CMU15445 Lecture 1 Relational Model

数据库的定义

由一些互相有联系的数据所组成的集合，该集合模拟了现实世界的某些方面
并且数据是大多数计算机应用的组件核心

为什么需要database，也就是一般的文件系统为什么不行`flat flie strawman`

现在假设需要存储管理一个数字音乐商店，我们需要存储管理以下数据：

Artists的信息
Artists发行的Albums信息
现在把数据存入CSV(comma-separated value)文件中,并且每一个实体一个单独的文件，应用必须解析文件每当它想要读/更新数据，比如，我们这样存储

Artist:

"Wu-Tang Clan",1992,"USA"
"Notorious BIG",1992,"USA"
"Ice Cube",1989,"USA"

Album:

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

如果我们需要查找是哪一年Ice Cube单飞了，我们需要这样写一个python脚本：

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

csv文件的缺陷：

数据的完整性难以保障
- 如何确保一位artist的每个album的artist字段是一致的
- 如何处理在album发行年份写的不是数字的情况
- 一张album由多个artist发行怎么办
- 如果误删了在Album中还存在album的artist，怎么办
实现方面也存在问题
- 如何找到应用所期望的记录条目呢，用python(其他语言也是)效率低
- 如果一个新的应用想要去用同样的数据呢，在它的实现代码中再写一遍查询吗？
- 难以保证线程安全，如果两个线程同时写一个文件，怎么办
持久性问题
- 如果在我们更新一条记录是，机器宕机了，怎么办
- 如何复制多个数据库到多台机器上，以达到高可用呢

数据库管理系统（DBMS）的引入

DBMS是一个软件，使得应用去存储与分析信息在一个database中。DBMS一般是设计用于定义，创建，查询，更新，管理database

由于逻辑层与物理层的紧耦合，早期的数据库应用程序难以构建与维持，在构建一个应用与部署对应的数据库之前，需要大致知道该应用将执行怎样的查询

Ted Codd对此问题，提出了DBMS的抽象：

用简单，统一的数据结构存储数据
通过高级语言操作数据
物理层与逻辑层分离，系统开发者只关心逻辑层，而DBMS的开发者关心物理层

数据模型`data model`

data model构成了database的基本结构：一个用于描述数据，数据关系，数据语义与一致性约束的概念工具的集合，比如:

Relational，用一个table的集合来表示数据与数据间的关系,每个table有很多的列，每个列有一个唯一的名字，table也被称作relation,该数据模型被广泛使用在当经的数据库系统中
Key/Value,比如redis
Array / Matrix,机器学习常用
Entity-Relationship, E-R图被广泛用于数据库设计
Semi-structured, 对于同种数据类型，可以有不同的属性，比如JSON与XML
Object-Based, 由面向对象编程引出该数据模型，可以看作Relational的一种延申，具有封装，方法，对象实体等概念。之前的数据库系统可以将procedure存储并重新执行，就是视图view了

Schema

data model与schema的区别：比如，对于relational model,schema是指表的列有哪些属性？而data model表示用table来表示这些数据与数据间的关系

Relational Model

relaitonal model定义了三个概念：

structure,定义了关系的列的有哪些属性，以及这些属性可以有哪些值
Intergrity,用于确保数据库的数据满足一定约束，比如某个属性必须是数字
Manipulation，用来定义应当怎样访问数据库的内容

relation
一个realtion是一个无序集合，它包含了一些属性之间的关系，由这些有着内在联系的属性来表示一个实体，DBMS可以对这个无序集合做排序，用于优化。有n个属性的realtion被叫做n-ary relation

tuple
是relation中的元素，属性的值以前必须得是原子的，单一标量的，现在可以是嵌套的了，也可以是一个列表。每个属性由一个特殊的值NULL,用来表示此时该属性还未定义。

primary key
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 key
foreign key 唯一确定另一个 relation 中的一个 tuple,由foreign key可以解决album与artist的1对多的问题

DMLs(Data Manipulation Languages)

用于对于数据库存储或者取数据的语言，主要由两种：过程式Procedural，比如Relational Algebra,与声明式Non-Procedural,比如Relational Calculus

Relational Algebra

关系代数用于在一个realtion中取和操作tuple

注意：关系代数是一种过程式的语言，因为它定义了一个查询的具体执行步骤，比如已经说明需要先取R与S的交，再做select，而恰恰相反，它们的结果是一样的，但是它们的效率不同。
SQL是关系模型数据库查询的一个事实上(facto)的标准，它做的便是你告诉它你想要的数据，DBMS决定如何取数据