数据库技术

1数据库基础概念

• 数据（Data）：描述事物的符号记录，可以是数字、文字、图形、图像、声音等。
• 信息：数据经过加工处理后所获得的有意义、有价值的内容。数据是信息的载体，信息是数据的内涵。
• 数据处理：对数据进行收集、整理、组织、存储、检索、维护、加工和传输的一系列活动。

1.1 四个核心术语

1.2 数据管理技术的三个发展阶段

1.3 数据库系统的特点

1. 数据结构化：整体按数据模型组织，不仅描述数据本身，还描述数据间联系（与文件系统的根本区别）。
2. 数据共享性高、冗余度低、易扩充：多用户、多应用共用数据。
3. 数据独立性高：物理独立性（存储结构改变，逻辑结构可不改）与逻辑独立性（总体逻辑结构改变，应用程序可不改），由三级模式两级映像保证。
4. 数据由 DBMS 统一管理和控制：安全性保护、完整性检查、并发控制、数据库恢复。

2数据模型

数据模型是数据库中用来抽象表示现实世界数据及其联系的工具，是数据库系统的核心和基础。 数据模型由三要素组成：数据结构（描述对象及联系，静态特性）、数据操作（增删改查，动态特性）、数据的约束条件（完整性规则）。

2.1 两代/三类数据模型

此外还有面向对象模型、对象-关系模型等。数据抽象的一般过程是：现实世界 → 信息世界（概念模型，如 E-R 图）→ 机器世界（数据模型，如关系表）。

2.2 三级模式结构

• 外模式（子模式/用户模式）：用户看到和使用的局部数据视图，可有多个。
• 模式（逻辑模式/概念模式）：数据库中全体数据的全局逻辑结构，只有一个。
• 内模式（存储模式）：数据物理存储结构的描述，只有一个。

两级映像：外模式/模式映像保证逻辑独立性；模式/内模式映像保证物理独立性。

3概念模型与 E-R 图

在数据库设计之初，先用独立于具体 DBMS 的概念模型描述现实世界，最常用工具是实体-联系模型（E-R 模型）。

3.1 基本要素

• 实体（Entity）：客观存在并可相互区别的事物，如一名学生、一门课程；同型实体的集合称实体集。
• 属性（Attribute）：实体所具有的某一特性，如学号、姓名、年龄。
• 码/键（Key）：能唯一标识一个实体的属性或属性组，如学号。
• 域（Domain）：属性取值的范围，如性别域为 {男, 女}，成绩域为 0～100。
• 联系（Relationship）：实体集之间的关联。

3.2 三种联系方式

3.3 E-R 图的画法

• 矩形表示实体集；椭圆表示属性（用线连到实体）；菱形表示联系（线上标注 1、n、m）。

        学号   姓名                    课程号  课程名
         ○     ○                        ○     ○
          ╲   ╱                          ╲   ╱
        ┌────────┐   n    ┌──────────┐   m  ┌────────┐
        │  学生  │────────│  选课    │──────│  课程  │
        └────────┘        │ (成绩)   │      └────────┘
                          └──────────┘
   "学生"与"课程"通过"选课"形成 m:n 联系，联系本身也可带属性"成绩"

4关系数据库与关系代数

4.1 关系的基本术语

关系模型中数据的逻辑结构就是一张二维表，一个关系对应一张表：

• 关系（Relation）：一张二维表；元组（Tuple）：表中一行（一条记录）；属性（Attribute）：表中一列。
• 候选码：能唯一标识元组的最小属性组；从中选定一个作为主码（主键），如学号。
• 外码（外键）：表 A 中的属性引用了表 B 的主码，它在 A 中称外码，用于实现表间联系与参照完整性。
• 主属性：包含在任何一个候选码中的属性；关系模式是对关系的描述：关系名(属性1, 属性2, …)。

4.2 三类完整性约束

1. 实体完整性：主码不能取空值（主键唯一且非空），否则无法唯一标识元组。
2. 参照完整性：外码要么取空值，要么等于被参照表中已存在的主码值（学生表的"系编号"必须是系表中真实存在的）。
3. 用户定义完整性：针对具体业务的规则，如成绩 0～100、姓名非空、年龄为正整数。

4.3 关系代数

关系代数是一种抽象的查询语言，用对关系的运算表达查询。

• 传统集合运算（要求两关系结构相容）：并（∪）、差（−）、交（∩）、笛卡尔积（R 的每一行与 S 的每一行组合）。
• 专门关系运算：
  • 选择 σ：按条件选取满足条件的行（横向筛选），如 σ 年龄>18 (学生)。
  • 投影 π：选取指定的列并去重（纵向筛选），如 π 姓名,年龄 (学生)。
  • 连接 ⋈：把两表按一定条件拼接，最常用的是自然连接（按同名属性等值匹配并去重列）。

5SQL 语言

结构化查询语言（Structured Query Language，SQL）是关系数据库的标准语言（ANSI/ISO 标准）， 集数据定义、操纵、查询、控制功能于一体，高度非过程化——只需说明"要什么"，不必说明"怎么取"。

5.1 SQL 的四大组成

5.2 常用 SQL 语句示例

-- ① 建表（DDL）
CREATE TABLE Student (
    sno   CHAR(7) PRIMARY KEY,          -- 学号，主码
    sname VARCHAR(20) NOT NULL,       -- 姓名，非空约束
    age   INT CHECK(age > 0),
    dept  VARCHAR(30)
);

-- ② 插入、修改、删除（DML）
INSERT INTO Student VALUES('2026001', '张三', 19, '计算机系');
UPDATE Student SET age = 20 WHERE sno = '2026001';
DELETE FROM Student WHERE sno = '2026001';

-- ③ 查询（DQL）：查计算机系年龄大于18的学生姓名
SELECT sname, age
FROM   Student
WHERE  dept = '计算机系' AND age > 18
ORDER BY age DESC;             -- 按年龄降序

-- 分组聚合：统计各系学生人数
SELECT dept, COUNT(*) AS cnt
FROM   Student
GROUP BY dept
HAVING COUNT(*) > 50;          -- 对分组结果筛选

查询的执行逻辑可理解为：FROM 确定数据源 → WHERE 行筛选 → GROUP BY 分组 → HAVING 组筛选 → SELECT 选列 → ORDER BY 排序。 多表查询通过连接查询（JOIN）或嵌套子查询实现。

6数据库设计与规范化

6.1 数据库设计的六个阶段

1. 需求分析：调查用户要存储什么数据、做什么处理，产出数据字典、数据流图（DFD）。
2. 概念结构设计：建立独立于 DBMS 的 E-R 模型（设计的关键阶段）。
3. 逻辑结构设计：把 E-R 图转换为关系模式，并进行优化（规范化）。
4. 物理结构设计：选择存储结构、建立索引、确定存放位置。
5. 数据库实施：建库建表、录入数据、编写调试应用程序。
6. 数据库运行与维护：由 DBA 负责安全性、完整性监督、性能调整、备份恢复。

6.2 规范化与范式

设计关系模式时若把太多信息塞进一张表，会引发数据冗余、插入异常、删除异常、修改异常。 规范化理论用"范式"衡量关系模式的好坏，核心工具是函数依赖（若知道 X 的值就能唯一确定 Y 的值，则 Y 函数依赖于 X，记作 X→Y）。

方法："一事一表"——把不同主题的信息拆分到不同表，用外码关联。 例如"学生（学号，姓名，系名，系主任）"存在传递依赖（学号→系名→系主任），应拆成"学生表"和"系表"。范式并非越高越好，过度拆分会增加连接开销，有时为性能故意保留冗余（反规范化）。

7事务与并发控制

7.1 事务的 ACID 特性

7.2 并发操作带来的问题

• 丢失修改：两个事务同时修改同一数据，一个的修改被另一个覆盖。
• 读"脏"数据：事务 A 读到了事务 B 修改后尚未提交又被撤销的数据。
• 不可重复读：事务 A 两次读取同一数据期间，事务 B 修改并提交，导致两次结果不一致。

7.3 封锁技术

• 排他锁（X 锁/写锁）：事务对数据加 X 锁后只许自己读写，其他事务不能再加任何锁。
• 共享锁（S 锁/读锁）：加 S 锁后自己可读不能写，其他事务可再加 S 锁但不能加 X 锁。
• 两段锁协议（2PL）：事务分为"加锁阶段"和"解锁阶段"，可保证并发调度的可串行化；但封锁可能引发死锁，需预防或检测解除。

SQL 标准还定义了读未提交、读已提交、可重复读、串行化四种隔离级别，在一致性与并发性能之间权衡。

8数据库安全与恢复

8.1 安全性控制

数据库安全指保护数据防止不合法使用造成的泄露、篡改和破坏。常用措施：

1. 用户标识与鉴别：用户名/口令、动态验证码、生物特征认证。
2. 存取控制：通过 GRANT/REVOKE 定义不同用户对不同对象的操作权限（最小权限原则）。
3. 视图机制：为不同用户定义视图，把要保密的数据对无权用户隐藏。
4. 审计：记录用户操作日志，便于事后追溯。
5. 数据加密：传输加密（SSL/TLS）与存储加密，防止介质失窃泄密。

8.2 数据库恢复

故障不可避免（事务内部错误、系统崩溃、介质损坏、病毒黑客），DBMS 必须能把数据库恢复到一致状态。关键技术：

• 数据转储（备份）：DBA 定期把数据库复制到磁带/云存储，分静态/动态、海量/增量备份。
• 登记日志文件（Log）：按时间顺序记录所有更新操作（改前值、改后值），遵循"先写日志，再写数据库"原则。
• 恢复策略：对未完成事务执行 UNDO（撤销），对已提交但未写入的事务执行 REDO（重做）。

9常见数据库产品与发展趋势

9.1 主流关系数据库

9.2 NoSQL 与新型数据管理技术

面对互联网海量、高并发、数据类型多样的挑战，出现了不严格遵循关系模型的 NoSQL 数据库：

• 键值型：Redis（缓存、会话）；文档型：MongoDB（存 JSON 文档，灵活 schema）。
• 列族型：HBase、Cassandra（海量数据分布式存储）；图数据库：Neo4j（社交关系、知识图谱）。
• NewSQL：兼具关系模型与水平扩展能力，如 TiDB、OceanBase。
• 数据仓库：面向分析（OLAP），从各业务库抽取整合历史数据支持决策，如 Hive、ClickHouse；与之相对的联机事务处理称 OLTP。
• 大数据平台、数据湖：与下一章"新技术"中的 Hadoop/Spark 紧密相关。