当前位置 : 主页 > 编程语言 > 其它开发 >

数据库系统原理「通关指南」

来源：互联网 收集：自由互联 发布时间：2022-07-17
数据库概述（Introduction） 什么是数据库管理系统 Database Management System (DBMS) 数据 + 管理系统 数据库存在的价值 Data redundancy and inconsistency （冗余与不一致性） Difficulty in accessing data （获
数据库概述（Introduction）

什么是数据库管理系统

  • Database Management System (DBMS)
  • 数据 + 管理系统

数据库存在的价值

  • Data redundancy and inconsistency（冗余与不一致性）
  • Difficulty in accessing data （获取数据困难）
  • Data isolation （数据孤岛）
  • Integrity problems （完整性问题）

数据库的三层抽象

  • 物理层（Physical level）：最低层次的抽象，描述数据实际上是怎样存储的。物理层详细描述复杂的底层数据结构。
  • 逻辑层（Logical level）：比物理层层次稍高的抽象，描述数据库中存储什么数据及这些数据间存在什么关系。这样逻辑层就通过少量相对简单的结构描述了整个数据库。虽然逻辑层的简单结构的实现可能涉及复杂的物理层结构，但逻辑层的用户不必知道这样的复杂性。这称作物理数据独立性( physical data independence)。数据库管理员（DBA）使用抽象的逻辑层，他必须确定数据库中应该保存哪些信息。
  • 视图层（View level）：视图层(view level)。最高层次的抽象，只描述整个数据库的某个部分。尽管在逻辑层使用了比较简单的结构，但由于一个大型数据库中所存信息的多样性，仍存在一定程度的复杂性。数据库系统的很多用户并不需要关心所有的信息,而只需要访问数据库的一部分。视图层抽象的定义正是为了使这样的用户与系统的交互更简单。系统可以为同一数据库提供多个视图。

实例与模式

  • 实例（Instances）：指特定时刻存储在数据库中的信息的集合

  • 模式（Schemas）：指数据库的总体设计

    • 物理模式（physical schemas）：在物理层描述数据库的设计
    • 逻辑模式（logical schemas）：在逻辑层描述数据库的设计。程序员使用逻辑模式来构造数据库应用程序
    • 子模式（subschemas）：描述了数据库的不同视图

数据模型（Data model）

  • 关系模型（retional model）：用表的集合来表示数据和数据间的联系
  • 实体-联系模型（entity-relationship model）：基于对现实世界的认识——现实世界由一组称作实体的基本对象以及这些对象间的联系构成。广泛用于数据库设计
  • 基于对象的数据模型（object-based data model）：基于面向对象设计思想
  • 半结构化数据模型（semistructured data model）：可拓展标记语言 xml，eXtensible，Markup，Language

数据库构成（Database System Internals）

数据库架构（Database Architecture）

  • Centralized （集中式）
  • Client-server （客户/服务器式）
  • Parallel (multi-processor) （并行）
  • Distributed （分布式）
关系型数据库概述（ Intro to Relational Model）

关系 （Relation）

  • 属性（attributes）：表中每一列数据。A1, A2, …, An
  • 元组（tuples）：表中每一行数据
  • 关系（relation）：关系是无序的
    • 关系实例（relation instance）：表
    • 关系模式（relation schema）： R = (A1, A2, …, An )。例如： instructor = (ID, name, dept_name, salary)

码/键（keys）

  • 超码（super key）：一个或一组属性，能够唯一区分一个关系的任何一个元组。例如 {ID, name}，{ID}

  • 候选码（candidate key）：最小的（包含属性个数最少）超码。例如 {ID}

  • 主码（primary key）：候选码中挑出一个作为主码，任何关系只能有一个主码

  • 外码（foreign key）：一个表中某一列的所有值一定出现在另一张表的某一列，且在另一张表中为主码

大学数据库模式图

image-20220710184350453

department(dept_name,building,budget);
instructor(ID, name,dept_name,salary);
course(course_id,title,dept_name,credits);
section(course_id,sec_id,semester,year,building,room_number,time_slot_id);
teaches(ID,course_id,section_id,semester,year);
student(ID,name,dept_name,tot_cred);
prereq(course_id,prereq_id);
Advisor(s_id,i_id)
takes(ID,course_id,sec_id,semester,year,grade)
classroom(building,room_number,capacity)
time_slot(time_slot_id,day,start_time,end_time)

大学数据库 E-R 图

形式化关系查询语言（ Formal Relational Query Languages ） 关系代数（Relational Algebra）

1️⃣ 选择（Select Operation）

  • 定义：$ \sigma _p (r)$ = {t | t $ \in $ r and p(t)}，p 是谓词，选择出满足谓词的元组

  • 例题：

    • 选出物理系或者年薪资大于70000美元的老师：$ \sigma _{dept_name=''Physics'' \lor ,,salary>70000}\left( instructor \right) ,,$
    • 选出除了物理和计算机学院之外的老师：$ \sigma _{dept_name\ne ''Physics'' \land ,,depe_name\ne ''Comp.Sci.''}\left( instructor \right) $

2️⃣ 投影（Project Operation）

  • 定义：$ \prod\nolimits_{A_1,A_2,...,A_k}^{}{\left( r \right)}$，选出特定的属性，结果只包含这 k 列，其他列不显示

  • 例题：

    • 找出所有计算机学院的老师的姓名：$ \prod\nolimits_{name}^{}{\left( \sigma _{\mathrm{de}pt_name=''Comp.Sci.''}\left( instructor \right) \right)}$

3️⃣ 集合并（Union Operation）

  • 定义： r $ \cup $ s = {t | t $\in $ r or t $ \in $ s}，两表查询结果合并

  • 要点：

    • r ，s 必须包含相同属性，即同元
    • r ，s 属性的域必须相容

  • 例题：

    • 找出所有在 2018 年秋季或者在 2019 年春季开课的课程：

      \[\prod\nolimits_{course\_id}^{}{\left( \sigma _{semester=''Fall'' \land \,\,year=2018}\left( \sec tion \right) \right) \cup}\prod\nolimits_{course\_id}^{}{\left( \sigma _{semester=''Spring'' \land \,\,year=2019}\left( \sec tion \right) \right)} \]

4️⃣ 集合差（Set Difference Operation）

  • 定义：r - s = {t | t $ \in $ r and t \(\notin\) s}，查询出属于 r 但不属于 s 的元组

  • 要点：

    • r ，s 必须包含相同属性，即同元
    • r ，s 属性的域必须相容

  • 例题：

    • 找出所有在 2018 年秋季但不在 2019 年春季开课的课程：

      \[\prod\nolimits_{course\_id}^{}{\left( \sigma _{semester=''Fall''\land \,\,year=2018}\left( \sec tion \right) \right) -}\prod\nolimits_{course\_id}^{}{\left( \sigma _{semester=''Spring''\land \,\,year=2019}\left( \sec tion \right) \right)} \]

5️⃣ 笛卡尔积（Cartesian-Product Operation）

  • 定义：r $ \times $ s = {t q | t $ \in $ r and q $ \in $ s}

  • 要点：

    • 笛卡尔积之后形成的新表要改名
    • 注意两表中相同属性命名使用 表名.属性名 或其别名

  • 例题：

    • 选出计算机学院所有学生的选课信息

      先笛卡尔积再选择：$ \sigma _{dept_name='Comp.Sci.'}\left( \sigma _{student.ID=takes.ID}\left( student\times takes \right) \right) $

      先选择在笛卡尔积：$ \sigma _{student.ID=takes.ID}\left( \sigma _{dept_name='Comp.Sci.'}\left( student \right) \times takes \right) $

6️⃣ 更名（Rename Operation）

  • 定义：$ \rho _{x\left( A_1,A_2,...,A_n \right)}\left( E \right) $，对于表 E ，重命名为 x ，投影属性重命名为 $ A_1,A_2,...,A_n $

关系代数表达式

  • 定义：把关系或常数关系通过关系代数连接起来形成的表达式

  • 例题：

    • 找出选了教师Einstein所教课程的所有学生的 ID,注意结果不能重复.

      $ \prod\nolimits_{ta.ID}^{}{\left( \sigma _{te.course_id=ta.course_id\land te.\sec tion_id=ta.section_id\land te.semester=ta.semester\land te.year=ta.year}\left( \sigma _{i.ID=te.ID\land name='Eisntein'}\left( \rho _i\left( instructor \right) \times \rho _{te}\left( teaches \right) \times \rho _{ta}\left( takes \right) \right) \right) \right)}$

    • 查出大学里的最高工资

      $ \prod\nolimits_{salary}^{}{\left( instructor \right) -\prod\nolimits_{instructor.salary}^{}{\left( \sigma _{instructor.salary<d.salary}\left( instructor\times \rho _d\left( instructor \right) \right) \right)}}$

附加关系代数（Additional Operations）

1️⃣ 集合交（Set-Intersection Operation）

  • 定义： r $ \cap $ s = {t | t $\in $ r and t $ \in $ s}

  • 要点：

    • r ，s 必须包含相同属性，即同元
    • r ，s 属性的域必须相容

  • 注意：$ r\cap s=r-\left( r-s \right) $

2️⃣ 除法（Division Operation）

  • 定义：$ r\div s $
  • $ R=\left( A_1,A_2,...A_m,B_1,B_2,...B_n \right) ,S=\left( B_1,B_2,...B_n \right)$
  • 解释：前提是 s 表的属性包含于 r 表。则 r 表属性去掉 s 表的属性之后，r 表中包含 s 表所有数据的元组被选出。其实文字比较难以形容，看图理解更好。

  • 应用：带有“包含某某集合所有元素”的问题，可以使用除法解决

  • 例题：

    • 选出选了计算机系所有课程的学生的 ID：$ \prod\nolimits_{course_id,ID}^{}{\left( takes \right) \div \left( \prod\nolimits_{course_id}^{}{\left( \sigma _{department='Comp.Sci.'}\left( course \right) \right)} \right)}$

3️⃣ 赋值（Assignment Operation）

  • 定义：$ temp\gets expression $，查询结果保存在临时表

4️⃣ 自然连接（Natural Join Operation）

  • 定义：$ r\Join s $，r 表和 s 表根据重复属性进行笛卡尔积，最后去除重复属性

  • 例题：

    • 查找计算机学院所有老师的名字以及他们所上课程的名字

      $ \prod\nolimits_{name,title}^{}{\left( \sigma _{dept_name='Comp.Sci.'}\left( instructor\Join teaches\Join course \right) \right)}$

    • 查找教授 ‘D.B.S' 和 ’O.S‘ 的老师的名字以及课程名称

      $ \prod\nolimits_{name,title}^{}{\left( instructor\Join teaches\Join course \right) } $ \(\div \rho _{title}\left( temp \right) \left( \left\{ \left( ''D.B.S'' \right) ,\left( ''O.S'' \right) \right\} \right)\)

拓展关系代数（Extended Relational-Algebra-Operations）

1️⃣ 广义投影（Generalized Projection）

  • 定义：$ \prod\nolimits_{F_1,F_2,...F_n}^{}{\left( E \right)}$

  • 解释：投影可以进行四则运算

  • 举例：$ \prod\nolimits_{customer,limit-balance}^{}{\left( credit \right)}$

2️⃣ 聚集函数（Aggregate Functions and Operations）

  • 定义：

    \[_{G_1,G_2,...,G_n}g_{F_1\left( A_1 \right) ,F_2\left( A_2 \right) ,...,F_n\left( A_n \right)}\left( E \right) \]

  • 解释：

    • G ：选中进行分组的属性（可以为空）
    • F ：聚集函数（sum，avg ，min ，max ，count）
    • A ：聚集函数作用的属性

  • 要点：

    • 除了 count(*) 会保留 null ，对所有行进行统计，其他聚集函数会忽视值为 null 的属性
    • 可对聚集之后的属性进行更名操作：

      \[_{building}g_{sum\left( budget \right) \,\,as\,\,sum\_budget}\left( department \right) \]

3️⃣ 外连接（Outer Join）

  • 定义：保留连接过程中某表的所有数据，连接操作的延申，能避免信息的丢失

  • 左外连接（左表完整），右外连接（右表完整），全外连接（左右表完整）

image-20220710221648684image-20220710221658570

NULL值问题

  • 定义：null 表示一个不确定（unknown ）的值，或一个不存在的值

  • unknown 的逻辑运算：优先级上 false < unknown < true

    # OR
unknown or true = true
unknown or false = unknown
unknown or unknown = unknown

# AND
unknown and true = unknown
unknown and false = false
unknown and unknown = unknown 

# NOT
not unknown = unknown
修改关系代数（Modification of the Database）

1️⃣ 删除（Deletion）

  • 定义：$ r\gets r-E $

  • 解释：可以删除整条元组，但不可以删除某些属性

  • 例题：

    • 删除所有物理学院的老师：$ instructor\gets instructor-\sigma _{dept_name='Physics'}\left( instructor \right) $

2️⃣ 插入（Insertion）

  • 定义：$ r\gets r\cup E $

  • 解释：r 表并上查询结果 E ，赋值给 r 表

  • 例题：

    • 插入 instrutor 表，ID 为 1111，教师"Peter"，年薪 72000：

      \[instructor\gets instructor\cup \left\{ \left( ''1111'',''Peter'',,72000 \right) \right\} \]

      \[instructor\gets instructor\cup \left\{ \left( ''1111'',''Peter'',null,72000 \right) \right\} \]

3️⃣ 更新（Updating）

  • 定义：$ r\gets \prod\nolimits_{F_1,F_2,...F_I}^{}{(r)} $

  • 解释：可以改变某个元组当中的某个值。

  • 例题：

    • 所有老师年薪提高百分之五：$ instructor\gets \prod\nolimits_{id,name,dept_name,salary*1.05}^{}{\left( instructor \right)}$
结构化查询语言 SQL

SQL 语言在功能上主要分为如下3大类：

DDL（Data Definition Language、数据定义语言），这些语句定义了不同的数据库、表、视图、索引等数据库对象，还可以用来创建、删除、修改数据库和数据表的结构。主要的语句关键字包括 CREATE 、 DROP 、 ALTER 等。

DML（Data Manipulation Language、数据操作语言），用于添加、删除、更新和查询数据库记录，并检查数据完整性。主要的语句关键字包括 INSERT 、 DELETE 、 UPDATE 、 SELECT 等。SELECT是 SQL 语言的基础，最为重要。

DCL（Data Control Language、数据控制语言），用于定义数据库、表、字段、用户的访问权限和安全级别。主要的语句关键字包括 GRANT 、 REVOKE 、 COMMIT 、 ROLLBACK 、 SAVEPOINT 等

DQL（Data Query Language、数据查询语言)，有时单独把 SELECT 拿出来作为 DQL 分类

DDL（Data Definition Language）

常用数据库数据类型

VARCHAR vs CHAR

CHAR 和 VARCHAR 类型都可以存储比较短的字符串。

  • CHAR 类型
    • CHAR(M) 类型一般需要预先定义字符串长度。如果不指定(M)，则表示长度默认是1个字符。
    • 如果保存时，数据的实际长度比 CHAR 类型声明的长度小，则会在右侧填充空格以达到指定的长度；如果数据的实际长度比 CHAR 类型声明的长度大，则会截取前 M 个字符。当 MySQL 检索 CHAR 类型的数据时，CHAR 类型的字段会去除尾部的空格。
上一篇：【Azure 存储服务】Hadoop集群中使用ADLS(Azure Data Lake Storage)过程中遇见执行PUT操作
下一篇：没有了
网友评论
相关栏目
最近更新
热门文章