寫給小白的數(shù)據(jù)庫入門科普

今天這篇文章，我們來聊聊數(shù)據(jù)庫。

█?什么是數(shù)據(jù)庫

對于數(shù)據(jù)庫，大家應(yīng)該都不會覺得陌生。作為重要的基礎(chǔ)軟件，數(shù)據(jù)庫在我們的工作和生活無處不在。

最簡單的，我們電腦里有很多的excel表，其實也可以算是一個“微型數(shù)據(jù)庫”。

從定義上來看，數(shù)據(jù)庫，是一個存放和管理數(shù)據(jù)的倉庫?；蛘哒f，是一個數(shù)據(jù)集合。

那么，我們硬盤上也有大量的數(shù)據(jù)，是不是硬盤也是一個數(shù)據(jù)庫呢？

當(dāng)然不是。

硬盤是一個硬件?；谟脖P構(gòu)建的文件系統(tǒng)，存儲了大量的數(shù)據(jù)，但這些數(shù)據(jù)是以不同類型文件的形式存在的，彼此獨立。

而數(shù)據(jù)庫是一個軟件層面的概念。它對數(shù)據(jù)進行了登記和整理，形成了一個整體系統(tǒng)，既包括了數(shù)據(jù)，也包括了數(shù)據(jù)之間的邏輯關(guān)系。

簡單來說，如果有一個倉庫，你往里面放了各種類型的物品，例如家具、花草、書籍等。那么，硬盤就像是這個倉庫，文件就是這些物品。

如果你在倉庫里劃分了一個區(qū)域，安排了一個管理員，負責(zé)存放物品并進行登記。那么，這個區(qū)域（這套體系），就是數(shù)據(jù)庫。

廣義的數(shù)據(jù)庫，是一種數(shù)據(jù)集合。我們口頭上所說的數(shù)據(jù)庫（狹義），大部分是指那些用于搭建、使用和維護廣義數(shù)據(jù)庫的系統(tǒng)軟件，叫做數(shù)據(jù)庫管理系統(tǒng)（DBMS）。

數(shù)據(jù)庫管理系統(tǒng)對數(shù)據(jù)進行統(tǒng)一控制管理，以保證數(shù)據(jù)的完整性和安全性。它還具有對外的標(biāo)準(zhǔn)接口，方便其它應(yīng)用軟件對數(shù)據(jù)進行讀寫操作。

我們比較熟悉的數(shù)據(jù)庫管理系統(tǒng)，包括MySQL、SQL Server、Oracle、DB2、Redis、MongoDB等。

█?數(shù)據(jù)庫的作用和優(yōu)勢

之所以要有數(shù)據(jù)庫，主要是為了方便管理和使用數(shù)據(jù)。

數(shù)據(jù)庫是信息時代最重要的基礎(chǔ)軟件之一，地位僅次于操作系統(tǒng)。

如今，大量的信息化系統(tǒng)遍布社會的每個角落，每時每刻都在產(chǎn)生海量的數(shù)據(jù)。如果沒有一個高效的系統(tǒng)和平臺對這些數(shù)據(jù)進行統(tǒng)一管理，那么，效率就會下降。

數(shù)據(jù)庫存儲了海量的多類型數(shù)據(jù)。用戶可以通過數(shù)據(jù)庫，創(chuàng)建數(shù)據(jù)、查找數(shù)據(jù)、修改數(shù)據(jù)、刪除數(shù)據(jù)、分析數(shù)據(jù)、共享數(shù)據(jù)。

對于個人、企業(yè)甚至國家部門，數(shù)據(jù)庫有著不可替代的作用?，F(xiàn)在整個社會都在講數(shù)據(jù)價值挖掘。AI的三大要素里，也包括了數(shù)據(jù)。數(shù)據(jù)的價值在提升，數(shù)據(jù)庫的價值也隨之提升。

一個優(yōu)秀的數(shù)據(jù)庫管理系統(tǒng)，需要具備以下幾個方面的優(yōu)勢。

首先，是性能。

數(shù)據(jù)庫涉及到大量的數(shù)據(jù)讀寫操作，所以，性能就顯得非常重要。

如果數(shù)據(jù)庫的用戶少，問題倒是不大。但是如果用戶多，例如12306、淘寶雙11等場景，瞬時并發(fā)讀寫特別大，就要看數(shù)據(jù)庫是否能hold得住。

這里就要提到著名的ACID（原子性、一致性、隔離性、持久性）特性。

原子性（Atomicity）：為避免糾紛，數(shù)據(jù)庫中的事務(wù)執(zhí)行被視作原子不可再分，事務(wù)（例如轉(zhuǎn)賬）中的操作要么全部執(zhí)行，要么失敗回滾（Rollback）。

一致性（Consistency）：為保證業(yè)務(wù)邏輯的一致性，數(shù)據(jù)庫通過設(shè)置約束和觸發(fā)器來保證其完整性約束不被破壞，即每個事務(wù)能夠看到的數(shù)據(jù)總是保持一致。

隔離性（Isolation）：為防止事務(wù)之間的臟讀、幻讀、不可重復(fù)讀，數(shù)據(jù)庫通過加鎖，保證多個事務(wù)并發(fā)訪問時，事務(wù)之間是隔離的，互不干擾。

持久性（Durability）：為防止意外事故（例如斷電）導(dǎo)致數(shù)據(jù)缺失，數(shù)據(jù)庫保證事務(wù)對其所作的修改被永久保存，不會被回滾。

其次，是容量。

數(shù)據(jù)庫要存放數(shù)據(jù)，所以，容量要滿足設(shè)計需求。

現(xiàn)在業(yè)務(wù)需求變化很快，數(shù)據(jù)庫的數(shù)據(jù)很可能迅猛增長。所以，數(shù)據(jù)庫也需要具備一定的擴展性和彈性，能夠靈活地變大或者變小，滿足需求和成本之間的平衡。

第三，是安全性。

數(shù)據(jù)安全的重要性，無需多言。一個優(yōu)秀的數(shù)據(jù)庫，需要擁有完善的安全機制，保護數(shù)據(jù)免受未授權(quán)的訪問，以及來自外部的攻擊。

數(shù)據(jù)庫也需要有完善的備份和恢復(fù)機制，在極端情況下，能夠快速恢復(fù)到最近的狀態(tài)。

第四，是兼容性。

數(shù)據(jù)庫需要遵循開放標(biāo)準(zhǔn)的API，使得自身更容易與其它應(yīng)用和服務(wù)集成，促進數(shù)據(jù)共享和互操作性。

總之，數(shù)據(jù)庫的作用遠不止于簡單的數(shù)據(jù)存放。作為一個核心組件，它必須經(jīng)過嚴(yán)格且縝密的設(shè)計，能夠為各類應(yīng)用程序提供穩(wěn)定可靠的支撐，保障數(shù)據(jù)的安全性、完整

性和高效利用。

█ 數(shù)據(jù)庫的類別

接下來，我們再看看數(shù)據(jù)庫的類別。

數(shù)據(jù)庫的種類很多，分類方法也很多。我們不妨就以歷史時間線的維度，對幾種主要的分類方式進行介紹。

1960-1970：萌芽階段

上世紀(jì)60年代，隨著計算機技術(shù)的不斷發(fā)展和成熟，越來越多的大型機開始應(yīng)用于金融證券、航空航天、工業(yè)制造、軍事國防等領(lǐng)域，掀起了一場信息化革命。

有了信息化，就催生了大量的數(shù)據(jù)。為了更好地管理這些數(shù)據(jù)，就有人開始提出數(shù)據(jù)庫系統(tǒng)的概念。

1961年，美國通用電氣公司的查爾斯·巴赫曼（Charles Bachman），成功開發(fā)出世界上第一個數(shù)據(jù)庫管理系統(tǒng)——IDS（IntegratedData Store，集成數(shù)據(jù)存儲），奠定了網(wǎng)狀數(shù)據(jù)庫的基礎(chǔ)，并在當(dāng)時得到了廣泛的發(fā)行和應(yīng)用。

1968年，IBM公司創(chuàng)建了層次式數(shù)據(jù)庫管理系統(tǒng)IMS（Information Management System），是世界上首個商業(yè)數(shù)據(jù)庫系統(tǒng)。

1970-2000：關(guān)系型、事務(wù)型數(shù)據(jù)庫

又過了兩年，到了1970年，IBM公司的研究員埃德加·弗蘭克·科德（Edgar Frank Codd）發(fā)表了一篇名為《大型共享數(shù)據(jù)庫數(shù)據(jù)的關(guān)系模型》的重磅論文。在論文中，他提出了數(shù)據(jù)庫的關(guān)系模型，開創(chuàng)了關(guān)系數(shù)據(jù)庫時代。

1973年，IBM啟動了System R項目。后來，在System R項目的基礎(chǔ)上，加利福尼亞大學(xué)柏克萊分校啟動了ingres項目。

這兩個項目的意義極為重大。1970-80年代出現(xiàn)的多個經(jīng)典數(shù)據(jù)庫產(chǎn)品，包括Oracle、DB2、Informix、Sybase、SQL Server，都是基于System R和ingres項目衍生出來的。這些數(shù)據(jù)庫產(chǎn)品，極大地助力了當(dāng)時的信息化浪潮，為計算機的普及發(fā)揮了重要作用。

剛才提到的這些數(shù)據(jù)庫產(chǎn)品，全部都是關(guān)系型數(shù)據(jù)庫。

數(shù)據(jù)庫有很多種模型。比較原始的，是層次模型和網(wǎng)狀模型。比較主流的，是關(guān)系模型和非關(guān)系模型。

關(guān)系模型的最大特點，就是可以使用表格來表示實體和實體之間的關(guān)系。每一行代表一個實體實例，每一列代表實體的一個屬性。

關(guān)系型數(shù)據(jù)庫中，每個表有唯一的名字。表的每一行代表了一組值之間的聯(lián)系，稱為元組（Tuple）。每一列是實體的描述，具有相同的數(shù)據(jù)類型，稱為屬性（Attribute）或者字段（Field）。

大家應(yīng)該注意到了，很多關(guān)系型數(shù)據(jù)庫（包括SQL Server、MySQL、PostgreSQL），都有一個SQL。

SQL的意思，是Structured Query Language，結(jié)構(gòu)化查詢語言。

這是一種用于訪問和處理“關(guān)系型數(shù)據(jù)庫”的標(biāo)準(zhǔn)計算機語言。SQL語句既可以查詢數(shù)據(jù)庫中的數(shù)據(jù)，也可以添加、更新和刪除數(shù)據(jù)庫中的數(shù)據(jù)，還可以對數(shù)據(jù)庫進行管理和維護操作。

例如，下面這個，就是一個典型的SQL命令，表示要插入一條數(shù)據(jù)：

INSERT INTO students (id, name, age) VALUES (1, '張三', 20);

80-90年代的主流數(shù)據(jù)庫，除了基本屬于關(guān)系型數(shù)據(jù)庫之外，在業(yè)務(wù)類型上，也屬于事務(wù)型數(shù)據(jù)庫（交易型數(shù)據(jù)庫），即OLTP（Online Transactional Processing）。

這類數(shù)據(jù)庫主要用于管理實時交易（銀行、電商、訂票等），主要特點是能夠支持大量的讀寫操作（簡短的、小規(guī)模），能夠確保數(shù)據(jù)庫的完整性和一致性。

2000-2010：非關(guān)系型、分析型數(shù)據(jù)庫

上世紀(jì)90年代末，數(shù)據(jù)庫的發(fā)展進入一個新的階段。非關(guān)系型數(shù)據(jù)庫開始崛起。

1998年，卡羅·斯特羅茲（Carlo Strozzi）開發(fā)了一個輕量、開源、不提供SQL功能的數(shù)據(jù)庫，即NoSQL。

值得一提的是，NoSQL并不是“No SQL”（拒絕SQL）意思，而是“Not Only SQL”（不只是SQL）。

NoSQL并非完全替代關(guān)系型數(shù)據(jù)庫，而是為了應(yīng)對Web 2.0時代互聯(lián)網(wǎng)應(yīng)用快速增長所帶來的挑戰(zhàn)。它針對不同的應(yīng)用場景，提供了更多選擇。

非關(guān)系數(shù)據(jù)模型并不遵循傳統(tǒng)的關(guān)系數(shù)據(jù)庫模型及其SQL查詢語言。它的出現(xiàn)，能夠解決關(guān)系型數(shù)據(jù)庫在擴展性和靈活性方面的一些局限性。

非關(guān)系型數(shù)據(jù)庫包括了很多子類型，例如鍵值數(shù)據(jù)庫、列族數(shù)據(jù)庫、文檔數(shù)據(jù)庫、圖數(shù)據(jù)庫等。具體類型和典型產(chǎn)品如下：

除了非關(guān)系型數(shù)據(jù)庫之外，數(shù)據(jù)庫也從事務(wù)性向分析型發(fā)展，即OLAP（Online Analytical Processing）。

這也是由時代決定的。因為數(shù)據(jù)除了用于查詢和記錄之外，要開始為大數(shù)據(jù)、數(shù)據(jù)分析等新興業(yè)務(wù)服務(wù)。

分析型數(shù)據(jù)庫允許用戶對大量歷史數(shù)據(jù)進行復(fù)雜的查詢和分析，以揭示隱藏在數(shù)據(jù)中的模式和趨勢，為上層決策提供支持。

需要注意的是，那一時期，數(shù)據(jù)倉庫（Data Warehouse）的概念出現(xiàn)了。

所謂數(shù)據(jù)倉庫，就是數(shù)據(jù)庫的一種演進。它集成了來自不同來源的數(shù)據(jù)，并經(jīng)過清洗、轉(zhuǎn)換和整合，以便于進行高效的數(shù)據(jù)分析和報告。

限于篇幅，關(guān)于數(shù)據(jù)倉庫和待會提到的數(shù)據(jù)湖，小棗君后續(xù)會專門介紹。

2010-現(xiàn)在：融合、云化、AI、國產(chǎn)

2010年之后，數(shù)據(jù)庫技術(shù)繼續(xù)蓬勃發(fā)展，出現(xiàn)了很多新的趨勢。

首先，繼SQL、NoSQL之后，又出現(xiàn)了NewSQL的概念。

NewSQL是一類新型的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，結(jié)合了SQL和NoSQL的優(yōu)點。

它解決了傳統(tǒng)關(guān)系型數(shù)據(jù)庫在處理大規(guī)模數(shù)據(jù)和高并發(fā)訪問時的性能瓶頸，同時保留ACID特性以及對SQL查詢語言的支持，非常適用于需要處理大規(guī)模數(shù)據(jù)和高并發(fā)訪問的場景。

NewSQL的代表產(chǎn)品，包括Google Spanner、CockroachDB、TiDB等。

其次，繼事務(wù)性、分析型之后，出現(xiàn)了混合型數(shù)據(jù)庫（HTAP，Hybrid Transactional / Analytical Processing）。

這也是一種融合趨勢。

簡單來說，HTAP是結(jié)合了OLTP和OLAP的優(yōu)點。它是一種新興的數(shù)據(jù)庫架構(gòu)，能夠同時支撐OLTP和OLAP場景，避免傳統(tǒng)架構(gòu)中大量數(shù)據(jù)交互造成的資源浪費和沖突。

第三，是云數(shù)據(jù)庫和分布式數(shù)據(jù)庫的崛起。

這個比較好理解。以前都是單機數(shù)據(jù)庫。后來，數(shù)據(jù)庫并發(fā)越來越大，對安全要求越來越高，就有了主從數(shù)據(jù)庫，再然后，就是分布式數(shù)據(jù)庫。

分布式數(shù)據(jù)庫，數(shù)據(jù)分布在多臺服務(wù)器上，通過網(wǎng)絡(luò)連接協(xié)同工作。這樣一來，既可以擴展存儲和處理能力，也可以提高系統(tǒng)的可用性和容錯性。

當(dāng)然，分布式數(shù)據(jù)庫，管理和維護方面會更復(fù)雜一些。

云數(shù)據(jù)庫，是響應(yīng)云計算的發(fā)展，把本地數(shù)據(jù)庫遷移到云端。

第四，繼數(shù)據(jù)倉庫之后，又出現(xiàn)了數(shù)據(jù)湖、湖倉一體。

限于篇幅，后續(xù)專門給大家介紹這幾個概念。

第五，是數(shù)據(jù)庫開始引入AI，走向智能化。

將AI人工智能引入數(shù)據(jù)庫，也是一個重要趨勢。

AI能發(fā)揮的作用很多。一方面，可以實現(xiàn)更高的查詢和存儲效率，并自動化處理各種任務(wù)。另一方面，可以分析大量數(shù)據(jù)記錄，標(biāo)記異常值和異常模式，自動防范惡意訪問與攻擊，提升安全性。

除此之外，AI還可以主動實現(xiàn)數(shù)據(jù)庫的智能調(diào)優(yōu)，提升數(shù)據(jù)庫的整體性能。或者，自動進行系統(tǒng)維護操作，減少運營維護成本，也避免人為錯誤。

第六，是國產(chǎn)數(shù)據(jù)庫替代的加速。

最近十多年，國產(chǎn)數(shù)據(jù)庫的發(fā)展速度極快。在信創(chuàng)戰(zhàn)略的推動下，越來越多的國內(nèi)企業(yè)和政府部門開始啟用國產(chǎn)數(shù)據(jù)庫，進行國產(chǎn)化替代。

█ 結(jié)語

好啦，以上就是關(guān)于數(shù)據(jù)庫的基本介紹。

數(shù)據(jù)是21世紀(jì)最有價值的無形資產(chǎn)。存儲和利用數(shù)據(jù)，對每個人、每個企業(yè)、每個政府都意義重大。像數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)湖這樣的數(shù)據(jù)平臺，是充分利用數(shù)據(jù)價值的前提，也是發(fā)展AI的前提。

相信未來幾年，數(shù)據(jù)庫技術(shù)還將保持高速發(fā)展，涌現(xiàn)出更多的創(chuàng)新。