数据库系统

定义

数据库系统指的是计算机系统中引入数据库之后形成的整体,属于一种人机系统^[4]。它的组成通常被概括为数据库、数据库管理系统及其开发工具、应用系统与数据库管理员,四者共同承担数据的存储、处理与维护工作^[5]。从更宽的划分看,广义的数据库系统还包括计算机硬件以及操作系统等系统软件,硬件为数据提供外部存储与处理能力^[1]。

数据库与数据库系统属于不同层级的概念:数据库只是长期存放于计算机内、有组织且可共享的数据集合,是系统中的一个组成部分^[6]。系统中的核心软件是数据库管理系统(DBMS),它处在用户与操作系统之间,负责组织、存储、获取与维护数据^[7]。人员方面则包括数据库设计人员、应用程序员、终端用户以及负责总体控制的数据库管理员^[1]。

原理

数据库系统依靠数据模型来描述现实世界的数据及其联系,常见模型包括层次模型、网状模型与关系模型^[8]。关系模型把数据组织为若干相互关联的二维表,并用主键、外键等完整性约束维持表间关系^[9]。数据的逻辑结构在系统中被抽象为三级模式:外模式描述用户可见的局部数据,模式描述全体数据的逻辑结构,内模式描述物理存储方式,两层映像使应用程序与存储细节相互隔离^[10]。

对数据的操作主要通过SQL完成,该语言集数据定义、数据操纵与数据控制功能于一体。多用户环境下的正确性由事务机制保障,事务需满足原子性、一致性、隔离性与持久性,即 ACID 属性^[11]。并发控制与恢复机制则用来处理同时访问和故障后的数据一致性^[12]。

数据在物理上以数据块、区、段和表空间等结构组织,内存中则由实例的共享内存区缓存数据块与共享语句,以提高访问效率^[13]。查询处理时系统依据索引等存取结构定位所需记录,索引与表在逻辑和物理上相对独立,可单独建立或删除。$\text{事务提交} \Rightarrow \text{日志落盘} \Rightarrow \text{数据持久化}$ 是保证持久性的常见路径^[11]。

发展历程

数据管理技术早期依赖人工方式,20 世纪 50 年代末起转入文件系统阶段,数据可以长期保存在外存,但共享性差、冗余度大^[2]。20 世纪 60 年代末以后,为满足多用户、多应用共享数据的需求,数据库技术逐步形成^[2]。1961 年通用电气公司的巴克曼开发出集成数据存储,被视为网状数据库管理系统的早期代表;1968 年 IBM 推出基于树形结构的 IMS,成为层次数据库的代表产品^[14]。

1970 年,IBM 研究员埃德加·科德发表论文提出关系模型,奠定了关系数据库的理论基础^[15]。1974 年,关系模型的数学定义被转化为较简单的关键字语法,SQL 由此诞生^[15]。此后 IBM 的 System R 与 Oracle 等产品推动关系系统走向商用,到 20 世纪 90 年代初关系系统在大规模数据处理中占据主导地位^[8]。

20 世纪 90 年代,针对关系模型难以直接处理复杂数据的问题,出现了对象关系数据库等形态^[8]。2000 年代后期,面向大规模分布式与非结构化数据,出现了不强求固定表结构的 NoSQL 系统,如文档型、键值型、列族型与图数据库^[16]。2010 年代以后,云计算推动托管式与无服务器数据库服务发展,兼顾事务与可扩展性的新型系统也相继出现^[15]。

应用

数据库系统被用于企业信息管理、电子商务、金融、科研与教育等领域,为组织提供数据的存储与管理能力^[17]。几乎所有企业或部门的信息系统都以数据库为基础,例如工厂管理信息系统中的库存管理、物资采购等子系统^[18]。

在互联网服务中,键值存储常用于缓存与会话数据,文档数据库适合结构多变的数据,图数据库适合处理社交关系与推荐场景^[16]。分析型应用中,来自多个数据源的数据会先整合进数据仓库,再用于决策分析与报表^[19]。此外,地理信息、时序监测与知识图谱等场景也各自演化出专门的数据库类型^[15]。

局限

数据库系统的能力受分布式理论约束。CAP 理论指出,分布式系统无法同时满足一致性、可用性与分区容忍性三项要求,最多同时满足其中两项^[11]。因此追求高可用的系统往往只能提供最终一致性,读取时可能返回尚未更新的数据^[20]。

在分布式环境中保障严格的事务属性会限制可扩展性,分布式事务较多时系统吞吐量下降明显^[11]。NoSQL 系统虽然扩展性好,但多数不支持完整的 ACID 事务,查询语言与工具的成熟度也相对有限^[16]。传统关系系统在存储层次型对象、图像等半结构化与非结构化数据方面能力较弱^[15]。

分布式数据库的实际部署规模也受限制,往往难以扩展到 50 个节点以上,且结构变更与节点增减的管理成本较高^[21]。此外,强一致性要求会带来额外的同步延迟,一致性维护本身即构成性能开销^[22]。

参见

• 数据库管理系统 —— 数据库系统的核心软件,负责组织、存储与维护数据。

• 数据库 —— 数据库中数据的组织形态,是数据库系统的组成部分。

• SQL —— 关系数据库通用的数据定义与操纵语言。

• 关系模型 —— 以二维表描述数据及其联系的数据模型。

• NoSQL —— 面向大规模分布式与非结构化数据的非关系型数据库类别。

• CAP 定理 —— 说明分布式系统一致性、可用性与分区容忍性取舍的理论。