-
Los datos se almacenaban en archivos de texto o tarjetas perforadas. No había sistemas de gestión ni estructuras formales.
-
Datos guardados en archivos simples sin gestión ni estructura formal. -
IBM crea el Information Management System (IMS) para gestionar grandes volúmenes de datos en estructuras jerárquicas.
-
IBM desarrolla IMS para administrar grandes datos en estructuras jerárquicas. -
Se desarrolla el modelo de red para permitir relaciones más flexibles entre los datos que el modelo jerárquico.
-
Se desarrolla el modelo de red para permitir relaciones más flexibles entre los datos que el modelo jerárquico. -
Edgar F. Codd publica el modelo relacional, que revoluciona el campo al organizar los datos en tablas, y define las reglas para los sistemas relacionales.
-
Codd introduce el modelo relacional, organizando datos en tablas revolucionarias. -
IBM desarrolla SEQUEL (Structured English Query Language), el precursor del lenguaje SQL.
-
IBM crea SEQUEL, precursor fundamental del actual lenguaje SQL. -
Peter Chen propone el modelo ER, una herramienta conceptual para el diseño de bases de datos que se enfoca en entidades y sus relaciones.
-
Peter Chen crea el modelo ER para diseñar bases relacionales. -
Oracle crea la primera base de datos comercial basada en SQL. -
Se crearon dos de los principales prototipos; Ingres, (UBC), y del sistema de R (IBM).
Ingres utiliza un lenguaje de consulta QUEL, y condujo a la creación de sistemas como Ingres Corporación, MS SQL Server, Sybase, PACE Wang, etc. Y el Sistema R utiliza el lenguaje de consulta secuela, y que ha contribuido al desarrollo de SQL / DS, DB2, Allbase, Oracle y SQL Non-Stop. -
Empresas como IBM, Microsoft, Sybase y Oracle expanden el uso de bases de datos relacionales.
Aparecen las primeras bases de datos que representan los datos como objetos, similares a la programación orientada a objetos. -
Grandes empresas impulsan bases relacionales y surgen bases orientadas a objetos. -
Se lanza el primer producto de la base de datos relacional Oracle, que se convertirá en uno de los principales actores de la industria. IBM lanza DB2, uno de los primeros SGBD relacionales comerciales.
-
Oracle y IBM lanzan pioneras bases de datos relacionales comerciales. -
Surgen bases que integran objetos y almacenamiento de datos eficientes. -
Se introducen bases que combinan programación orientada a objetos con almacenamiento de datos.
-
Microsoft democratiza bases de datos y se estandariza SQL internacionalmente. -
Microsoft lanza Access y Excel, haciendo que las bases de datos sean accesibles para un público más amplio y no solo para grandes corporaciones. Se publica una versión estandarizada de SQL por ANSI e ISO.
-
La expansión de Internet impulsa bases de datos conectadas a sitios web (por ejemplo, MySQL, PostgreSQL). La compañía CERN puso el software de la World Wide Web en el dominio público, a través de este software se facilita la consulta a bases de datos
-
Internet impulsa bases de datos web como MySQL y PostgreSQL. -
Se popularizan las bases de datos XML para almacenar y procesar datos semiestructurados y estandarizados. Permiten manejar datos no totalmente estructurados mediante XML.
-
Se popularizan bases XML para gestionar datos semiestructurados estandarizados. -
Surgen alternativas a los RDBMS tradicionales, orientadas a documentos, columnas, grafos y claves-valor (MongoDB, Cassandra, etc.).
-
Nacen bases NoSQL orientadas a documentos, columnas, grafos y claves-valor. -
Surgen servicios en la nube para almacenar y gestionar datos. -
Servicios como Amazon RDS y Google Cloud SQL marcan el inicio del almacenamiento de datos como servicio. Existe la versatilidad de combinar el standar SQL con la accesibilidad que proporciona el Internet y se desarrolla MySQL
-
Hadoop y Spark gestionan grandes volúmenes de datos distribuidos eficientemente. -
Se popularizan sistemas como Hadoop y Spark para manejar grandes volúmenes de datos distribuidos. Las bases de datos XML (Extensible Markup Language) forman un subconjunto de bases de datos utilizando el lenguaje XML, que es abierto, legible para humanos y maquinas, ampliamente usado.
-
Combinan la consistencia del modelo relacional con el rendimiento de NoSQL (ej.: Google Spanner).
-
NewSQL une consistencia relacional con alto rendimiento de NoSQL. -
Soportan múltiples modelos (documento, grafo, relacional) en un mismo motor (ej.: ArangoDB, OrientDB).
-
Bases multimodelo integran documento, grafo y relacional en un sistema. -
Se optimizan bases para integrarse con machine learning y análisis predictivo.
-
Bases se adaptan para integrarse con aprendizaje automático y análisis. -
Sistemas como Oracle Autonomous Database usan IA para autogestionar, optimizar y proteger datos sin intervención humana.
-
Bases autónomas con IA gestionan, optimizan y protegen datos automáticamente.