22
1 月
如何理解“数据库”？
- By IanGoo
“数据库”这个概念，如果对计算机有一定了解的话肯定会听说过。字如其名，“数据库”肯定就是用来存储数据用的。可我们的U盘、硬盘不也能存储数据吗？数据库又有什么特殊的呢？
OK，现在假设，你是一家集团公司的HR，你上司让你管理分公司三个大佬的人事信息，他一边说你一边记，笔记本（纸张意义上的）上留下了这三位大佬的信息：
嬴政
44岁，祖籍陕西咸阳，出生于河北邯郸，毕业于西北工业大学，专业为土木工程，现担任大秦分公司规划总监，工龄19年，工号0211。
李世民
52岁，祖籍甘肃临洮，在山西太原出生，毕业于太原理工动力系统工程专业，现担任大唐分公司人力资源总监，工龄24年，工号0626。
赵匡胤
50岁，祖籍河北涿州，出生于河南洛阳，毕业于郑州大学自由搏击专业，现任大宋分公司安保总监，工龄26年，工号0960。
这是一种很常见的数据记录方式，我们平时在生活中随手写在笔记本上的Memo就是这种类型，而我们如果将其以文字系统输入不管是记事本还是Word然后存放在一台电脑上，本质上与这种记录方式没有区别——这是一种以自然语言形式记录的数据。
很明显，以计算机的视角来看，这种记录方式显然是很不规范的，让计算机处理这样的数据，就会非常费劲。所以，我们可以看看这三个皇……不是，这三个员工，有哪些“特性”：
- 基本信息
- 教育信息
- 任职情况
Bingo！这种思路，就是现代数据库的一个基本特征——结构化。我们保存在同一个数据库当中的东西，总归是有一定的相似性的。比如库房数据库里肯定放着的都是库房里保存的备品备件，人事数据库里保存的肯定都是员工的信息等等，我们日常去检索这些信息，依赖的是这些信息的某种“特征”，比如在员工的数据里找具体的哪个人，或者工作年限已经达到多少多少年的员工。这样，就相当于对信息的表述作出了一个规范化。在这样的案例中，这三个员工的信息，在数据库中就对应着三条“记录”，而用来描述这些记录的“特征”，则被称为“字段”。
如果我们用基本信息、教育信息、任职情况这三个字段去重写上面这三位员工的档案，就会变成这样：
嬴政
基本信息：
工号0221，44岁，祖籍陕西咸阳，出生于河北邯郸。
教育信息：
毕业于西北工业大学土木工程专业。
任职情况：
工龄19年，现任大秦分公司规划总监。
李世民
基本信息：
工号0626，52岁，祖籍甘肃临洮，出生于山西太原。
教育信息：
毕业于太原理工大学动力系统工程专业。
任职情况：
工龄24年，现任大唐分公司人力资源总监。
赵匡胤
基本信息：
工号0960，50岁，祖籍河北涿州，出生于河南洛阳。
教育信息：
毕业于郑州大学自由搏击专业。
任职情况：
工龄26年，现任大宋分公司安保总监。
Emm，变清晰了不少。但是这么分，合适吗？——每个类型的“特性”其实都很粗，这也不符合现代数据库的另一个重要特性：原子化。
数据库的本质上是为了方便程序对信息的检索，电脑尤其擅长于在一大堆数据中找到符合条件的数据，但是前提是你得喂给他足够规范化的数据，否则就会给程序的编写带来很大的麻烦。我们日常生活中使用的软件，一部分是程序，另一部分是数据，程序需要从数据库中获取特定的数据用于处理，不够原子化的数据表述就会非常麻烦。
比如，“基本信息”字段当中，写着“工号XXXX，XX岁，祖籍XXXX，出生地XXXX”这么一大串文字，但是程序只想要知道员工的年龄，然后求一下公司在册员工的平均年龄，这时候就得写好长一段字符串处理代码将员工“XX岁”里的“XX”提取出来，转换成整型数据再求平均数，极其麻烦。而如果一早就将这些数据打碎，直接以整型数据将员工年龄存储在“年龄”字段当中，程序就可以直接很方便地将这个字段的所有数据起出来求平均，非常简单快捷。
因此，对于这三位员工记录的字段应当这么设定：
- 工号
- 年龄
- 祖籍
- 出生地
- 毕业院校
- 专业
- 任职分公司
- 职位
- 工龄
数据库对原子化的要求非常高，这里的“年龄”和“工龄”，全世界都默认按“年”来计算还不算个问题，但是在某些场合下，单位都是要被拆分出来的。比如库存统计数据，“3盒”、“6个”这样的记录数据是不被允许的，因为这样的数据实际上是“数量”+“单位”的表述方式，这是两个字段的缝合，应当被拆开。记录为“3”“盒”、“6”“个”。
字段存储的数据类型也不一样，如“年龄”（准确的说应当是“年龄/岁”），存储的就应当是一个整数，而祖籍、出生地这些，存储的都是字符串。因此字段的完整设置如下：
| 字段 | 数据类型 |
|---|---|
| 工号 | 文本（text） |
| 年龄/岁 | 整型（integer） |
| 祖籍 | 文本（text） |
| 出生地 | 文本（text） |
| 毕业院校 | 文本（text） |
| 专业 | 文本（text） |
| 任职分公司 | 文本（text） |
| 职业 | 文本（text） |
| 工龄/年 | 整型（integer） |
这里还需要注意一个概念：主关键字（Primary Key），或者称为“主键”。主键的作用是唯一地标识某个记录。主键与记录应当保持严格的一一对应，并且不应当出现空主键，主键也不应当重复。对于本例来说，主键是什么？
在日常生活中的类比就是找一个人，我们找人一般是通过姓名来找，但是公司大了之后，难免重名重姓，毕竟现在又不是秦朝唐朝宋朝那样的帝制时代，避讳什么不存在的。计算机要找李世民，结果在姓名一栏里翻了一下找出来十几个李世民，哪个是哪个？这种情况下，用不会重复的东西——比如工号来作为主键就科学多了。当然，主键也可以由不止一个字段构成，比如员工（分公司，职业），多字段主键一样要保证和记录的一一对应，如果同一个分公司干同一个职业的还是有两个李世民，那也是错误的主键设置。
通过记录和字段，我们就构成了一个数据表：
| 工号（Key） | 姓名 | 年龄 | 祖籍 | 出生地 | 毕业院校 | 专业 | 任职分公司 | 职业 | 工龄 |
|---|---|---|---|---|---|---|---|---|---|
| 0221 | 嬴政 | 44 | 陕西咸阳 | 河北邯郸 | 西北工业大学 | 土木工程 | 大秦分公司 | 规划总监 | 19 |
| 0626 | 李世民 | 52 | 甘肃临洮 | 山西太原 | 太原理工大学 | 动力系统工程 | 大唐分公司 | 人力资源总监 | 24 |
| 0960 | 赵匡胤 | 50 | 河北涿州 | 河南洛阳 | 郑州大学 | 自由搏击 | 大宋分公司 | 安保总监 | 26 |
OK，这下，这三位员工的信息就构成了一张“数据表”。
当然我们不妨思考一下，上面的设置真的做到最原子化了吗？
其实也不一定。比如姓和名是可以继续分开来的。这样如果想要在集团里开一个“老赵家宗族大联欢”什么的，数据库查询更加方便。不过如果没有这样的业务需求，这么设置也大致没有问题。
顺便说一下，其实还是分开比较合理。万一集团公司招了个老外叫Napoléon Bonaparte，人家的姓和名的设置和中国的习惯不同，分开设计字段的应用灵活性就更高一些。
“数据表”就是一系列“记录”构成的二维表格，纵轴是“记录”，横轴是“字段”，而盛放这些数据表的“文件柜”，就是数据库。主流的数据库软件都是采用的这样的两层架构管理数据的，即数据库-数据表的结构。
不过再看看上面这张表，或许有人会陷入沉思……Emm，某个绿汪汪的、微软出的软件，好像……就是干这个嘛……
办公室民工——尤其是财务民工看着就反胃的软件，Excel。
一点都没有错，Excel也可以用于数据的存储，但是和正经的数据库——哪怕和同样在Office套件里的邻居Access相比，Excel还是有一些地方让它无法成为真正意义上的“数据库”：
其一是结构化，某种程度上说，Excel允许非结构化的数据存储。“合并单元格”或者某个单元格留空这种很不规范的事情在Excel里比比皆是，而且大家都司空见惯。
其二是原子化，Excel里面可以出现复合数据，我们也经常见到这样的表格。
数据库的两个重要原则在Excel上都可以突破，Excel当然就不能算正经的数据库了。
究其原因，还是因为Excel这个“数据库”对接的“程序”比较牛批——那可是天然智能（人脑），对模糊信息的处理能力强到爆炸，而和传统数据库对接的程序都很传统，都呆呆的，因此需要高度结构化，才能提高数据的处理效率。
上图的数据表在Excel当中经常能看到。这样的数据表，如果用数据库的写法会是什么样子呢？（上图并不是Excel，而是和Excel相似的电子表格软件LibreOffice Calc，正好LibreOffice里面也有和Access对标的数据库软件）
这就是一个比较规范的数据表了。
数据库建立完成后，还需要应用，才能显示出数据库的巨大价值。一个最简单的例子就是查询。以上图的数据库为例，可以建立一个“查询”，比如查找所有算盘系的学生，结果很快就可以出来：
那么，这和Excel的数据筛选有何不同？
答案就是可编程性。数据库由于设计非常严谨，因此对于程序来说非常友好。比如查询语句的设定和保存，假想一下，如果你手头有成千上万持续更新的汽车资料，而你经常需要固定在其中寻找特定的数据（比如A级车的轴距），这样的数据查询功能是可以固化下来的，需要查找这些数据只需要双击一下就可以搞定。
另外，数据表和数据表之间还可以完成关联，这就是现代数据库的另外一个重要的特性——关系性。比如，可以在一个数据表里存储员工的信息，另一个数据表里存储员工的绩效考核结果，两个数据库可以归属不同的团队来维护更新，只要保持两者之间的关系不断即可。
而且Access、LibreOffice Base（还有计算机二级的老朋友、天国的FoxPro），都属于本地运行的单机数据库，而当数据库联网之后，那威力将成倍增长。
因为网络是一张数据的巨网。
事实上，专用数据库的出现恰恰是因为互联网的数据量太过于庞大，使得企业不得不专门拨出算力和存储用于数据的存储和处理。时至今日，数据库已经成了很多在线应用的骨骼，如我们非常常见动态网站，PHP+MySQL+HTTP就是一个使用极为广泛的黄金组合，诸如WordPress、Drupal、TYPO3、MediaWiki这样的CMS都依赖于MySQL数据库。
包括你现在看到的文章，其实就是保存在数据库里的一段数据：
我在WordPress的后台写着这篇文章，PHP将文章的内容通过MariaDB保存进了数据库，在浏览这篇文章的时候，PHP再通过MariaDB从数据库中调取了这篇文章的内容，将其处理成HTML呈现在浏览器上。而在其他的字段，可以看到这篇文章的很多其他属性：什么时候修改的、是否发布、是否开放评论等等，这些都直接关系到一篇文章在网站上的呈现效果。
这仅仅是数据库在现代信息领域当中一个非常常见的应用领域，数据是现代社会的基石之一，数据库自然会扮演极为重要的角色。就算是非IT专业人员，不会操作数据库，也不会SQL，也需要了解一下数据库的基本原则。本文就是一个不怎么专业的人写的、帮助同样不怎么专业的人去了解数据库的工作原理的文章，如果能通过本文了解到数据库的基本原理，那么本文的目的也就达到了。如果想要更深入了解，那就是一个无底深坑了：