämför MapD-folket med att det ska ta flera sekunder med, ej namngivna, minnesdatabaser eller med ett Hadoopkluster med tio noder.

Det här är väldigt starka påståenden som naturligtvis behöver undersökas närmare. Men om det ligger någon sanning i dem så lär det vara värt att titta närmare på MapD om man har behov av benknäckarprestanda för databasfrågor.