1. Course Overview¶

Definition¶

根据一般定义，数据库指的是一组以某种关系相互关联的数据。我们常说的 MySQL、Oracle、MongoDB、Snowflake 等实际上属于数据库管理系统(Database Management Systems, DBMS)，是用来管理数据库的软件。

对于一个音乐软件，如果我们需要为其设计数据库，可以想到把 artist 和 album 放在两个不同的 csv 文件中，当我们执行查询等操作时可以进行逐行解析：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

-- artist.csv
--- Artist, Year, Country
"Wu-Tang Clan", 1992, "USA"
"Notorious BIG", 1992, "USA"
"GZA", 1990, "USA"

-- album.csv
--- Album, Artist, Year
"Enter the Wu-Tang", "Wu-Tang Clan", 1993
"St.Ides Mix Tape", "Wu-Tang Clan", 1994
"Liquid Swords", "GZA", 1990

例如，当我们想要查询什么年代 GZA 出道，可以使用如下简单的 python 代码：

1
2
3
4
5
6
7

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

# Actually in sql:
SELECT year FROM artists WHERE name=="GZA";

Data Models¶

• Relational
• Key/Value
• Graph
• Document/Object
• Wide-Column/Column-family
• Array/Matrix/Vectors
• Hierarchical
• Network
• Multi-Value

本课程主要涉及的数据库建立在关系型模型的基础上，它有如下三点关键：

• Store database in simple data structures (relations).
• Access data through high-level language, DBMS figures out best execution strategy.
• Physical storage left up to the DBMS implementation.

因此，对于 Ralational Model 设计的三个重要概念在于：

• <1> Structure: The defination of the dababase's relations and their contents
• <2> Intergrity: Ensure the database's contents satisfy constraints
• <3> Manipulation: Programming interface for accessing and modifying a database's contents

继续使用我们上一节中的数据，不过这次将其存储在一个 Table（Relation）中：

对于一个关系，我们需要为其设定一个 Primary Key 作为各个元组的独特标识。在本例中，由于一般情况下 Artist 不会重名，我们可以将 Name 作为主键。

不过我们不能保证 Artist 的名字不会重复，因此，更好的解决办法是，额外设置一个 ID 字段来作为主键，例如：

除此之外，对于多个关联的 Relation，我们需要维护一个 Foreign Key 来进行类似"映射"的操作。一个最常用的方法是创建一个交叉引用表：

Data Manipulation Languages, DMLs¶

DMLs 是用来从数据库中存取数据的语言，即与数据库交互的方式。它可以分为两类：

• Procedural Method: 对数据库的请求专注于更高层次上对如何查询想要结果的策略
  • Relational Algebra
• Non-Procedural (Declarative): 对数据库的请求只指出我们想要的数据，而不是怎么去找到它
  • Relational Calculus

Relational Algebra¶

对于关系代数，我们定义以下七个最基本的关系符号，它们的操作数是关系中的元组：

接下来我们以 \(R(a\_id, b\_id)\) 和 \(S(a\_id, b\_id)\) 两个关系来演示各个操作的效果：

1. Select

语法为：

1

SELECT * FROM R WHERE a_id='a2' AND b_id > 102;

2. Projection

语法：

1

SELECT b_id-100, a_id FROM R WHERE b_id > 101;

3. Union

语法：

1
2
3

(SELECT * FROM R)
    UNION ALL
(SELECT * FROM S);

4. Intersect

语法：

1
2
3

(SELECT * FROM R)
    INTERSECT
(SELECT * FROM S);

5. Difference

语法：

1
2
3

(SELECT * FROM R)
    EXCEPT
(SELECT * FROM S);

6. Product

语法：

1
2
3

SELECT * FROM S CROSS JOIN S;

SELECT * FROM S, R;

7. Join

语法：

1
2
3

SELECT * FROM R NATURAL JOIN S;

SELECT * FROM R JOIN S USING (a_id, b_id);