Relational Data Model

为什么需要 Database?

假设我们需要存储:

  • 艺术家(Artists)信息

  • 艺术家发行的专辑(Albums)信息

我们可以用两个 CSV 文件来分别存储艺术家和专辑信息,然后用程序来解析和序列化相关数据:

艺术家信息表:

Artist.csv
"Wu Tang Clan",1992,"USA"
"Notorious BIG",1992,"USA"
"Ice Cube",1989,"USA"

专辑信息表:

Album.csv
"Enter the Wu Tang","Wu Tang Clan",1993
"St.Ides Mix Tape","Wu Tang Clan",1994
"AmeriKKKa's Most Wanted","Ice Cube",1990

假设我们想知道 “Ice Cube 在哪年首发”,就会写这样的查询脚本:

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

但这种简单的方案有很多缺陷:

  • 数据的质量方面

    • 很难保证同一个艺术家发行的每条专辑信息中,艺术家字段一致

    • 很难阻止用户在年份字段写入不合法的字符串

    • 很难优雅地处理一张专辑由多个艺术家共同发行的情况

  • 实现方面

    • 查询一条特定的记录,效率低

    • 当有多个应用使用该 CSV 数据库

      • 查询脚本需要重复写

      • 多个线程一起写时,如何保证数据一致性

  • 数据持久

    • 正在写记录时遇到宕机

    • 如何复制数据库到多台机器上来保证高可用性

以上缺陷迫使我们需要升级 CSV 数据库,于是就有了专业的数据库系统(DBMS)。

DBMS 的提出

分离逻辑层和物理层

所有系统都会产生数据,因此数据库几乎是所有系统都不可或缺的模块。在早期,各个项目各自造轮子,因为每个轮子都是为应用量身打造,这些系统的逻辑层(logical)和物理层(physical)普遍耦合度很高。

Ted Codd 发现这个问题后,提出 DBMS 的抽象(Abstraction):

  • 用简单的、统一的数据结构存储数据

  • 通过高级语言操作数据

  • 逻辑层和物理层分离,系统开发者只关心逻辑层,而 DBMS 开发者才关心物理层。

数据模型

在逻辑层中,我们通常需要对所需存储的数据进行建模。如今,市面上有的数据模型包括:

  • Relational => 大部分 DBMS 属于关系型,也是本课讨论的重点

  • Key/Value

  • Graph

  • Document

  • Column-family

  • Array/Matrix

Relational Model

Relation & Tuple

每个 Relation 都是一个无序集合(unordered set),集合中的元素称为 tuple,每个 tuple 由一组属性构成,这些属性在逻辑上通常有内在联系。

Primary Keys

primary key 在一个 Relation 中唯一确定一个 tuple,如果你不指定,有些 DBMSs 会自动帮你生成 primary key。

Foreign Keys

foreign key 唯一确定另一个 relation 中的一个 tuple

利用这些基本概念,我们就可以利用第三张表,ArtistAlbum,来解决专辑与艺术家的 1 对多的关系问题:

Artist
id, name, year, country
Album
id, name, year
ArtistAlbum
artist_id, album_id

Data Manipulation Languages (DML)

在 Relational Model 中从数据库中查询数据通常有两种方式:Procedural 与 NonProcedural:

  • Procedural:查询命令需要指定 DBMS 执行时的具体查询策略,如 Relational Algebra

  • Non-Procedural:查询命令只需要指定想要查询哪些数据,无需关心幕后的故事,如 SQL

使用哪种方式是具体的实现问题,与 Relational Model 本身无关。

Relational Algebra

relational algebra 是基于 set algebra 提出的,从 relation 中查询和修改 tuples 的一些基本操作,它们包括:

  • Select ( σ\sigma )

  • Projection ( π\pi )

  • Union ( \cup )

  • Intersection ( \cap )

  • Difference ( - )

  • Product ( ×\times )

  • Join ( )

  • Rename ( ρ\rho )

  • Assignment ( RSR \leftarrow S )

  • Duplicate Elimination ( δ\delta )

  • Aggregation ( γ\gamma )

  • Sorting ( τ\tau )

  • Division ( R÷SR \div S )

将这些操作串联起来,我们就能构建更复杂的操作

注意:使用 Relation Algebra 时,我们实际上指定了执行策略,如:

σb_id=102(RS)vs.(R(σb_id=102(S))\sigma _{b\_id=102}(R ⨝ S) vs. (R ⨝ (\sigma _{b\_id=102}(S))

它们所做的事情都是 ”返回 R 和 S Join 后的结果中,b_id 等于 102 的 tuples“。

虽然 Relational Algebra 只是 Relational Model 的具体实现方式,但在之后的课程将会看到它对查询优化、执行的帮助。

参考

slides