DMS su database schemaless, il progetto HDOC

Il numero estremamente elevato di utenti dei social network ed il processo di decentramento di generazione dei contenuti hanno portato ad un aumento esponenziale della quantità di dati trattati.
Lo stesso discorso vale anche per i motori di ricerca che, come i social network, devono gestire dataset di grandissime dimensioni e parallelamente garantire elevate prestazioni. Quest'ultima classe di applicazioni inoltre, deve trattare dati (le pagine web) molto eterogenei tra loro che risultano non facili da conservare in basi di dati strutturate.
Tutto ciò ha spinto le aziende interessate a ricercare nuovi sistemi di persistenza che garantissero estrema scalabilità, flessibilità nella gestione dello schema e alte prestazioni superando la tradizionale architettura basata su database relazionali.
Così dalla ricerca intrapresa da aziende come Facebook, Twitter, Digg, LinkedIn, Google, Amazon e Yahoo è nata una nuova classe di database, identificata con il nome NoSQL, le cui caratteristiche principali sono : scalabilità orizzontale, schema-free, architettura distribuita, eventually consistence e high performance.
Tuttavia, questi nuovi sistemi di persistenza, ideati nell'ambito di grandi aziende ed organizzazioni, non sono solo destinati a risolvere i problemi dei grandi motori di ricerca e dei grandi portali di social network. I problemi emersi da questa analisi, identificati in informatica nel termine “Big Data”, chiamano in causa anche piccole e medie organizzazioni e contesti applicativi differenti.
Entrano a pieno titolo in questa trattazione, infatti, anche i Document Management System (DMS), che similmente ai contesti applicativi precedenti, devono trattare grandi quantità di contenuti, di tipi e formati diversi. I DMS, nati nel 1980, forniscono tutte quelle funzionalità necessarie per l'archiviazione, la manipolazione, la pubblicazione e la ricerca di documenti.
In questi ultimi anni si sta assistendo anche alla nascita di nuovi modelli di distribuzione e consumo del software, identificati con l'acronimo Saas (Software as a Service), che forniscono accesso al software via web on demand, abbattendo i costi di acquisto della licenza.
Questa nuova modalità presenta spesso un modello di distribuzione del sistema di tipo one-to-many in cui una singola istanza applicativa “serve” molti utenti e organizzazioni differenti (multi-tenant).
La modalità di distribuzione Saas pertanto, lancia nuove sfide nel campo dei DMS e accentua ancora di più i problemi dovuti all'aumento dei dati, degli utenti ed ai sempre più stringenti requisiti di SLA (Service Level Agreement).
Per tutte queste ragioni i DMS dovranno innovare la propria architettura per affrontare le nuove sfide. Si dovranno sviluppare DMS basati su architetture altamente scalabili e cloud-based che possano rispondere facilmente ad una richiesta sempre

Per fare ciò nel contesto dei DMS di grandi dimensioni risulta conveniente utilizzare sistemi di persistenza NoSQL al posto dei database relazionali. Questi database, infatti, presentano un data model congeniale all'ambito documentale, che è intrinsecamente semi-strutturato. I database NoSQL inoltre offrono nativamente un set di funzionalità che risulterebbe complicato e dispendioso sviluppare usando un database relazionale.
E' alla luce di queste considerazioni che si colloca il presente lavoro di tesi.
L'obiettivo perseguito è quello di progettare ed implementare un prototipo di DMS in Java utilizzando un sistema di persistenza schemaless NoSQL