Bases de Datos 2025: Retrospectiva Técnica

La retrospectiva de Andy Pavlo (CMU) documenta las transformaciones estructurales del ecosistema de bases de datos durante 2025. El análisis revela que PostgreSQL superó el 60% de adopción en proyectos nuevos, desplazando a MySQL en la mayoría de verticals. El punto de inflexión fue la madurez de extensiones como pg_citus para escalabilidad horizontal y pgvector para IA.

Cambios de Paradigma

• Consistencia vs Disponibilidad: El retorno a consistencia fuerte con algoritmos como Raft optimizados
• HTAP Híbrido: Sistemas que unen OLTP y OLTP sin ETLs complejos
• Hardware-Software Co-diseño: Aprovechamiento de NVMe y ARM en diseños de almacenamiento

El reporte destaca que MongoDB redefinió su posicionamiento: ya no es solo 'NoSQL', sino un sistema transaccional con capacidades analíticas. Las métricas de Pavlo muestran que MongoDB 7.0 mejoró 3x el rendimiento en consultas de agregación complejas.

Fuente: Databases in 2025: A Year in Review

• PostgreSQL lidera con 60%+ adopción en proyectos nuevos
• MongoDB 7.0 mejoró 3x agregaciones complejas
• HTAP elimina necesidad de ETLs separados
• Consistencia fuerte vuelve a ser prioritaria

La arquitectura de bases de datos en 2025 se centra en tres pilares: replicación optimizada, procesamiento híbrido, y almacenamiento columnar integrado.

Replicación y Consistencia

PostgreSQL adoptó raft-based replication en extensiones como pg_auto_failover. El mecanismo funciona así:

Nodo Primario → Log WAL → Replica Síncrona → Replica Asíncrona ↓ (ack solo con 2/3 nodos) Commit confirmado

Esto garantiza RPO=0 y RTO<30s sin comprometer rendimiento.

HTAP: Columnar + Row Store

Sistemas como TiDB y PostgreSQL con cstore_fdw implementan:

1. Row Store: Transacciones ACID con índices B+Tree
2. Column Store: Escaneo vectorizado para analíticas
3. Sincronización Bidireccional: En segundos, no horas

MongoDB 7.0 introdujo Time Series Collections con compresión automática (10:1) y Materialized Views incrementales que se actualizan en background.

Fuente: Databases in 2025: A Year in Review

• Raft-based replication en PostgreSQL (RPO=0)
• HTAP: Row + Column store en mismo sistema
• MongoDB Time Series: compresión 10:1 automática
• Sincronización bidireccional en segundos

El impacto empresarial es cuantificable: las empresas que migraron a arquitecturas HTAP reportaron reducción de costos de infraestructura en 40-60% al eliminar silos de datos y ETLs nocturnos. El caso de una fintech española citado por Pavlo mostró que al unificar PostgreSQL para transacciones y analítica en un solo cluster, redujeron la latencia de reporting de 4 horas a 15 segundos.

Casos de Uso Específicos

• E-commerce: PostgreSQL con pgvector para recomendaciones en tiempo real (búsqueda híbrida SQL + embeddings)
• IoT Industrial: MongoDB Time Series para métricas de sensores con retención de 2 años y consultas de agregación en caliente
• Fintech: Consistencia fuerte con Raft para transacciones + analítica inmediata para fraude

Métricas de ROI

• Reducción de latencia: 70% en dashboards operativos
• Menor complejidad: 50% menos tuberías de datos
• Escalabilidad: Crecimiento lineal con sharding automático

Fuente: Databases in 2025: A Year in Review

• Reducción de costos 40-60% con HTAP
• Latencia de reporting: de 4 horas a 15 segundos
• Sharding automático para crecimiento lineal
• 50% menos complejidad en pipelines de datos

La decisión de arquitectura debe basarse en cargas de trabajo mixtas y SLA de consistencia.

Recomendaciones por Escenario

✅ Usa PostgreSQL cuando:

• Necesitas consistencia fuerte ACID completa
• Cargas mixtas OLTP + OLAP ligero
• Extensiones como PostGIS, pgvector son críticas
• Equipo conoce SQL estándar

✅ Usa MongoDB cuando:

• Esquemas flexibles o en evolución rápida
• Alta escritura con lecturas eventualmente consistentes
• Series de tiempo o datos jerárquicos
• Necesitas horizontal scaling sin complejidad

❌ Evita HTAP si:

• Cargas analíticas masivas (>TB/día) requieren data warehouse especializado
• Necesitas consultas ad-hoc complejas con joins multi-table

Checklist de Implementación

1. Benchmark real: Usa pgbench y sysbench con tu workload
2. Monitoreo: Implementa pg_stat_statements y MongoDB Atlas Profiler
3. Backup: Prueba PITR (Point-in-Time Recovery) en staging
4. Escalabilidad: Prueba sharding con 2x carga proyectada

Fuente: Databases in 2025: A Year in Review

• PostgreSQL: consistencia fuerte y SQL estándar
• MongoDB: flexibilidad y escalamiento horizontal
• Benchmark obligatorio antes de producción
• Prueba PITR y sharding en staging

Pavlo identifica tres vectores de evolución para 2026-2027: Vector Databases nativas, Serverless OLTP, y Hardware-Software Co-diseño.

Tendencias Clave

1. Vector Databases Integradas

El pgvector fue el plugin más descargado de PostgreSQL en 2025. Las bases de datos relacionales están integrando búsqueda vectorial HNSW nativamente, eliminando la necesidad de sistemas separados como Pinecone para RAG (Retrieval-Augmented Generation).

2. Serverless OLTP

Aurora Serverless v2 y similares logran cold start <50ms mediante snapshots de memoria compartida. Esto permite escalar a cero sin penalización de latencia.

3. Co-diseño con Hardware

NVMe-over-Fabrics y ARM Neoverse están cambiando diseños de almacenamiento. Los índices B+Tree tradicionales se están reemplazando por LSM Trees optimizados para SSD con compresión en hardware.

Recomendaciones Estratégicas

• Evalúa pgvector antes de añadir una BD vectorial separada
• Prueba serverless en cargas con picos impredecibles
• Considera ARM-based instances para 30% ahorro de costos

Fuente: Databases in 2025: A Year in Review

• Vector search nativo en PostgreSQL (pgvector)
• Serverless OLTP: cold start <50ms
• LSM Trees optimizados para NVMe
• ARM instances: 30% ahorro de costos