CMU CS15-445 Lecture01 关系模型课程笔记

2024-02-01 09:48:10

1. 数据库的例子

一般情况下，可以在应用程序上实现和管理最简单的数据库，即可以用它来存储数据和一堆用逗号分隔的值文件或CSV文件。

假设数据库中有两个实体（Artist和Album），以及对应的属性。

如果要存储在CSV文件中，会在每个属性上用引号标注，然后用逗号分隔。

假设需要查找“Ice Cube” 的出道年份，通过Python方式来实现。

for line in file:
    record = parse(line)
    if "Ice Cube" == record[0]:
        print(int(record[1]))

但是这种方式并不是最好的，存在一些问题。

数据完整性
- 如何确保每个专辑条目的艺术家都是相同的？
- 如果有人用无效字符串覆盖专辑年份怎么办？
- 如何存储一张专辑中有多个艺术家？
实现
- 你如何找到一个特定的记录？
- 如果我们现在想要创建一个使用相同数据库的新应用程序怎么办？
- 如果两个线程同时尝试写入同一个文件怎么办？
持久性
- 如果在程序更新记录时机器崩溃了怎么办？
- 如果想在多台机器上复制数据库以获得高可用性怎么办？

基于以上问题，就出现了数据库管理系统（DBMS）来对数据进行管理操作。

数据库管理软件是一种专业的软件，允许程序在无须底层实现的情况下，对数据库中的信息进行存储和分析，是一种能够被多种应用所复用的软件。避免重复造*的问题。

2. 数据库发展史

2.1 早期数据库

第一个数据库是 1965 年由通用电气制造。

缺点：

数据库应用程序难建立和维护。
逻辑层和物理层之间的紧密耦合。
在部署数据库之前，你需要大致知道你所要执行的查询操作。

2.2 关系模型出现

1970年被Ted Codd提出并发表论文，引发了关系数据模型革命的原始论文。

通过数据库抽象的方式避免维护问题：

将关系转化为简单的数据结构存入数据库。
通过高级语言访问数据。
物理存储取决于数据库管理系统的实现。

2.3 数据模型

data model（数据模型）:用于描述数据库中的数据的概念的集合。

schema（模式）: 使用给定数据模型对特定数据集合的描述。

常见的关系数据模型

Relational
- MySQL、PostgreSQL、Oracle、DB2、SQL server、SQLite等
NoSQL
- Key/Value
- Graph
- Document
- Column-family
Array/Matrix
- 主要应用在机器学习中，是一个矩阵数据模型的例子。

数据库优势并不能一概而论，在某些应用领域中，一些数据模型比关系型数据模型能够更好地描述数据。

3. 关系型数据模型的三个要素

关系结构（structure）：关系的定义及其结构的内容。
完整性（Integrity）：确保数据库的内容满足限制。
操纵性（manipulation）：如何访问和修改数据库的内容。

4. 一些概念词

关系：数据的一个列，是一个实体的属性之一。

主键（Primary Keys）：某一个唯一属性或一个属性组能够唯一标识一条记录。称其属性或属性组为主键。

由于无法控制无法重名，所以引入id来进行唯一索引。

如果不指定主键，有些DB会增加一个隐式的主键。

外键（Foreign Keys）：用于指定一张表中的属性必须存在于另一张表中。

5. 数据操纵语言（DML）

数据操纵语言（Data Manipulation Language, DML）：负责对数据库对象运行数据访问工作的指令集。DML有两种方式

5.1 过程性（经典例子：`关系代数`）

Ted Codd 提出在关系代数中的7种最核心的关系运算符

5.1.1 Select

查询复合条件的tuple的一个子集。

5.1.2 Projection

生成一个新的输出关系，厘米包含一个给定输入关系中的指定属性。

5.1.3 Union

将两个关系组合成一个新的关系。（并集）

5.1.4 Intersection

两个关系表里共同的部分。（交集）

5.1.5 Difference

从第一个元素集中将第二个元素集中出现的元素过滤掉。（差集）

5.1.6 Product

笛卡尔积。所有可能性不重复的组合。

5.1.7 Join

自然链接。

后续增加的关系代数

Rename
Assignment
Duplicate Elimination
Aggregation
Sorting
Division

5.2 非程序性或声明式（经典例子：`关系演算`）

6. 书籍阅读笔记

参考内容：《Database system concepts》 chapter01 and chapter02

6.1 chapter01

数据库管理系统（DataBase-Management System，DBMS） 是一个互相关联的数据的集合和一组用以访问数据的程序组成。

数据集合称为数据库（Database）。

6.1.1 数据库系统的应用

数据库的应用广泛，代表性的应用有：

企业信息
- 销售
- 会计
- 人力资源
- 生产制造
- 联机零售
银行和金融
- 银行业
- 信用卡交易
- 金融业
大学
航空业
电信业

6.1.2 数据库系统的目标

文件处理系统是传统的操作系统所支持的。存在的弊端如下：

数据的冗余和不一致。

冗余会导致存储和访问开销增大，也会导致数据不一致性。
数据访问困难。
完整性问题

数据库中所存储数据的值必须满足某些特定的一致性约束。
原子性问题
并发访问异常
安全性问题

6.1.3 数据视图

数据库系统的一个目的：给用户提供数据的抽象视图。

数据抽象
系统开发人员通过如下层次上抽象来对用户屏蔽复杂性，以简化用户与系统的交互：
- 物理层：最低层次的抽象
  
  描述数据如何存储
- 逻辑层：比物理层稍高的抽象。
  
  描述数据库中存储什么数据及这些数据间存在什么关系。
- 视图层：最高层次的抽象。
  
  描述整个数据库的某个部分。
实例和模式
存储在数据库中的信息的集合称作数据库的一个 实例（instance）。

数据库系统的几个模式：物理模式（在物理层描述数据库的设计）、逻辑模式（在逻辑层描述数据库的设计）。

子模式：描述数据库的不同视图。

数据模型（四类）
- 关系模型：表的集合来表示数据和数据间的关系。
- 实体-联系模型（E-R模型）
- 基于对象的数据模型
- 半结构化数据模型：一般使用XML广泛用于此。

6.1.4 数据库语言

数据定义语言（Data-definition language，DDL）
定义数据库模式。

数据库系统实现遵循的完整性约束：

域约束
参照完整性
断言
授权

数据操纵语言（data- manipulation language，DML）
表达数据库的查询和更新。
- 国产化（procedural DML）：用户指定需要什么数据以及如何获得数据。
- 声明式（declarative DML，也叫非过程化DML）：要求用户指定需要什么数据，而不是指明如何获得这些数据。

6.2 关系模型介绍

笔记暂无，参考课程笔记

码农公寓