0. 内容说明

CMU 15-445/645 Intro to Database Systems（Fall 2019版）系列课程的学习笔记。

• Slides: Index of /fall2019/slides
• Notes: 15445.courses.cs.cmu.edu/fall2019/no…

另：文中图片，如无特殊说明，均截图自课程slides。侵删。

1. Database

• Databases are the core component of most computer applications.

如果没有数据库，我们把数据存放在文件中（例如csv），带来的问题有：

• 每次取数据，需要根据要求，对文件进行解析

• 数据完整性上：

  • 一个文件引用另一个文件中的值时（外键），确保引用的值是正确的；
  • 对某些值域有要求的属性（如年份），输入的值要求是有效的；

• 实现上：

  • 如何找到特定的记录
  • 并发写问题如何解决
  • 如何让一个新的应用使用相同的数据库

• 耐用性（durability）：

  • 数据更新时，机器故障怎么办
  • 数据库在多台机器上存放副本时，如何实现高可用

2. Data model

2.1 Model & Schema

• 数据模型：用于描述数据库的一组概念，包括数据结构（对数据的静态特征描述）、数据操作（对数据的动态特征描述）以及完整性约束；

• 数据模式：使用一个给定的数据模型，对一组特定的数据集合的描述

  • 外模式：用户的数据视图，概念模式给出了全局视图，外模式给出每个用户的某个局部视图；用户只关心和他有关的局部视图；
  • 概念模式（逻辑模式、模式），对数据库中全局数据逻辑结构的描述，是整个应用（全体用户）的公共视图；
  • 内模式（存储模式、物理模式），顾名思义，给出了数据库物理存储结构和物理存取的方法的描述（包括文件结构、索引、存取方式和路径等）；

2.2 Data models

• relational：Ted Codd于1970年提出；

NOSQL

• key/value
• graph
• document
• column-family

MACHINE LEARNING

• array/matrix

3. Relational Model

• 结构：关系和内容的定义
• 完整性约束：确保数据库中存储的内容符合约束
• 操作：访问和修改数据库内容的方法

3.1 Basic concepts

Relation, tuple, primary key, foreign key, DML

relation

有n列的表 = n-ary关系

DML (data manipulation languages)

关系代数：给定了DBMS可用于查询特定结果的具体策略（操作次序）

关系表达式：只描述了需要的数据（what），不给出如何操作（how）

关系代数和描述性语言的区别。

3.2 关系代数

• product：笛卡尔积，相当于cross join，是两个表的完全相乘。会产生所有可能的连接。
• join：自然连接，相当于natural join，只在有列的值相同的时候才产生连接，并且在产生的结果中会去掉等值的列（普通的等值连接不会删除列）；

4. 总结

数据库的出现，是为了解决从文件中存储和读取数据的种种不方便问题（文件解析、数据的相关约束等）；

为了对数据库进行方便的操作和管理，就有了数据库管理系统（DBMS）；

数据库作为一个对数据进行管理的概念，可以有很多具体的设计思路，这就是不同的数据模型。我们常用的是关系型数据库（Mysql是基于关系型数据库这一模型而实现的一个数据库管理系统，其他如sql server，ibm db2等也都是同类概念），也就是所谓的“二维表格”；

其他的数据模型可以统称为非关系型数据库（nosql），这就包含很多种类型，包括按键值对形式存储的（redis）、列族存储的（hbase），按文档存储的（MongoDB），图数据库（Neo4j）等等。它们都是数据库，但是都基于不同的设计思想和应用场景，在数据结构、存储方式等等诸多方面，有各自的特征和差异。

现在，我们还需要一种手段来访问数据库中的数据。关系代数中的符号定义了一些可能的操作（如按条件过滤、组合不同的数据、数据表的连接等），我们可以用这些符号来定义了具体执行一个query的步骤，也就是把我们所需要的数据查询要求，转化成关系代数的表达式。

但是关系代数相对来说，还是比较难以书写和记忆，所以我们在其上再进行一层封装。

而SQL，是实现关系代数的一个既定标准。