Guida · Database
Database: la guida completa
Progetto e insegno database da anni, all’università e nei progetti con aziende ed enti. In questa guida ho raccolto tutti gli articoli del blog: dalla progettazione del modello dati a SQL, MongoDB, Elasticsearch, database a grafo e vettoriali.
Da dove partire
Tre letture per scegliere e progettare bene
Progettazione Database: Perché il 73% dei Progetti IT Fallisce Prima ancora di Iniziare
Perché tanti progetti falliscono già nella fase di progettazione, e come evitarlo partendo dal modello dati.
SELECT: struttura di una query semplice
Il primo passo del corso SQL: come è fatta una query. Da qui puoi seguire tutta la serie in ordine.
Che cos’è un database vettoriale?
Cos’è un database vettoriale e perché è diventato il cuore delle applicazioni di intelligenza artificiale.
Progettare e scegliere il database
Relazionale, documentale, a grafo o no-code: la scelta dipende da come i dati vengono letti e scritti. Qui trovi i criteri e gli strumenti per partire bene.
SQL dalle basi alle query avanzate
Un corso completo in articoli, da seguire in ordine: creazione del database, transazioni, SELECT, JOIN, sottoquery, CTE e trigger.
- SQL: creazione di un database
- SQL: transazioni e manipolazione dei dati
- SELECT: struttura di una query semplice
- SELECT: query con JOIN e GROUP BY
- SELECT: operatore IN
- SELECT: operatore NOT IN e costruttore di tupla
- SELECT: operatori insiemistici
- SQL: tabelle derivate
- SQL: CTE
- SQL: correlazione
- SQL: CTE ricorsive
- SQL: trigger in Oracle
MongoDB
Il database documentale che uso di più nei progetti: ambiente cloud, Compass, aggregation pipeline, replica set e design pattern per le applicazioni AI.
- MongoDB Atlas – creazione di un ambiente cloud per esercitarsi
- MongoDB Compass – interrogare e analizzare in modo semplice un database NoSQL
- MongoDB Compass – estrarre statistiche mediante l’aggregation pipeline
- Teoria dei replica set di MongoDB
- MongoDB e Docker – Come creare e configurare un replica set
- MongoDB 5: le nuove caratteristiche
- MongoDB 6.0: nuove funzionalità per migliorare le applicazioni
- MongoDB Design Patterns: Fondamenti per AI Applications 2026 (Parte 1 di 2)
- MongoDB Design Patterns: Strategie Avanzate per AI Applications 2026 (Parte 2 di 2)
Elasticsearch ed ELK Stack
Ricerca full-text, query, aggregazioni e dashboard con Kibana: una serie completa per capire quando e come usare lo stack ELK.
- ELK Stack: cos’è e a cosa serve
- A cosa serve Kibana?
- Kibana: esploriamo i dati
- Kibana: costruire la propria dashboard
- ElasticSearch 8: novità della nuova versione
- Elasticsearch: uso delle match query
- Elasticsearch: uso delle term query
- Elasticsearch: query compound
- Elasticsearch: join e query bonus
- Elasticsearch: le tipologie di aggregazione
- Elasticsearch: aggregazioni metriche
- Elasticsearch: aggregazioni a bucket [parte 1]
- Elasticsearch: aggregazioni a bucket [parte 2]
- Elasticsearch: pipeline di aggregazione
- ElasticSearch: capire come e quando utilizzarlo
Database a grafo e vettoriali
Quando le relazioni sono il dato serve un grafo; quando serve cercare per significato, un database vettoriale. Due tecnologie centrali per l’AI.
- Neo4j: guida all’uso di un database a grafo
- Neo4j: quando le relazioni sono il dato, non il contorno
- Che cos’è un database vettoriale?
- Vector Database 2026: Pinecone vs Weaviate vs Qdrant – Guida Completa alla Scelta e Deployment
- Deployment Production Vector Database 2026: Best Practices, Monitoring e Ottimizzazione Costi
Dati in tempo reale e dati spaziali
Streaming con Kafka, database real-time e dati geografici: gli scenari in cui il database tradizionale non basta.
- Apache Kafka Parte 1: stream processing e perché cambia tutto
- Apache Kafka Parte 2: event-driven, Kafka Streams e Connect
- Firebase: come integrare un database real-time in Python
- PostGIS: introduzione al database spaziale
- HBIM: Ricostruzioni 3D degli edifici antichi
Trovi tutti gli articoli, anche i più recenti, nella categoria Database del blog. Se vuoi approfondire con un corso, guarda la formazione su MongoDB ed Elasticsearch.
Quando serve un aiuto
Hai un database che ti rallenta?
Analizzo come vengono letti e scritti i dati, riprogetto il modello e accompagno migrazione e ottimizzazione su MongoDB, PostgreSQL, Neo4j ed Elasticsearch, con documentazione e passaggio di consegne al tuo team.
Domande frequenti
Meglio un database relazionale o NoSQL?
Dipende da come la tua applicazione legge e scrive i dati. Il relazionale resta la scelta giusta per dati molto strutturati e transazioni complesse; MongoDB è più adatto a dati con struttura variabile e letture per documento. Nell’articolo sulla progettazione trovi i criteri.
Da dove parto per imparare SQL?
Segui la serie SQL in ordine, dalla creazione del database fino alle CTE ricorsive. Ogni articolo ha esempi da provare.
Quando serve un database vettoriale?
Quando devi cercare per significato e non per parole esatte, per esempio in un chatbot RAG sui documenti aziendali. Gli articoli sui database vettoriali confrontano Pinecone, Weaviate e Qdrant.
Fai anche formazione sui database?
Sì: corsi su SQL, MongoDB ed Elasticsearch per team aziendali, in presenza o online. Trovi i dettagli nella pagina Formazione.
Devi progettare o migrare un database?
Parti da un audit: in pochi giorni sai cosa sistemare, in che ordine e con quale costo.