跳到主要内容

1 数据库原理

本节介绍数据库相关的基础概念，包括数据的类型、数据管理方式的演进、 数据库管理系统 (DBMS) 的作用，以及关系型数据库的核心思想。

1.1 数据的分类​

从结构化程度的角度，可以把数据大致分为三类：

1. 结构化数据​

  • 有固定的模式 (Schema)，字段和类型在设计之初就确定。
  • 以 二维表 的形式存储最为典型，例如：
    • 关系型数据库中的表：学生表、订单表等；
    • 每一行记录 (Row) 具有相同的列 (Column) 结构。
  • 优点：
    • 易于用 SQL 等语言进行查询、统计和约束；
    • 便于建立索引、事务、一致性校验等能力。
  • 典型存储介质：各类关系型数据库，如 MySQL、PostgreSQL、Oracle、SQL Server 等。

2. 半结构化数据​

  • 介于“有固定模式”和“完全无结构”之间；
  • 数据本身携带了部分结构信息（标签、键值等），但不强制统一模式；
  • 常见形式：
    • JSON 文档；
    • XML / HTML；
    • YAML / TOML 等配置文件；
    • 某些 NoSQL 文档型数据库中的记录。
  • 特点：
    • 结构和内容混合在一起，自描述性强；
    • 模式可以随数据逐步演化，灵活性高；
    • 通常通过程序或查询引擎在读取时进行解析。

3. 非结构化数据​

  • 没有固定结构，难以用二维表直接描述；
  • 例如：
    • 图片、音视频文件；
    • 办公文档、PDF、邮件正文；
    • 传感器原始日志、地理位置信息、语音流等。
  • 一般做“整体存储 + 外挂元数据”，常见做法：
    • 文件统一存储在对象存储 / 文件系统中；
    • 利用数据库记录文件的路径、类型、标签、业务含义等元信息。

1.2 数据管理发展历史​

随着计算机与存储设备的发展，数据管理方式经历了三个阶段：

1. 人工管理阶段​

  • 时间：20 世纪 50 年代中期之前；
  • 介质：纸质文档、打孔卡片、磁带等；
  • 特点：
    • 数据与程序完全分离，主要靠人工登记和查找；
    • 没有统一的数据结构和接口，数据共享性差、冗余严重；
    • 容易出错且难以维护。

2. 文件系统管理阶段​

  • 时间：20 世纪 50 年代后期 ~ 60 年代中期；
  • 介质：磁带、磁鼓、磁盘等可随机访问的存储设备；
  • 做法：
    • 用操作系统的文件系统来保存数据；
    • 程序通过文件读写接口访问数据。
  • 优点：
    • 数据可以长期保存，格式更加多样；
    • 支持批处理与联机处理；
  • 局限：
    • 每个应用都要自己设计文件结构，程序与数据强耦合；
    • 缺乏统一的数据视图，无法方便地共享、并发访问与统一备份；
    • 数据冗余和不一致问题突出。

3. 数据库系统阶段​

  • 时间：20 世纪 60 年代后期至今；
  • 在大容量磁盘、操作系统、多用户分时系统等技术基础上出现；
  • 引入 数据库管理系统 (DBMS) 的概念：
    • 由专门的软件负责数据的定义、存储、查询与安全控制；
    • 应用通过统一的接口（SQL 等）访问数据，而无需关心底层文件结构；
  • 优点：
    • 数据冗余显著降低，数据一致性更好；
    • 支持并发访问、事务、备份恢复、安全控制；
    • 数据与应用解耦，业务演进更灵活。

1.3 数据库管理系统 (DBMS)​

1.3.1 基本概念​

  • 数据库 (Database, DB)：按一定结构组织、长期存储在计算机中的数据集合；
  • 数据库管理系统 (Database Management System, DBMS)：
    • 用于建立、使用、维护数据库的软件系统；
    • 提供数据定义、查询、更新、权限控制、备份恢复等功能；
  • 数据库管理员 (Database Administrator, DBA)：
    • 负责数据库规划、设计、实施、监控、调优与故障处理的专业人员；
    • 目标是保证数据库系统的 稳定性、安全性、完整性和高可用性。

1.3.2 DBMS 的主要特点​

  1. 数据共享性好，冗余度低

    • 用统一的数据模型和存储结构管理数据；
    • 多个应用可以共享同一份数据，避免重复存储。

  2. 数据与程序相对独立

    • 逻辑独立性：应用程序依赖逻辑模式，而不是底层文件；
    • 物理独立性：修改存储结构或存储路径，对上层应用透明。

  3. 统一的数据视图与抽象接口

    • 通过 SQL / API 等方式访问数据；
    • 用户可以只看到自己关心的视图，而无需了解完整结构。

  4. 丰富的保护机制

    • 并发控制（锁、MVCC 等），保证多用户同时读写的一致性；
    • 日志与恢复：崩溃后可以回放或回滚事务，避免数据丢失；
    • 完整性约束：主键、外键、唯一约束、检查约束等；
    • 安全控制：用户、角色、权限体系，记录访问审计。

1.4 关系型数据库理论​

关系型数据库基于 关系模型 (Relational Model)，核心是“表 + 约束”。

1.4.1 基本术语​

  • 关系 (Relation)：可以理解为一张二维表；
  • 行 (Row / Tuple)：表中的一条记录；
  • 列 (Column / Attribute)：记录的一个属性，也叫“字段”；
  • 主键 (Primary Key)：可以唯一标识一条记录的字段或字段组合；
  • 候选键 / 唯一键 (Unique Key)：具有唯一性约束的字段或组合；
  • 域 (Domain)：某个属性允许取值的范围，例如性别只能是“男/女”。

1.4.2 E-R 模型与联系​

在设计数据库时，通常先使用 E-R 模型 进行概念建模：

  • 实体 (Entity)：业务对象，如“学生”“课程”“订单”；
  • 属性 (Attribute)：实体的特征，如学生的姓名、性别、年龄；
  • 联系 (Relationship)：实体之间的关联，例如：
    • 一对一（一名学生对应一张学生证）；
    • 一对多（一个班级有多个学生）；
    • 多对多（学生与课程之间的选课关系）。

通过将 E-R 模型映射为关系模型，可以得到数据库中的表结构：

  • 实体 → 实体表；
  • 实体之间的多对多联系 → 关联表（中间表）。

1.4.3 规范化与范式​

规范化 (Normalization) 用来减少冗余、避免更新异常，常见范式包括：

  1. 第一范式 (1NF)：字段具有原子性，不可再分；
  2. 第二范式 (2NF)：在满足 1NF 的基础上，非主属性完全依赖于主键；
  3. 第三范式 (3NF)：在满足 2NF 的基础上，非主属性不传递依赖于主键。

在实践中：

  • 业务系统通常做到 3NF 即可满足大多数需求；
  • 为提高查询性能，有时会适当“反规范化”，引入冗余字段或汇总表。

1.4.4 SQL 与关系型数据库​

  • SQL (Structured Query Language) 是关系型数据库的通用语言；
  • 主要分为：
    • DDL：数据定义语言，如 CREATE / ALTER / DROP；
    • DML：数据操作语言，如 INSERT / UPDATE / DELETE；
    • DQL：数据查询语言，如 SELECT；
    • DCL / TCL：权限控制与事务控制；
  • 各种关系型数据库都以 SQL 为基础，结合自身扩展，构成完整的数据库平台。

以上内容为后续章节（SQL 语言、SQL 高阶语法、用户管理等）奠定了概念基础。