什么是數據庫？

數據庫是近幾年來最火熱的基礎軟件領域了，無論是開發者，創業者，投資者，愛好者，投身于數據庫及相關領域的人越來越多。

數據庫無處不在，應用在各個行業領域和方向，并且承擔了十分重要的作用，在如今這個數據爆炸的時代，各種各樣的數據量呈指數級上漲，數據的安全性、可靠性、存儲性能等都有了更高的要求，這也造就了數據庫以及相關領域的繁榮。

什么是數據庫？數據庫（database）可以簡單的認為是一個數據集合，這些數據互相關聯，映射了真實世界的一些數據模型，例如一個班級（class）里的學生（student），學生會選課（student-lesson），老師會上課（teacher-lesson），學生會有考試成績（student-grade），它們相互關聯相互影響。

在數據庫的上層，有提供給用戶查詢數據的語言，最常見的即 SQL（Structured Query Language），這門課程主要專注于如何實現一個功能完備的數據庫系統，而不是教我們如何使用一個數據庫。

設計要點

讓我們先忘記 MySQL、PostgreSQL、Oracle 這些知名的數據庫系統，來看看如果是我們自己設計一個數據庫系統，應該怎么做，需要考慮和權衡哪些因素。

最直觀的想法，可以將數據存儲到一個 CSV 文件當中，文件中的每一行就是一條記錄，每個文件中存儲的是同一類數據，例如我們有兩類數據，歌手（artist） 和 唱片（album），artist 的數據有三個屬性，分別是歌手的名字、出生年、國家，album 的數據也有三個屬性，唱片名字、屬于哪個歌手、發行年份，數據存儲如下所示：

如果我們需要訪問這個數據庫，我們只能加載并解析這個文件，然后逐行尋找所需要的行。

這樣的實現存在什么問題呢？簡單總結大致如下：

數據控制訪問：

• 如果 album 的 year 字段數據被無效的字符串覆蓋了？?如果一條 album 的數據需要對應多個 artist 數據？?刪除一條 album 中的數據會怎么樣？

實現細節：

• 怎么查找到一條記錄？?如果有多個線程在同一時刻向文件中寫入數據？

持久性：

• 如果更新一條數據的時候機器崩潰了？?怎樣把數據復制到多臺機器上以獲得高可用特性？

這些問題都是數據庫需要解決的，一個功能完備的數據庫系統需要屏蔽掉所有的細節，讓用戶能夠安心存儲數據、查詢數據，并且不擔心數據丟失等安全問題。

Relational Model

1970 年代，數據存儲并沒有統一的概念和實現，每個應用都需要自己去實現一套數據存儲的方案，這非常不利于應用和程序的移植。于是 Ted Codd 在 1970 年提出了關系模型（relational model）的概念，主要有以下三個關鍵點：

• 數據存儲在簡單的數據結構中
• 能夠通過高級語言訪問數據庫
• 物理存儲的細節交給數據庫管理系統實現

數據模型（data model）指的是描述數據庫中數據的概念集合，常見的數據模型有以下幾種：

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

其中 relational 是最常見、應用最廣泛的關系模型，大多數常見的數據庫系統例如 MySQL、PostgreSQL、Oracle 都是關系模型；K/V、Graph、Document、Column Family 屬于 NoSQL 類型，例如 rocksdb、neo4j、MongoDB、Redis；Array/Matrix 常用于機器學習領域，例如 TileDB；Hierarchical 和 Network 分別代表層次和網狀模型，是很古老的數據模型了，目前已經過時。

relational model 主要有三個關鍵的點：

• structure：定義關系（relation）的結構、屬性
• integrity：保證數據庫的數據符合預期的限制，例如一些字段的數據類型限制
• manipulation：怎樣去訪問和修改數據庫中的數據

其中 relation 可以認為是一張表，一個 tuple 是一個元組，表示一個表中的一條記錄。

一個 relation 通常有一個主鍵（primary key），標識一個唯一的 tuple，大多數的數據庫會自動創建一個內置的主鍵，如果用戶沒有指定主鍵的話。relation 的外鍵（foreign key）通常標識一個 relation 映射到另一個 relation 的 tuple。

這節課主要講述了數據庫需要解決的問題，以及一些設計的要點，然后了解了常見的幾種數據模型，本課程主要專注于關系型數據模型，下節課將會了解下數據庫的操作語言—SQL 的基礎知識。