Chapter 1 Introduction¶

文件系统（file systems）存储数据的弊端

数据冗余与不一致：多文件格式导致信息重复存储，易出现数据不一致。
数据访问困难：完成新任务需编写新程序，复用性差。
完整性问题：完整性约束（如账户余额>0）嵌入代码，无法显式定义，新增/修改约束成本高。
更新原子性缺失：故障会导致部分更新执行，数据库处于不一致状态（如账户转账需全成或全败）。
并发访问冲突：无控并发会引发数据不一致（如两人同时从同一账户取款）。
安全性不足：难以实现数据的精细化访问控制（部分数据开放、部分保密）。

1 Relational Database System Concepts¶

1. 1 DBMS¶

数据库管理系统（DBMS, Database Management System）是管理特定企业信息的系统，由一组相互关联的数据、一套访问数据的程序，以及便捷且高效的使用环境共同构成。

工作流程：各类应用程序向 DBMS 发送指令/数据请求，DBMS 管理相互关联的数据集并返回结果。

1. 2 Data–Different Levels¶

物理层（Physical level）：描述数据的实际存储方式。
逻辑层（Logical level）：描述数据库中存储的数据及数据间关系，是对数据的整体逻辑定义。
视图层（View level）：为应用程序隐藏数据类型细节，同时可通过视图实现安全保密，一个数据库可对应多个视图。

数据模型（Data Models）

数据模型是描述数据结构、数据关系、数据语义、数据约束的工具集，主流及经典模型包括：

关系模型（Relational model）：核心为二维表，是目前最主流的模型（如department(dept_name, building, budget)）。
实体-关系模型（Entity-Relationship data model）：主要用于数据库设计阶段，建模企业的实体与关系。
基于对象的数据模型（Object-based data models）：面向对象（Object-oriented）模型、对象关系（Object-relational）模型。
半结构化数据模型（Semistructured data model）：典型为 XML，适用于非结构化/半结构化数据。
经典旧模型：网状模型（Network model）、层次模型（Hierarchical model）。

1. 3 Instance & Schema¶

类比编程语言的类型与变量（types and variables），是描述数据库静态结构与动态内容的核心概念。

模式（Schema）：数据库的逻辑结构，是静态定义，不会随时间变化（如客户、账户信息及二者关系）。
- 物理模式（Physical schema）：物理层的数据库设计
- 逻辑模式（Logical schema）：逻辑层的数据库设计
实例（Instance）：某一特定时间点数据库的实际内容，是动态变化的（如某时刻的账户余额、客户信息）。
物理数据独立性：修改物理模式时，无需修改逻辑模式，应用程序仅依赖逻辑模式，实现层间解耦。

A Sample Relational Database & Sample Queries

1. 4 DDL & DML¶

1. 4. 1 DDL¶

数据定义语言（DDL, Data Definition Language）用于定义数据库模式，指定数据结构、完整性约束等。

示例

创建讲师表

create table instructor (
    ID char(5),
    name varchar(20),
    dept_name varchar(20),
    salary numeric(8,2)
)

DDL 编译器将定义生成表模板，存储在数据字典（data dictionary）中，数据字典是存储元数据（metadata）的核心，包含数据库模式、完整性约束、授权信息等。
核心完整性约束：主键（如 ID 唯一标识讲师）、参照完整性（如讲师表的 dept_name 必须在院系表中存在）、值约束（对属性值的范围/格式限制）

1. 4. 2 DML¶

数据操纵语言（DML, Data Manipulation Language）用于访问和操纵数据模型组织的数据，又称查询语言（query language）。
过程化（Procedural）：用户指定需要什么数据及如何获取，如关系代数（Relational algebra）。
声明式/非过程化（Declarative/Nonprocedural）：用户仅指定需要什么数据，无需指定获取方式，如 SQL（最主流）

SQL 示例

查询 ID 为 22222 的讲师姓名

select name
from instructor
where instructor.ID = '22222'

查询物理系讲师的 ID 和所在建筑

select instructor.ID, department.building
from instructor, department
where instructor.dept_name = department.dept_name and department.dept_name = 'Physics'

应用程序访问数据库的方式：嵌入式SQL、API（ODBC/JDBC）。

1. 5 Database Design¶

逻辑设计（Logical Design）：确定数据库模式，找到优质的关系模式集合，包含业务决策（记录哪些关系模式和属性）和计算机科学决策（优化模式，合理分配属性到各关系模式）
物理设计（Physical Design）：确定数据库的物理布局（如存储位置、文件组织、索引设计）。
核心设计方法：
1. 实体-关系（E-R）模型：将企业建模为实体（可区分的事物/对象，由属性描述）和关系（实体间的关联），通过 E-R 图可视化表示。
2. 规范化理论（Normalization Theory）：形式化定义不良设计并进行检测，核心为函数依赖（如 student_id → student_name，学号唯一确定姓名），通过规范化消除数据冗余、避免更新异常。

Does a instructor have a dept_name?

答案

讲师（instructor）实体本身没有 dept_name 属性，dept_name 是院系（department）的属性，讲师和院系的关联是通过 member 这个关系来表达的。

在实际数据库表设计中，为了方便查询，通常会在 instructor 表中加入 dept_name 作为外键（foreign Key），用来关联 department 表。

2 Relational Database System Design¶

2. 1 Storage Management¶

存储管理器（Storage manager）是底层数据与查询处理器的接口，负责高效、一致地存储、检索、更新数据。
核心任务：上下层交互、数据的存储/检索/更新、故障恢复、事务支持。
关键问题：存储访问（文件/缓冲区）、文件组织、索引/散列、事务、故障恢复。
核心组件：授权与完整性管理器（Authorization and integrity manager）、事务管理器（Transaction manager）、文件管理器（File manager）、缓冲区管理器（Buffer manager）。

	示例
File organization
Index

2. 3 Query Processing¶

核心组件：DDL 解释器、DML 编译器、查询评估引擎（Query evaluation engine）。
处理流程：
1. 解析与翻译（Parsing and translation）：将查询转为关系代数表达式
2. 优化（Optimization）：选择最低成本的执行计划
3. 执行（Evaluation）：查询评估引擎执行底层指令

同一查询有多种等价表达式和操作算法，优劣算法的成本差异极大。
- 顺序扫描（Sequence search）：\(\text{Num of Blocks} \, \cdot \, t_T + t_S\)
- 基于索引的扫描（Index based search）：\((h_i + 1) \, \cdot \, (t_T + t_S)\)

2. 4 Transaction Management¶

事务（Transaction）是数据库应用中执行单个逻辑功能的一组操作，是数据更新的基本单位，需解决系统故障和并发更新冲突，保证数据库始终处于一致状态。

事务管理器（Transaction-management component）：保证故障下数据库的一致性，实现故障恢复。
并发控制管理器（Concurrency-control manager）：控制并发事务的交互，避免数据不一致。

Lock Based Concurrent Control	Log Based Recovery