Data and databases

第一单元：数据与数据库 – 全面学习笔记

欢迎来到这个章节！这是现代信息技术的基石。你在网上使用的每一项服务——从学校的注册系统到 Netflix 这样的流媒体平台——背后都离不开数据库。如果“键（Keys）”和“关系（Relationships）”这些概念听起来有点复杂，请别担心；我们将把它们拆解成简单、易懂的步骤。看完这些笔记，你就能彻底搞清楚海量的原始数据是如何转化为有用且结构化的信息的！

第一节：基础知识 – 数据、信息与结构

1.1 数据与信息的区别

在 IT 领域，这两个术语常被混淆，但它们的区别至关重要。

• 数据 (Data)： 原始的、未经处理的事实和数字。数据本身没有意义。 例如：数字“175”、名字“Sarah”或日期“2023-01-15”。
• 信息 (Information)： 经过处理、组织、结构化或在特定语境下呈现的数据，使其具有意义和实用价值。 例如：“学号 175 的学生是 Sarah，她在 2023-01-15 的考试中取得了 A 等级。”

类比： 可以把数据想象成原料（面粉、糖、鸡蛋）。信息则是成品蛋糕（有用的产品）。而加工过程就是烘焙。

1.2 数据库结构：平面文件 vs. 关系型数据库

数据库 (Database) 是结构化数据的有序集合，通常以电子形式存储。数据的组织方式决定了所使用的数据库系统类型。

1. 平面文件数据库 (Flat File Database)：

• 所有数据存储在单一表格或文件中。
• 结构简单，适合处理少量数据。
• 局限性： 导致严重的数据冗余 (Data Redundancy)（重复数据），使得更新信息变得困难且容易出错。
• 例如：Excel 表格中的简易通讯录，如果你为每位员工都重复输入公司地址。

2. 关系型数据库 (Relational Database)：

• 数据被拆分为多个独立的表，通过共享字段（键）相互关联。
• 这是目前几乎所有现代大型系统的标准结构。
• 优势： 最小化数据冗余，提升数据完整性（准确性），并支持复杂的查询和报表生成。
• 例如：学校的数据库中，学生详细信息在一个表中，课程信息在另一个表中，他们的选课关联信息则在第三个表中。

第二节：数据表的构成

为了构建数据库，我们需要使用专业术语来描述表中的数据片段。

2.1 字段、记录与表

想象一个存储学生信息的表格：

1. 表 (Table / File / Entity)： 相关数据的完整集合。这是核心结构。 例如：“学生”表。
2. 字段 (Field / Attribute)： 表中的一列。它描述实体的单一特征。每条记录在这一字段中都必须有值。 例如：“名字”、“出生日期”、“学号”。
3. 记录 (Record / Tuple)： 表中的一行。它代表关于一个项目、人或事件的一整套完整数据。 例如：关于学生 Jane Doe 的所有相关信息（名字、出生日期、ID）。

记忆小技巧： 字段 (Field) 是垂直的（像柱子一样）；记录 (Record) 是水平的（像行一样）。

2.2 数据类型

每个字段都必须分配一种数据类型。这告诉数据库该列期望何种信息，有助于验证数据并提高存储效率。

• 文本 / 字符串 (Text / String)： 用于名字、地址或不需要进行数学计算的代码（即使它们包含数字，如产品编号）。
• 数值 / 整数 / 实数 (Numeric / Integer / Real)： 用于需要进行计算的数字（如：数量、价格、年龄）。
• 布尔 / 逻辑型 (Boolean / Logical)： 仅存储两个值之一：真/假、是/否、1/0。 例如：是否为管理员？（是/否）。
• 日期/时间 (Date/Time)： 以标准格式存储日期和时间，以便进行排序和计算（如：计算年龄）。

你知道吗？ 使用正确的数据类型对于节省磁盘空间和提高数据库运算速度至关重要。初学者常犯的一个错误就是把本应是数值类型的 ID 号存成了文本格式！

第三节：关系的威力 – 键 (Keys)

这是关系型数据库的核心概念。键是特殊的字段，用于唯一标识记录并将不同的表连接起来。

3.1 主键 (Primary Key, PK)

主键是最终的识别符。

• 一个（或多个）能够唯一标识表中每一条记录的字段。
• 它必须是唯一的（没有任何两条记录可以有相同的主键值）。
• 它不能包含空值（即不能为空）。
• 例如：在“学生”表中，“学号”就是完美的主键。

如果起初觉得这有点难，别担心： 主键就像你的身份证号码——它是将你与国内其他所有人区分开来的唯一凭证。

3.2 外键 (Foreign Key, FK)

外键是表与表之间的纽带。

• 外键是一个表中的字段，它引用了另一个表中的主键。
• 它建立了两个表之间的关系。
• 外键字段中的值必须与相关联的主键字段中已存在的值相匹配。
• 例如：如果“课程”表以“课程ID”作为主键，我们在“学生”表中加入“课程ID”来显示学生选了哪门课。在学生表中，“课程ID”就是外键。

3.3 理解关系

关系定义了数据如何通过主键和外键在表之间流动。最重要的关系有：

1. 一对一 (1:1)： 表 A 中的一条记录与表 B 中的一条记录一一对应，反之亦然。（在核心数据实践中较少使用）。 例如：个人信息表与护照信息表（一个人拥有一本护照）。
2. 一对多 (1:M)： 表 A 中的一条记录可以对应零个、一个或多个表 B 的记录。这是最常见且必不可少的关系。 例如：一位老师（表 A）教多名学生（表 B）。将教师表的主键作为外键放入学生表。
3. 多对多 (M:M)： 表 A 中的多条记录可以对应表 B 中的多条记录。（这需要一个额外的“连接表”或“中间表”来正常运作）。 例如：多名学生选修多门课程。

第四节：确保数据质量（完整性、验证、核实）

为了让数据有用（转化为信息），它必须值得信赖。这需要通过严格的质量控制来实现。

4.1 数据完整性与冗余

• 数据完整性 (Data Integrity)： 指数据的准确性、完整性和一致性。如果数据正确且可靠，则认为它具有高完整性。
• 数据冗余 (Data Redundancy)： 多次存储同一条数据（例如，为 100 名学生重复输入 100 次学院地址）。冗余会严重降低完整性，因为一旦你更新了其中一处的地址，可能会忘记更新其余 99 处。关系型数据库的设计目的之一就是消除这种情况。

4.2 验证 (Validation – 确保数据是合理的)

数据验证检查输入的数据是否合理、合乎逻辑，并符合特定规则。但它并不检查数据的事实准确性。

常见的验证检查（分步）：

1. 范围检查 (Range Check)： 确保数字或日期落在可接受的范围内。 例如：“年龄”字段必须在 18 到 65 之间。
2. 格式检查 (Format/Picture Check)： 确保数据符合特定的模式。 例如：英国邮编必须符合 LLNN NLL 格式（L=字母，N=数字）。
3. 存在检查 (Presence Check)： 确保字段没有留空（必须输入数据）。 例如：“姓氏”字段不能为空。
4. 长度检查 (Length Check)： 确保输入数据的字符长度正确（符合最小或最大限制）。 例如：“密码”必须至少 8 位长。
5. 查找检查 (Look-up Check)： 将输入内容与预先批准的值列表进行比较。 例如：“部门”字段必须是“IT”、“市场”或“人力资源”之一。

4.3 核实 (Verification – 确保数据输入正确)

数据核实检查录入系统的数据是否与原始源文档完全匹配。

• 视觉检查 (Visual Check / Proofreading)： 由人工将屏幕上录入的数据与原始文档进行对照。
• 双重录入 (Double Entry)： 同一个人或两个人先后录入两次相同数据。计算机比对两次输入，如果不同，则提示用户检查。

避免常见的误区： 范围检查（验证）确认年龄在 1 到 100 之间。双重录入（核实）确认如果用户输入了“42”，系统确实接收到了“42”。验证检查规则；核实检查输入的准确性。

第五节：数据库管理系统 (DBMS)

数据库管理系统 (DBMS) 是一种允许用户及其他应用程序与数据库交互的软件。例如 Microsoft Access、MySQL 和 Oracle。

5.1 DBMS 的作用

DBMS 在幕后承担了繁重的工作。其主要功能包括：

• 数据定义： 定义数据库结构（创建表、定义字段和数据类型、设置关系）。
• 数据操作： 允许用户插入新数据、修改已有数据、删除数据以及检索数据（通过 SQL 等查询语言）。
• 数据安全： 管理用户账户、权限和访问控制（例如：确保学生只能查看自己的成绩，而不能看到别人的）。
• 数据完整性管理： 执行你设定的规则和约束（如主键的唯一性和参照完整性——确保外键指向有效的有效主键）。

DBMS 就像一位严谨的保安和图书管理员，确保只有授权的人能拿到正确的书，并确保书架摆放整齐。