欢迎来到数据库的世界！

你有没有想过 Spotify 是如何追踪数以百万计的歌曲，或者学校是如何管理成千上万名学生的数据而不丢失任何记录的呢？秘密就在于数据库 (Databases)！在本章中，我们将学习如何整理信息，使其易于搜索、更新并确保其安全性。如果一开始觉得术语很多也不用担心；只要把数据库想象成一个非常聪明的数字档案柜就可以了。


1. 构建基础：数据表、记录与字段

在建立复杂系统之前，我们需要先了解关系型数据库 (Relational Database) 的基本结构。

数据库由什么组成？

想象一下班级名单的电子表格：

  • 数据表 (Table)： 关于特定主题的完整数据集合（例如：“学生”数据表）。
  • 记录 (Record 或 Row)： 单一水平条目。它代表一个“个体”（例如：某位特定的学生）。
  • 字段 (Field 或 Column)： 单一垂直类别。它代表一个“属性”或特征（例如：“电话号码”或“出生日期”）。
  • 属性 (Attribute)： 这只是字段的另一个名称。它描述了实体的一种特性。

快速复习： 如果你有一张“图书”数据表，作者就是一个字段，而《哈利波特：神秘的魔法石》则是某条记录的一部分。


2. 数据库的“键”(Keys)

在数据库中，我们需要通过某些方式来识别数据并链接不同的数据表，我们称之为键 (Keys)。

键的类型

  • 主键 (Primary Key)： 每条记录的唯一标识符。没有两条记录可以拥有相同的主键。例如：你的学号或身份证号码。
  • 复合键 (Composite Key)： 当单个字段不足以成为唯一标识符时，我们会结合两个或多个字段来组成。例如：结合“课程编号”与“学生编号”来识别特定的选修记录。
  • 外键 (Foreign Key)： 数据表中的一个字段，它是另一个数据表中的主键。这是我们用来“链接”数据表的方式。
  • 次要键 (Secondary Key)： 不是主键，但经常被用于搜索数据的字段。例如：不使用学号，而是以“姓氏”来搜索学生。

记忆小撇步： 可以把主键想象成你的指纹（对你而言是独一无二的），而外键则像是一封推荐信（它指向另一个人）。


3. 数据冗余与依赖性

一个好的数据库应该是“精简有效”的。我们需要避免两个大问题：

数据冗余 (Data Redundancy)

当相同的数据存放在多个地方时，就会发生这种情况。例如：将学生的住址写在五个不同的数据表中。
为什么这很糟糕？ 它不仅浪费存储空间，还会导致“更新异常 (Update Anomalies)”——如果学生搬家了，你可能忘记在五个地方同时更新，导致数据不一致。

数据依赖性 (Data Dependency)

这指的是字段之间的关系。我们希望字段只依赖于主键。如果某项信息（例如“医生的电话号码”）依赖于主键以外的其他东西（例如“医生的姓名”），当数据被删除或更改时，就会造成混乱。

关键总结： 我们要减少冗余，以确保数据准确并节省空间！


4. 规范化：打造完美数据库的三个步骤

规范化 (Normalization) 是通过整理数据库来减少冗余的过程。对于 H2 Computing 课程，你需要知道如何将数据表达到第三规范化 (3NF)。

逐步流程

  1. 第一规范化 (1NF)： 移除“重复组”。每个单元格必须只包含一个单一值（原子值）。格子里不准出现列表！
  2. 第二规范化 (2NF)： 必须先达到 1NF。接着，移除部分依赖 (Partial Dependencies)。这意味着每个字段必须依赖于整个主键（这通常只有在你拥有复合键时才会成为问题）。
  3. 第三规范化 (3NF)： 必须先达到 2NF。接着，移除传递依赖 (Transitive Dependencies)。这意味着“非键字段不应依赖于其他非键字段”。

记忆口诀： 要达到 3NF，字段必须依赖：“主键 (1NF)、整个主键 (2NF)，以及除了主键之外什么都不依赖 (3NF)，上帝保佑 Codd！”（E.F. Codd 是这套系统的发明者）。


5. 实体关系图 (ER Diagrams)

ER 图是用来呈现数据表之间如何关联的地图。它使用方框与线条来表示链接。

  • 实体 (Entity)： 用矩形表示（例如：[学生]）。
  • 关系 (Relationship)： 它们之间的连线。

常见的关系类型

  • 一对一 (1:1)： 一个人只有一本护照。
  • 一对多 (1:M)： 一位母亲可以有多个孩子。（这是数据库中最常见的！）
  • 多对多 (M:N)： 许多学生修读许多科目。注意：在实际数据库中，我们通常会使用“链接数据表”将其拆解为两个 1:M 的关系。

6. SQL：与数据库沟通

结构化查询语言 (SQL) 是我们用来“向数据库索取”信息或进行修改的语言。

必要的 SQL 指令

  • SELECT： 用于选择你想要查看的字段。
  • FROM： 数据来自哪个数据表。
  • WHERE： 过滤数据（像是一种“搜索”条件）。
  • ORDER BY： 排序结果（ASC 为递增，DESC 为递减）。
  • INSERT INTO： 新增一条记录。
  • UPDATE： 修改现有数据。
  • DELETE： 删除记录。
  • JOIN： 根据相关字段合并两个或多个数据表的数据行。

查询示例：
SELECT Name, Score FROM Students WHERE Score > 70 ORDER BY Score DESC;
（这会显示所有分数高于 70 分的学生姓名与分数，并按分数从高到低排列。）


7. SQL vs. NoSQL：现代选择

传统数据库使用 SQL 和严格的数据表。但有时数据过于混乱或变动太快，这时 NoSQL 就派上用场了。

两者比较

SQL (关系型)：

  • 使用具有行和列的结构化数据表。
  • 非常适合数据“形状”不常改变的场景（例如：银行账户）。
  • 强一致性（数据在系统中永远保持准确）。

NoSQL (非关系型)：

  • 解决了如扩展性 (Scaling) 等短处（NoSQL 可以轻松处理跨多个服务器的海量数据）。
  • 灵活的“架构”(Schema)（不需要固定的数据表；数据可以存储为文档、图形或键值对）。
  • 非常适合“大数据”和即时 Web 应用（例如：社交媒体动态墙）。

你知道吗？ SQL 数据库就像一座图书馆（组织严谨，每样东西都有特定位置），而 NoSQL 就像一个洗衣篮（容易快速丢入物品，灵活弹性，但寻找东西时需要不同的方式）。


8. 在 Python 中操作数据库

在实作考试中，你很可能会使用 Python 中的 sqlite3 模块来操作 SQL 数据库。

Python-SQL 工作流程

  1. 连接 (Connect)： 建立与数据库文件的连接。
  2. 游标 (Cursor)： 建立一个“游标”对象（把它想象成执行指令的数字“指针”）。
  3. 执行 (Execute)： 使用 cursor.execute("SQL 指令")。
  4. 提交 (Commit)： 使用 connection.commit() 来保存你的变更！
  5. 关闭 (Close)： 完成后务必关闭连接。

常见错误： 忘记提交 (commit)！如果你不提交，你的 INSERT 或 UPDATE 指令就不会保存到文件中，到时候你就会纳闷数据怎么消失了！


快速复习箱

主键 (Primary Key)： 唯一 ID。
外键 (Foreign Key)： 链接到另一个数据表。
规范化 (Normalization)： 减少数据重复（冗余）。
1NF： 单元格内没有列表。
2NF： 没有部分依赖。
3NF： 没有传递依赖。
SQL： 数据库的语言。
NoSQL： 灵活，比 SQL 更擅长处理“大数据”。