Lecture 1. Introduction¶

Definition¶

• <1> Database is a very large, integrated collection of data
• <2> A DBMS is a software system designed to store, manage and facilitate access to databases

传统 OS 提供的 File-Processing System 不能很好地维护 data files 的格式，并且 data files 之间的关联性很低。

具体而言存在以下问题

• (1) Data redundancy and inconsistency
  • Multiple file formats, duplication of information in different files
• (2) Difficulty in accessing data
  • Need to write a new program to carry out each new task
• (3) Data isolation — multiple files and multiple formats
  • Difficult to retrieve, difficult to share
• (4)Integrity problems
  • Integrity constraints  (e.g. account balance > 0) become part of program code, so that it's hard to add new constraints or change existing ones
• (5) No atomicity of updates
• (6) Difficult to concurrent access by multiple users
• (7) Security problems (i.e., Right person uses right data)

因此我们需要一个不同于操作系统的 Datebase Management System 来解决以上问题。

对于 DB，我们将其抽象为 3-level，不同的层有不同的用途：

• Physical Level: how a record is stored
  • 在物理存储介质中如何保存、实现
• Logical Level: describes data stored in database, and the relationships among the data on upper level
  • 数据库中存储什么数据？数据之间有什么关系？
• View Level: application programs hide details of data types
  • 根据需求展现给不同用户的数据视图

A very brief example:

• Schema - the structure of the database on different level
  • Physical schema: database structure design at the physical level
  • Logical schema: database structure design at the logical level
  • Subschema: schema at view level
• Instance - the actual content of the database at a particular point in time

通俗来讲，可以认为 Schema 是表的 Column，Instance 为表的 Row(及其内容)，二者结合在一起才是 Relation。

Independence 指的是修改某一层的 Schema 定义，而不影响高层的 Schema 的能力。例如，Physical Data Independence 为修改 Physical Schema 并且不需要更改 Logical Schema 的 能力。

Data Models¶

不同 level 的 data abstraction 可能需要不同的 data model 去描述，常见的 data model 有：

• Entity-Relationship Model
  • 通常用于数据库的 Conceptual Design
• Relational Model
  • 通常用于数据库的 Logical Design
• Other Models
  • Object-Oriented Model
  • Semi-structured Data Model
  • Older Models such as network model, hierarchy model, etc

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 database'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

Database Language¶

• Data Definition Language, DDL: 指定了数据库的 Schema，产生的 metadata 会存放在 data dictionary 中
• Data Manipulation Language, DML: 从数据库存取数据的语言，即与 DB 交互的方式，也被称为 Query Language，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, C, Java 等，数据库必须由过程式语言编写
  • 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, SQL 本身也属于这一类
• Data Control Language, DCL: 用来控制数据的权限

Users & Administrators¶

根据用户不同的交互需求，可以将他们分为 Naive Users、Sophisticated users、Specialized users、Application programmers 等：

Database Administrator(DBA) 是一个特殊的用户，他拥有数据库的所有权限，包括组成 DBMS 的 Programs。DBA 要做定义模式，数据库调谐，故障时恢复（备份）等工作。

Database Architecture¶

Query Processor

Query Processor 包括 DDL interpreter，DML compiler 以及 query processing。它将一个 SQL 查询分割翻译为 Relation-Algebra，再由 Optimzer 优化组织成 Execution Plan，最后在低层次上执行输出：

Storage Manager

Storage Manager 包括 Transaction Manager、Authorization and Integrity Manager、File Manager 以及 Buffer Manager，它是内存和磁盘之间的接口。

具体实现以后应该会讲（或者你做了 minisql 应该知道）。