open-courses
Search…
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