-
Charles bachman
1962: Charles Bachman crea el modelo de base de datos en red, que más tarde se normaliza en el estándar CODASYL. -
Inicios de la base de datos
1960: IBM desarrolla el primer sistema de almacenamiento de datos, conocido como IMS (Information Management System), diseñado para gestionar grandes volúmenes de información jerárquica -
Aparición de las bases de datos relacionales
1970: Edgar F. Codd publica su artículo seminal sobre el modelo relacional, introduciendo conceptos como tuplas, relaciones y el uso de un lenguaje declarativo para gestionar datos. -
SQL
1974: Se desarrolla SEQUEL (Structured English Query Language), precursor del actual SQL, en los laboratorios de IBM. -
Entidad relacional
1976: Peter Chen propone el modelo Entidad-Relación (ER), utilizado para diseñar bases de datos. -
Comercialización y popularización
1980: IBM lanza System R, el primer sistema de base de datos relacional funcional. -
Oracle data base
1981: Oracle lanza su primer sistema comercial de bases de datos relacional, Oracle Data base. -
ISO
1986: SQL es adoptado como estándar por ANSI e ISO, consolidándose como el lenguaje principal para gestionar bases de datos. -
Base de datos orientadas a objetos
1988: Surgen las bases de datos orientadas a objetos, buscando combinar conceptos de bases de datos y programación orientada a objetos. -
Expansión de Internet y bases de datos distribuidas
Aparecen bases de datos relacionales ligeras como MySQL y PostgreSQL, ideales para la web emergente. -
Base de datos no SQL
1997: Nacen las bases de datos NoSQL como respuesta a las necesidades de escalabilidad de grandes empresas (ej. Amazon crea Dynamo). -
XML
1999: Se introduce XML, influyendo en las bases de datos orientadas a documentos. -
Big data
2004: Google lanza el modelo de procesamiento masivo de datos conocido como MapReduce, base para tecnologías como Hadoop. -
Mongo DB
2007: Aparecen bases de datos NoSQL populares como Casandra (de Facebook) y MongoDB. -
Hbase
2008: Apache lanza HBase, basado en BigTable de Google, para grandes volúmenes de datos. -
Nube e Inteligencia Artificial
2010: Se popularizan los servicios de bases de datos en la nube como Amazon RDS y Google Cloud SQL. -
Spark
2014: Apache lanza Spark, para análisis rápido de grandes volúmenes de datos. -
Neoj4
2017: Las bases de datos gráficas como Neo4j ganan protagonismo, especialmente en análisis de redes y datos interconectados. -
Base de datos autonomas
2020: Oracle introduce bases de datos autónomas, capaces de autogestionarse usando inteligencia artificial. -
Base de datos autonomas
Adopción masiva de bases de datos autónomas, que realizan tareas como ajustes de rendimiento, seguridad y escalado sin intervención humana, aprovechando IA avanzada.