数据库基础知识

概念

• 数据（Data）：数据是数据库中存储的基本对象。
• 数据库（DB,Database）：存储数据的“仓库”，其本质是一个文件系统。它保存了一系列有组织的数据。
• 数据库管理系统（DBMS,Database Management System）：是一种操纵和管理数据库的大型软件，用于建立、使用和维护数据库，对数据库进行统一管理和控制。用户通过数据库管理系统访问数据库中表内的数据。
• 数据库系统（DBS）：存储、管理、处理和维护数据的系统，由数据库（DB），数据库管理系统(DBMS)，应用程序和数据库管理员(DBA)组成。
• 结构化查询语言SQL（Structured Query Language）：专门用来与数据库通信的语言。

基本特征

• 数据结构化： 数据库系统实现了整体数据的结构化，这是数据库的最主要的特征之一。
• 实现数据共享： 因为数据是面向整体的，所以数据可以被多个用户、多个应用程序共享使用，可以大幅度地减少数据冗余，节约存储空间，避免数据之间的不相容性与不一致性。
• 数据独立性高： 数据的独立性包含逻辑独立性和物理独立性，其中，逻辑独立性是指数据库中数据的逻辑结构和应用程序相互独立，物理独立性是指数据物理结构的变化不影响数据的逻辑结构。
• 数据统一管理与控制： 数据的统一控制包含安全控制、完整控制和并发控制。

关系型数据库

• 这种类型的数据库是最古老的数据库类型，关系型数据库模型是把复杂的数据结构归结为简单的二元关系（即二维表格形式）。
• 关系型数据库以行(row)和列(column)的形式存储数据，以便于用户理解。这一系列的行和列被称为表(table)，一组表组成了一个库(database)。
• 表与表之间的数据记录有关系(relationship)。现实世界中的各种实体以及实体之间的各种联系均用关系模型来表示。关系型数据库，就是建立在关系模型基础上的数据库。
• 优势：复杂查询可以用SQL语句方便的在一个表以及多个表之间做非常复杂的数据查询。事务支持使得对于安全性能很高的数据访问要求得以实现。
• 关系型数据库的典型数据结构就是数据表，这些数据表的组成都是结构化的（Structured）。 将数据放到表中，表再放到库中。一个数据库中可以有多个表，每个表都有一个名字，用来标识自己。表名具有唯一性。表具有一些特性，这些特性定义了数据在表中如何存储，类似Java和Python中 “类”的设计。

非关系型数据库

• 键值型数据库（Redis）：键值型数据库通过 Key-Value 键值的方式来存储数据，其中 Key 和 Value 可以是简单的对象，也可以是复杂的对象。Key 作为唯一的标识符，优点是查找速度快，在这方面明显优于关系型数据库，缺点是无法像关系型数据库一样使用条件过滤（比如 WHERE），如果你不知道去哪里找数据，就要遍历所有的键，这就会消耗大量的计算。键值型数据库典型的使用场景是作为 内存缓存。
• 文档型数据库（MongoDB、CouchDB）：此类数据库可存放并获取文档，可以是XML、JSON等格式。在数据库中文档作为处理信息的基本单位，一个文档就相当于一条记录。文档数据库所存放的文档，就相当于键值数据库所存放的“值”。
• 索引擎数据库（Solr、Elasticsearch、Splunk）：虽然关系型数据库采用了索引提升检索效率，但是针对全文索引效率却较低。搜索引擎数据库是应用在搜索引擎领域的数据存储形式，由于搜索引擎会爬取大量的数据，并以特定的格式进行存储，这样在检索的时候才能保证性能最优。核心原理是“倒排索引”。
• 列式数据库（HBase）：列式数据库是相对于行式存储的数据库，Oracle、MySQL、SQL Server 等数据库都是采用的行式存储（Row-based），而列式数据库是将数据按照列存储到数据库中，这样做的好处是可以大量降低系统的I/O，适合于分布式文件系统，不足在于功能相对有限。
• 图形数据库（Neo4J、InfoGrid）：图形数据库，利用了图这种数据结构存储了实体（对象）之间的关系。图形数据库最典型的例子就是社交网络中人与人的关系，数据模型主要是以节点和边（关系）来实现，特点在于能高效地解决复杂的关系问题。图形数据库顾名思义，就是一种存储图形关系的数据库。它利用了图这种数据结构存储了实体（对象）之间的关系。关系型数据用于存储明确关系的数据，但对于复杂关系的数据存储却有些力不从心。如社交网络中人物之间的关系，如果用关系型数据库则非常复杂，用图形数据库将非常简单。

数据模型（Data Model）

在数据库中用数据模型这个工具来抽象、表示和处理现实世界中的数据和信息，通俗地讲数据模型就是现实世界的模拟。

组成部分

• 数据结构：数据模型中的数据结构主要描述数据的类型、内容、性质以及数据间的联系等。数据结构是数据模型的基础，数据操作和约束都建立在数据结构上。不同的数据结构具有不同的操作和约束。

• 数据操作：数据模型中数据操作主要描述在相应的数据结构上的操作类型和操作方式。

• 数据完整性约束：数据模型中的数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。

  • 实体完整性：规定表的每一行在表中是唯一的实体。
  • 域完整性：是指表中的列必须满足某种特定的数据类型约束，其中约束又包括取值范围、精度等规定。
  • 参照完整性：是指两个表的主关键字和外关键字的数据应一致，保证了表之间的数据的一致性，防止了数据丢失或无意义的数据在数据库中扩散。
  • 用户定义的完整性：不同的关系数据库系统根据其应用环境的不同，往往还需要一些特殊的约束条件。用户定义的完整性即是针对某个特定关系数据库的约束条件，它反映某一具体应用必须满足的语义要求。

数据模型类型

概念数据模型：概念模型也称信息模型，它是按用户的观点来对数据和信息建模，用于数据库设计。

• 实体（Entity）：客观存在并可相互区别的事物称为实体。 可以是具体的人、事、物或抽象的概念。
• 属性（Attribute）：实体所具有的某一特性称为属性。 一个实体可以由若干个属性来刻画。
• 码（Key）：唯一标识实体的属性集称为码。
• 域（Domain）：属性的取值范围称为该属性的域。
• 实体型（Entity Type）：用实体名及其属性名集合来抽象和刻画同类实体称为实体型。（员工（工号、姓名、性别、年龄 …））。
• 实体集（Entity Set）：同一类型实体的集合称为实体集。比如全体员工。
• 联系（Relationship）：现实世界中事物内部以及事物之间的联系在信息世界中反映为实体内部的联系和实体之间的联系。 实体内部的联系通常是指组成实体的各属性之间的联系，实体之间的联系通常是指不同实体集之间的联系。联系本身也是一种实体型，也可以有属性。如果一个联系具有属性，则这些属性也要用无向边与该联系连接起来。（1:1，1:n，m:n）

逻辑数据模型：逻辑模型按计算机系统的观点对数据建模，用于DBMS实现。主要包括网状模型、层次模型、关系模型、面向对象模型等。

• 层次模型(Hierarchical Model)：① 有且只有一个结点没有双亲结点，这个结点称为根结点; ② 根以外的其它结点有且只有一个双亲结点。③ 只能直接处理一对多的实体联系。

  • 优点：层次模型的数据结构比较简单清晰，查询效率高，性能优于关系模型，不低于网状模型。层次数据模型提供了良好的完整性支持。
  • 缺点：多对多联系表示不自然，对插入和删除操作的限制多，应用程序的编写比较复杂，查询子女结点必须通过双亲结点 由于结构严密，层次命令趋于程序化。

• 网状模型(Network Model)：① 允许一个以上的结点无双亲；② 一个结点可以有多于一个的双亲。

  • 优点：能够更为直接地描述现实世界，如一个结点可以有多个双亲； 具有良好的性能，存取效率较高。
  • 缺点：结构比较复杂，而且随着应用环境的扩大，数据库的结构就变得越来越复杂，不利于最终用户掌握； DDL、DML语言复杂，用户不容易使用。

• 关系模型(Relational Model)
  在用户观点下，关系模型中数据的逻辑结构是一张二维表，它由行和列组成。

  • 优点：建立在严格的数学概念的基础上；概念单一，实体和各类联系都用关系来表示；对数据的检索结果也是关系;关系模型的存取路径对用户透明; 具有更高的数据独立性，更好的安全保密性，简化了程序员的工作和数据库开发建立的工作。
  • 缺点：存取路径对用户透明导致查询效率往往不如非关系数据模型;为提高性能，必须对用户的查询请求进行优化,增加了开发DBMS的难度。
    • 关系（Relation）：一个关系对应通常说的一张表；
    • 元组（Tuple）：表中的一行即为一个元组；
    • 属性（Attribute）：表中的一列即为一个属性，给每一个属性起一个名称即属性名；
    • 主码（Key）：表中的某个属性组，它可以唯一确定一个元组；
    • 域（Domain）：属性的取值范围；
    • 分量：元组中的一个属性值；
    • 关系模式：对关系的描述 关系名（属性1，属性2，…，属性n），学生（学号，姓名，年龄，性别，系，年级）。
    • 关系必须是规范化的，最基本的规范条件：关系的每一个分量必须是一个不可分的数据项, 不允许表中还有表。（实体完整性、参照完整性、用户定义完整性）

数据库系统模式

模式是数据库结构的描述，关系模式是表的结构的描述。

三级模式

（1）内模式（Internal Schema）：也称存储模式。数据物理结构和储存方式的描写叙述。是数据在数据库内部的表示方式：记录的存储方式（顺序存储，按照B树结构存储，按hash方法存储）；索引的组织方式；数据是否压缩存储；数据是否加密；数据存储记录结构的规定。

一个数据库只有一个内模式。

（2）概念模式（Conceptual Schema）：也称全局模式。有时简称“模式”。是对数据库中全体数据的逻辑结构和特征的描写叙述。

一个数据库只有一个模式，可以把模式看成唯一的数据库，实例就是数据库里面的多个表。

（3）外模式（External Schemas）：也称子模式或者用户模式。数据库用户可以看见和使用的局部数据的逻辑结构和特征的描写叙述。

一个数据库可以有多个外模式。反映了不同的用户的应用需求、看待数据的方式、对数据保密的要求。

两级映射

（1）模式/内模式映象

• 模式／内模式映象定义了数据全局逻辑结构与存储结构之间的对应关系。

• 数据库中模式/内模式映象是唯一的。

• 保证数据的物理独立性：

  • 当数据库的存储结构改变了（例如选用了另一种存储结构），数据库管理员修改模式/内模式映象，使模式保持不变。
  • 应用程序不受影响。保证了数据与程序的物理独立性，简称数据的物理独立性。

（2）外模式/模式映象

• 每一个外模式，数据库系统都有一个外模式/模式映象。

• 保证数据的逻辑独立性：

  • 当模式改变时，数据库管理员修改有关的外模式／模式映象，使外模式保持不变。
  • 应用程序是依据数据的外模式编写的，从而应用程序不必修改，保证了数据与程序的逻辑独立性，简称数据的逻辑独立性。