数据组织与数据控制：掌握井然有序且可靠数据的秘诀

同学们，欢迎来到“数据组织与数据控制”的笔记！别担心，这个课题听起来比实际复杂得多。我们会一起将其分解！

想想你手机里、学校记录中，或是购物网站上的所有资料。它们是如何保持井然有序和准确无误的呢？这就是我们这一章要探讨的重点！我们将学习数据是如何构建的，就像在图书馆整理书籍一样；以及如何确保数据是正确和可靠的。这在我们的数字世界中是个超级重要的技能！


1. 数据层次结构：信息的基石

要了解计算机如何管理庞大的信息，我们需要知道它们是如何组织信息的。想象一下你用乐高积木来搭建。你从最小的积木开始，一步步建成一座巨型城堡。数据的组织方式也类似，从最小的单元到最大的集合。这种结构称为数据的层次结构。

让我们以学校的学生信息系统为例：

想象你的学校有一个数字档案柜，用来存储每个学生的信息。

最小的单元：数据与字段

• 数据：这些是原始的、独立的事实和数字。例如：“陈大文”、“17”、“6A班”。单独看“17”并没有太大意义。
• 字段：字段是关于某人或某事的一个类别或单一信息。它就像一个贴有标签的盒子，用来存放一种特定类型的数据。字段赋予数据意义和上下文。
例如：“学生姓名”字段存放“陈大文”这个数据。“年龄”字段存放“17”这个数据。

组合各个单元：记录

• 记录：记录是关于一个特定的人物、项目或事件的一组完整的字段。它就像一张学生的单独索引卡，包含他们的所有详细资料。
例如：陈大文的记录会包含他的姓名、年龄、班别、学生编号、地址等。

陈大文的记录：[字段：学生姓名，数据：陈大文]，[字段：年龄，数据：17]，[字段：班别，数据：6A]

数据的归档：文件

• 文件：文件是相关记录的集合。你可以把它想象成档案柜里的一个抽屉，里面装有学校所有学生的索引卡。
例如：“Students.dat”文件会包含陈大文、王小明、李美玲以及其他所有学生的记录。

全貌：数据库

• 数据库：数据库是相关文件的有组织集合。它就像是整个档案柜！它可能有一个学生文件、一个教师文件、一个课程文件，还有一个考试成绩文件，它们全部都互相连接。
例如：学校数据库会包含“学生”文件、“教师”文件和“课程”文件。

层次结构图：

数据库 (整个学校系统)
   └── 文件 (例如：“学生”文件)
       └── 记录 (例如：陈大文的所有资料)
           └── 字段 (例如：他的“年龄”)
               └── 数据 (例如：“17”)


数据层次结构的重点

记住这个从大到小的顺序：数据库 -> 文件 -> 记录 -> 字段。
记忆小秘诀：“数字文件记得字！”—— 一句有点傻气的句子，帮助你记住顺序！


2. 文件存取方法：寻找你的数据

好的，我们已经将数据整齐地组织在文件中。但计算机究竟是如何读取这些信息的呢？主要有两种方法，称为文件存取方法。

顺序存取：卡式录音带方法

采用顺序存取时，记录会按特定顺序（顺序地）一个接一个地存储和读取。要存取中间的记录，你必须先经过它之前的所有记录。

类比：想象一下音乐卡式录音带。要听第5首歌，你必须快进跳过前四首歌。你无法直接跳到那首歌。

• 优点：
    - 实施和理解起来都很简单。
    - 如果你需要处理文件中的所有记录（例如：计算每个客户的每月电费单），效率会非常高。
    - 可以使用简单、廉价的存储媒体，例如磁带。
• 缺点：
    - 如果你只需要文件中间或结尾的某个特定记录，速度会非常慢。
    - 更新或删除中间的记录很困难；你通常需要重写整个文件。
• 应用：
    - 薪资系统：逐一处理每位员工的薪资。
    - 计费系统：为所有客户生成公用事业费用账单。
    - 备份系统：数据只是按顺序写出。

直接存取（或随机存取）：MP3播放器方法

采用直接存取时，计算机可以跳过之前的记录，直接跳到文件中的任何记录。每条记录都有一个唯一的地址（就像门牌号码一样），系统可以利用它即时找到记录。

类比：想象一下MP3播放器或Spotify。你可以即时选择并播放任何你想听的歌曲，无论它在播放列表的哪个位置。你不需要先听之前的歌曲。

• 优点：
    - 检索单个记录的速度非常快。
    - 轻松更新、新增或删除单个记录，而不影响文件的其余部分。
• 缺点：
    - 设置起来更复杂。
    - 如果你需要处理所有记录，效率可能会较低，因为系统可能需要在存储设备上四处跳转。
    - 需要更复杂的存储设备，例如硬盘或固态硬盘（SSD）。
• 应用：
    - 自动柜员机（ATM）系统：即时查找你的银行账户资料。
    - 航班订票系统：快速查询航班供应情况或特定预订。
    - 在线数据库：在购物网站上查找特定产品。

文件存取方法的重点

顺序存取 = 按顺序，一个接一个。（单个慢，所有快）。
直接存取 = 直接跳到那里。（单个快，所有可能不快）。


3. 数据控制的必要性：为何如此重要？

如果数据是错的，它就毫无用处！想象一下自动柜员机给错钱，或者学校错误地记录你的考试分数。那将会是一场灾难。数据控制是指为确保数据满足以下条件而实施的流程和程序：

• 准确性：数据是正确且没有错误的。
• 实时性：数据是最新的。（例如：你的住址是新的，而不是旧的）。
• 安全性：数据受到保护，防止未经授权的存取或更改。
• 一致性：同一数据在所有存储位置都保持相同。

如果没有数据控制，基于数据所作的决策将不可靠，导致错误、经济损失和混乱。这就是我们需要检查和保护数据的原因。

常见的数据输入错误类型

人工输入数据时经常会出错。在香港中学文凭考试（HKDSE）信息及通信科技科中，这些错误通常分为以下两类：

• 抄录错误（Transcription Errors）：直接从来源文件复制或键入数据时发生的错误。（例如：把“Smith”误键为“Smyth”，或把“B”误输入为“8”）。
• 换位错误（Transposition Errors）：两个相邻的字符或数字意外对调时发生的错误。（例如：把“5839”误键为“5389”，或把“KH”误输入为“HK”）。


4. 错误检测与预防：数据的守护者

那么，我们到底如何控制数据并保持其准确性呢？我们会使用几种巧妙的技术来发现（检测）和阻止（预防）错误。

方法一：验证（你确定吗？）

验证是一种通过检查输入系统的数据是否与原始来源相符来预防错误的过程。它通常是以人为主导的检查，用于捕捉输入过程中的抄录和换位错误。

• 双重输入：用户独立输入数据两次。系统会比对两次输入的内容，如果两者不符便会拒绝接受。（例如：注册时输入两次新密码以作确认）。
• 目视检查（校对）：由人工仔细将屏幕上的文字与原始纸质文件进行比对。（例如：办公室文员将输入系统的资料与申请表格进行核对）。

方法二：确认（这合理吗？）

确认是一种自动计算机检查，用于确保输入的数据合理、有意义并符合预设的规则。计算机无法始终知道你的名字是否真的叫陈大文，但它可以检查输入的年龄是否合理。

• 常见的确认检查：
    - 范围检查：检查数字是否介于上限与下限之间。（例如：考试分数必须介于0到100之间）。
    - 类型检查 / 数据类型检查：检查输入是否符合预期的数据类型。（例如：年龄必须仅为整数数字）。
    - 格式检查：检查数据是否符合预设的模板或规律模式。（例如：日期必须遵循DD/MM/YYYY格式，或电子邮件地址必须包含“@”符号）。
    - 存在检查：检查必填字段是否未留空。（例如：学生编号不能为空）。
    - 长度检查：检查字符串是否包含准确的字符数，或是否符合最小/最大字符长度限制。（例如：香港移动电话号码必须刚好包含8个数字）。
    - 查阅检查：检查输入的值是否与预设清单或表格中的可接受项目之一相符。（例如：性别字段必须从“M”或“F”中选取）。
    - 一致性检查：比对两个或更多相关字段，以确保它们之间互不矛盾。（例如：如果“婚姻状况”设置为“儿童”，其“年龄”便不能是45岁）。

快速回顾：两者的巨大区别！

验证：我输入的是否正确？（检查输入内容是否与原始来源文件相符）。
确认：我输入的内容是否合理且符合规则？（检查逻辑边界与数据约束条件）。

例子：想象你正在输入学生的考试分数。试卷上的原始分数是85。
- 如果你不小心输入了58，验证（双重输入或目视检查）会发现这个错误。但确认不会，因为58是一个介于0到100之间完全有效的分数。
- 如果你不小心输入了850，确认（范围检查）会发现这个错误，因为它超出了0到100的范围。

方法三：校验位（数学编码验证）

校验位是利用数学算法，根据识别号码（例如香港身份证号码、ISBN书籍编号或条形码）的主体数字计算出的一个额外数字。它会附加在原始编码的末尾，用以检测单个数字的抄录错误以及相邻数字的换位错误等输入问题。

校验位验证的运作方式（例如：加权和及模运算）：

1. 识别号码中的每个数字都会乘以一个预定的权重。
2. 将所有乘积相加，计算出加权总和：\(S = \sum (\text{digit}_i \times \text{weight}_i)\)。
3. 对总和应用模运算（例如 \(\text{mod } 11\) 或 \(\text{mod } 10\)）以计算余数。
4. 校验位由此余数衍生得出。日后输入完整编码时，计算机会重新计算校验位：如果计算出的数字与输入的校验位不符，系统便会即时拒绝该输入。

方法四：奇偶校验（数字传输的快速检查）

奇偶校验是一种用于检测二进制数据在通信信道上传输时是否发生错误的方法。它能检测传输过程中是否有奇数个位元（例如单个位元）发生了翻转。

运作方式 — 逐步指南：

发送端和接收端会预先约定使用偶校验或奇校验。

1. 发送端计算数据位元中“1”的数量。
2. 一个额外的位元（称为校验位）会被添加到传输帧中。
3.
    • 在偶校验模式下，校验位会设置为1或0，使“1”的总数（包括校验位）成为一个偶数。
    • 在奇校验模式下，校验位会设置为使“1”的总数成为一个奇数。
4. 接收计算机计算“1”的数量。如果计数与约定的校验规则不符，系统便会检测到传输错误并要求重新传输。

以数据 `1011001` 及“偶校验”模式为例：

1. 计算 `1011001` 中“1”的数量：有4个“1”。
2. 4是偶数吗？是的。
3. 设置校验位：将校验位设置为 `0`，以保持偶数计数。
4. 发送的数据：`10110010`（“1”的总数 = 4，是偶数）。

以数据 `1111001` 及“偶校验”模式为例：

1. 计算 `1111001` 中“1”的数量：有5个“1”。
2. 5是偶数吗？不是。
3. 设置校验位：将校验位设置为 `1`，使总数成为偶数（6）。
4. 发送的数据：`11110011`（“1”的总数 = 6，是偶数）。

局限性：奇偶校验只能检测奇数个位元的错误。如果同时有两个位元发生翻转（例如偶数个位元错误），奇偶状态将保持不变，该错误便无法被检测出来。

错误控制的最终重点

验证 = 由人工 / 输入检查，确保与来源文件相符。
确认 = 由计算机自动检查，强制执行格式、范围和逻辑规则。
校验位 = 应用于识别编码的加权数学算法。
奇偶校验 = 通过位元计数的奇偶标记来检测传输损坏。