什么是數(shù)據(jù)庫(kù)？

數(shù)據(jù)庫(kù)是近幾年來(lái)最火熱的基礎(chǔ)軟件領(lǐng)域了，無(wú)論是開(kāi)發(fā)者，創(chuàng)業(yè)者，投資者，愛(ài)好者，投身于數(shù)據(jù)庫(kù)及相關(guān)領(lǐng)域的人越來(lái)越多。

數(shù)據(jù)庫(kù)無(wú)處不在，應(yīng)用在各個(gè)行業(yè)領(lǐng)域和方向，并且承擔(dān)了十分重要的作用，在如今這個(gè)數(shù)據(jù)爆炸的時(shí)代，各種各樣的數(shù)據(jù)量呈指數(shù)級(jí)上漲，數(shù)據(jù)的安全性、可靠性、存儲(chǔ)性能等都有了更高的要求，這也造就了數(shù)據(jù)庫(kù)以及相關(guān)領(lǐng)域的繁榮。

什么是數(shù)據(jù)庫(kù)？數(shù)據(jù)庫(kù)（database）可以簡(jiǎn)單的認(rèn)為是一個(gè)數(shù)據(jù)集合，這些數(shù)據(jù)互相關(guān)聯(lián)，映射了真實(shí)世界的一些數(shù)據(jù)模型，例如一個(gè)班級(jí)（class）里的學(xué)生（student），學(xué)生會(huì)選課（student-lesson），老師會(huì)上課（teacher-lesson），學(xué)生會(huì)有考試成績(jī)（student-grade），它們相互關(guān)聯(lián)相互影響。

在數(shù)據(jù)庫(kù)的上層，有提供給用戶(hù)查詢(xún)數(shù)據(jù)的語(yǔ)言，最常見(jiàn)的即 SQL（Structured Query Language），這門(mén)課程主要專(zhuān)注于如何實(shí)現(xiàn)一個(gè)功能完備的數(shù)據(jù)庫(kù)系統(tǒng)，而不是教我們?nèi)绾问褂靡粋€(gè)數(shù)據(jù)庫(kù)。

設(shè)計(jì)要點(diǎn)

讓我們先忘記 MySQL、PostgreSQL、Oracle 這些知名的數(shù)據(jù)庫(kù)系統(tǒng)，來(lái)看看如果是我們自己設(shè)計(jì)一個(gè)數(shù)據(jù)庫(kù)系統(tǒng)，應(yīng)該怎么做，需要考慮和權(quán)衡哪些因素。

最直觀的想法，可以將數(shù)據(jù)存儲(chǔ)到一個(gè) CSV 文件當(dāng)中，文件中的每一行就是一條記錄，每個(gè)文件中存儲(chǔ)的是同一類(lèi)數(shù)據(jù)，例如我們有兩類(lèi)數(shù)據(jù)，歌手（artist） 和 唱片（album），artist 的數(shù)據(jù)有三個(gè)屬性，分別是歌手的名字、出生年、國(guó)家，album 的數(shù)據(jù)也有三個(gè)屬性，唱片名字、屬于哪個(gè)歌手、發(fā)行年份，數(shù)據(jù)存儲(chǔ)如下所示：

如果我們需要訪問(wèn)這個(gè)數(shù)據(jù)庫(kù)，我們只能加載并解析這個(gè)文件，然后逐行尋找所需要的行。

這樣的實(shí)現(xiàn)存在什么問(wèn)題呢？簡(jiǎn)單總結(jié)大致如下：

數(shù)據(jù)控制訪問(wèn)：

• 如果 album 的 year 字段數(shù)據(jù)被無(wú)效的字符串覆蓋了？?如果一條 album 的數(shù)據(jù)需要對(duì)應(yīng)多個(gè) artist 數(shù)據(jù)？?刪除一條 album 中的數(shù)據(jù)會(huì)怎么樣？

實(shí)現(xiàn)細(xì)節(jié)：

• 怎么查找到一條記錄？?如果有多個(gè)線程在同一時(shí)刻向文件中寫(xiě)入數(shù)據(jù)？

持久性：

• 如果更新一條數(shù)據(jù)的時(shí)候機(jī)器崩潰了？?怎樣把數(shù)據(jù)復(fù)制到多臺(tái)機(jī)器上以獲得高可用特性？

這些問(wèn)題都是數(shù)據(jù)庫(kù)需要解決的，一個(gè)功能完備的數(shù)據(jù)庫(kù)系統(tǒng)需要屏蔽掉所有的細(xì)節(jié)，讓用戶(hù)能夠安心存儲(chǔ)數(shù)據(jù)、查詢(xún)數(shù)據(jù)，并且不擔(dān)心數(shù)據(jù)丟失等安全問(wèn)題。

Relational Model

1970 年代，數(shù)據(jù)存儲(chǔ)并沒(méi)有統(tǒng)一的概念和實(shí)現(xiàn)，每個(gè)應(yīng)用都需要自己去實(shí)現(xiàn)一套數(shù)據(jù)存儲(chǔ)的方案，這非常不利于應(yīng)用和程序的移植。于是 Ted Codd 在 1970 年提出了關(guān)系模型（relational model）的概念，主要有以下三個(gè)關(guān)鍵點(diǎn)：

• 數(shù)據(jù)存儲(chǔ)在簡(jiǎn)單的數(shù)據(jù)結(jié)構(gòu)中
• 能夠通過(guò)高級(jí)語(yǔ)言訪問(wèn)數(shù)據(jù)庫(kù)
• 物理存儲(chǔ)的細(xì)節(jié)交給數(shù)據(jù)庫(kù)管理系統(tǒng)實(shí)現(xiàn)

數(shù)據(jù)模型（data model）指的是描述數(shù)據(jù)庫(kù)中數(shù)據(jù)的概念集合，常見(jiàn)的數(shù)據(jù)模型有以下幾種：

• Relational
• Key/Value
• Graph
• Document
• Column-family
• Array / Matrix
• Hierarchical
• Network

其中 relational 是最常見(jiàn)、應(yīng)用最廣泛的關(guān)系模型，大多數(shù)常見(jiàn)的數(shù)據(jù)庫(kù)系統(tǒng)例如 MySQL、PostgreSQL、Oracle 都是關(guān)系模型；K/V、Graph、Document、Column Family 屬于 NoSQL 類(lèi)型，例如 rocksdb、neo4j、MongoDB、Redis；Array/Matrix 常用于機(jī)器學(xué)習(xí)領(lǐng)域，例如 TileDB；Hierarchical 和 Network 分別代表層次和網(wǎng)狀模型，是很古老的數(shù)據(jù)模型了，目前已經(jīng)過(guò)時(shí)。

relational model 主要有三個(gè)關(guān)鍵的點(diǎn)：

• structure：定義關(guān)系（relation）的結(jié)構(gòu)、屬性
• integrity：保證數(shù)據(jù)庫(kù)的數(shù)據(jù)符合預(yù)期的限制，例如一些字段的數(shù)據(jù)類(lèi)型限制
• manipulation：怎樣去訪問(wèn)和修改數(shù)據(jù)庫(kù)中的數(shù)據(jù)

其中 relation 可以認(rèn)為是一張表，一個(gè) tuple 是一個(gè)元組，表示一個(gè)表中的一條記錄。

一個(gè) relation 通常有一個(gè)主鍵（primary key），標(biāo)識(shí)一個(gè)唯一的 tuple，大多數(shù)的數(shù)據(jù)庫(kù)會(huì)自動(dòng)創(chuàng)建一個(gè)內(nèi)置的主鍵，如果用戶(hù)沒(méi)有指定主鍵的話(huà)。relation 的外鍵（foreign key）通常標(biāo)識(shí)一個(gè) relation 映射到另一個(gè) relation 的 tuple。

這節(jié)課主要講述了數(shù)據(jù)庫(kù)需要解決的問(wèn)題，以及一些設(shè)計(jì)的要點(diǎn)，然后了解了常見(jiàn)的幾種數(shù)據(jù)模型，本課程主要專(zhuān)注于關(guān)系型數(shù)據(jù)模型，下節(jié)課將會(huì)了解下數(shù)據(jù)庫(kù)的操作語(yǔ)言—SQL 的基礎(chǔ)知識(shí)。