{
  "id": "database-management-system",
  "title": "数据库管理系统",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "数据库管理系统是组织、查询、保护和维护共享数据，并管理访问、一致性、并发与恢复的软件。",
  "category": "computer-science",
  "subcategory": "software",
  "type": "concept",
  "aliases": [
    "DBMS",
    "数据库管理软件"
  ],
  "generated_at": "2026-11-02",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/database-management-system/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/database-management-system/",
      "json": "https://aiwiki.page/en/database-management-system.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "数据库管理系统（DBMS）是用于定义、创建、访问、更新和管理数据库的软件。它在存储的数据与使用数据的应用程序或人员之间充当中介，提供受控的环境，以表示信息、执行查询、落实规则，并在发生故障时保障数据不丢失。数据库是有组织的数据集合；数据库管理系统则是负责管理这一集合的软件。在日常用语中，被称为“数据库”的产品往往同时包含这两者。\n\n数据库管理系统的独特作用并不只是存储字节，文件系统和应用程序专用文件也能做到这一点。数据库管理系统提供共用的抽象与服务，包括具名集合、数据类型、查询操作、访问权限、完整性约束、事务处理，以及支持并发使用和故障恢复的机制。不同系统提供的服务组合及其能力各有不同，其规模可以小到嵌入移动应用程序中的软件库，也可以大到跨多台机器运行的分布式服务。\n\n数据库管理系统支撑着银行业务、商业活动、科学研究、通信、政府档案管理和数字服务。其设计将数据建模和查询语言与存储工程、操作系统、分布式计算和信息安全联系起来。因此，要理解数据库管理系统，既需要区分它对信息的逻辑表示与其物理实现，也需要考察它在正常运行、过载和故障情况下所提供的保障。"
    },
    {
      "heading": "历史发展",
      "text": "早期的商业计算通常将记录存储在各应用程序专用的文件中。记录布局、字段位置和访问路径等细节都被编码在程序里。文件结构一旦改变，所有使用该文件的程序都可能需要修改；而在应用程序之间共享数据，又会带来记录重复和更新流程不一致的问题。数据库管理的出现，部分原因就是为了集中承担这些职责，减少应用逻辑与物理存储之间的依赖。\n\n20 世纪 60 年代，层次型和网状型系统确立了一些重要的数据库功能。IBM 的信息管理系统是在阿波罗计划相关工作中开发的，于 1968 年首次发布，通过层次关系组织记录。查尔斯·巴赫曼的集成数据存储系统推动了网状模型的确立；在这种模型中，记录可以参与显式定义的属主—成员关系。随后，CODASYL 数据库任务组制定了网状数据库系统的规范。这些系统能够支撑大规模的生产环境工作负载，但应用程序通常仍需沿着预先定义的路径在记录间导航。\n\n埃德加·F. 科德于 1970 年发表的论文《大型共享数据库的关系数据模型》带来了重大的概念转变。科德提出通过关系来表示信息，并将数据的逻辑描述与具体的访问路径分离。用户不必指示系统如何遍历记录，而可以直接说明自己需要哪些数据。这种方法促进了对查询、依赖关系和正确性的数学分析，同时赋予底层实现更大的自由度，使其能够选择高效的执行方式。\n\n20 世纪 70 年代，一些研究项目展示了关系系统的实用性。IBM 的 System R 在 SQL 处理、基于成本的优化和事务管理方面开发了影响深远的技术。加利福尼亚大学伯克利分校的 Ingres 项目探索了关系模型的实现以及 QUEL 查询语言。商业关系数据库产品在 20 世纪 70 年代末至 80 年代不断涌现；Oracle 数据库 是早期的商业 SQL 系统之一。SQL 于 1986 年成为 ANSI 标准，并于 1987 年成为 ISO 标准，不过各实现之间仍存在显著差异。\n\n此后的发展走向了多元化，而非简单地以新方法取代旧方法。面向对象和对象关系系统着眼于处理复杂的应用对象；数据仓库专门服务于大规模分析查询；互联网服务则推动了分布式键值、文档和宽列系统的发展。NoSQL 这一名称在 2000 年代末开始广泛流行，涵盖了多种非关系方法，而非某一种统一的架构。后来，NewSQL 系统将关系接口和事务保障与分布式执行结合起来。托管云服务、嵌入式分析引擎以及支持多种数据模型的系统，进一步模糊了原本彼此分立的产品类别之间的界限。"
    },
    {
      "heading": "数据模型与系统类别",
      "text": "数据模型规定了表示信息所用的结构、可对这些结构执行的操作，以及有效数据通常必须满足的约束。数据模型不同于存储格式：两个系统可以对外提供相同的关系模型，却以截然不同的方式组织字节。反过来，同一个存储引擎也可以支持多种逻辑接口。按数据模型对数据库管理系统分类有助于理解系统，但仅凭这种分类，无法确定其性能、持久性或一致性保证。\n\n关系数据库将信息表示为关系，通常以具有命名列和行的表的形式呈现。数据之间的关联通过值来表达，而不是通过应用程序可见的存储指针。关系运算包括选择、投影和连接。实际使用的 SQL 系统在数学关系模型的基础上进行了扩展，加入了重复行、空值标记、有序查询结果和专用类型等特性。关系数据库管理系统可以支持文本、空间对象或结构化文档，而不因此失去其关系型特征。\n\n键值数据库将键与值关联起来，通常侧重于按键高效访问数据。值对系统而言可以是不透明的，也可以支持结构化操作。例如，Redis提供了多种数据结构，而不只是未经解释的字节串。文档数据库管理结构化文档，通常采用与 JSON 相关的表示形式，并能对文档中的字段建立索引或进行查询。灵活的文档结构降低了所有记录都必须具有相同字段的要求，但应用层仍然需要制定有关数据含义和兼容性的规则。\n\n其他模型则侧重于不同的关联方式或访问模式。图数据库将实体及其连接表示为节点和边，通常还为其附加属性，并支持遍历或图模式查询。宽列系统围绕分区键以及分组或有序的列来组织数据；这不同于分析型关系数据库引擎采用的列式物理存储。层次数据库和网状数据库在某些既有环境中仍然占有重要地位。对象数据库能够更直接地保留应用程序对象及其关系，而时间序列系统则专门处理带时间戳的测量数据及相关操作。\n\n这些类别之间存在重叠。多模型产品可以同时提供文档、图和关系型功能，而名义上属于关系型的系统也可能原生支持数组和文档索引。部署方式是另一个独立的维度：数据库管理系统可以采用嵌入式、客户端—服务器或分布式部署，也可以作为托管服务提供。同样，“内存型”描述的是内存在系统中的作用，并不一定意味着没有持久化。因此，有意义的比较应考察系统实际采用的数据结构、查询操作、事务边界、故障时的行为以及对工作负载的假设，而不能只依据其所属类别。"
    },
    {
      "heading": "体系结构与数据独立性",
      "text": "数据库管理系统通常包含多个相互协作的子系统。连接层或会话层接收请求，并建立执行上下文。语言处理组件解析语句并检查其有效性。规划器选择执行策略，执行器则借助存储和索引服务完成操作。事务、恢复、授权和元数据组件负责协调各层的行为。不同产品的组件划分方式有所不同：有些系统将大部分功能放在同一个进程中，另一些则将其拆分到多个独立服务中。\n\n传统上，数据库模式分为外模式、概念模式和内模式。外模式描述特定用户或应用程序所看到的视图。概念模式描述整个数据库的逻辑组织。内模式描述物理表示，包括文件、页、索引及其存放位置。这种三级模式体系结构是一种抽象，而不是必须遵循的实现蓝图，但它清楚地说明了数据库系统为何要将数据的含义与存储安排分离。\n\n数据独立性是指在改变某一层时，无须对另一层做出相应更改的能力。物理数据独立性使管理员可以添加索引或重组存储，而不必改变应用程序的逻辑查询。逻辑数据独立性则是指在改变概念层组织结构的同时，保持外部视图的兼容性。后者通常更难实现：将一张表拆分为多张表，即使通过视图保留了原有的读取接口，也可能改变更新语义。因此，独立性是一个受到实际条件限制的设计目标，而不是保证所有变更都对其他层不可见。\n\n系统目录记录表定义、列类型、索引、约束、权限和优化器统计信息等元数据。这些元数据本身也是需要事务管理的数据。如果不知道查询中的名称所指的是哪些对象和类型，就无法正确解释查询。系统目录的变更还会影响缓存的执行计划和并发会话。有些系统通过普通表或标准化的信息模式视图开放系统目录中的大量内容，不过，直接修改系统目录的内部存储，通常并不属于系统所支持的管理操作。\n\n部署架构决定了这些组件如何通信。嵌入式数据库管理系统在应用程序的进程内运行，通过库调用来使用；SQLite 就是一个典型例子。客户端—服务器系统通过本地连接或网络连接接收请求，并管理多个独立客户端。分布式系统可以将查询协调、存储、日志记录和元数据管理分散到不同机器上。这些选择会影响应用程序之间的隔离、网络延迟、运维复杂度和故障边界。嵌入式数据库也可以提供复杂的事务功能，而大型分布式服务仍然可以只提供简单的按键访问接口：进程拓扑与逻辑能力是彼此独立的属性。"
    },
    {
      "heading": "模式设计与完整性约束",
      "text": "数据库模式将特定领域转化为软件能够存储和操作的结构。概念设计通常从实体、联系、标识符和业务规则入手。彼得·陈于 1976 年提出的实体-联系模型，为这项工作提供了广泛使用的表示法。将概念模型映射为关系模式时，需要就表、键、可选值、联系的基数，以及时间和变化的表示方式作出决策。\n\n键用于标识记录并连接相关的表。候选键是能够唯一标识一行的最小属性集；主键则是选定的一个候选键。外键要求指定属性的值与符合条件的被引用键相匹配，同时遵守系统有关空值和约束的规则。例如，订单的客户标识符可以引用客户表，从而防止订单指向不存在的客户。删除操作是被拒绝、引发级联操作，还是转化为其他操作，取决于所声明的联系。\n\n数据库规范化通过分析模式，减少特定形式的冗余和更新异常。函数依赖 \\(X \\rightarrow Y\\) 表示：在属性 \\(X\\) 上取值相同的行，在属性 \\(Y\\) 上的取值也必须相同。如果每个员工行中都重复存储其所在部门的地址，那么修改地址就需要协调更新多行，否则可能产生彼此不一致的副本。将部门信息与员工信息分解到不同的关系中，可以消除这种冗余。第三范式和博伊斯–科德范式等范式对依赖关系规定了精确的条件；无损分解则确保通过连接分解后的关系，能够重建原有信息。\n\n规范化并不意味着一律要让表的数量尽可能多。有些依赖需要更深入的分析，而有些工作负载则能从有意维护的冗余数据中受益。反规范化可以减少连接操作，或预先计算经常需要的值，但也带来了保持各副本同步的额外责任。例如，物化的每日销售汇总必须处理延迟到达的数据、更正和删除。关键问题在于，由哪个组件负责保证一致性，以及采用何种事务策略或刷新策略。\n\n完整性约束包括唯一性要求、非空要求、参照约束，以及对允许值的检查。约束的作用范围很重要：行级检查不会自动强制实施涉及任意其他行的规则。触发器和存储例程可以表达额外的行为，但必须谨慎处理它们与并发操作之间的相互影响。数据类型也体现了重要的区别：货币金额通常适合采用精确的十进制运算，而浮点类型则适用于近似数值计算。时间建模必须区分日期、时刻、本地时间和时区规则。模式演进又增加了一个需要考虑的维度，因为在列、约束和表示方式发生变化时，新旧版本的应用程序可能需要共存。"
    },
    {
      "heading": "查询语言与应用程序接口",
      "text": "SQL结构化查询语言是关系数据库管理领域最主要的标准化语言。它提供了定义模式、检索和修改数据、控制权限以及界定事务边界的功能。像 SELECT customer_id, SUM(amount) FROM orders GROUP BY customer_id 这样的查询描述的是所需结果，而不是规定某种具体的文件遍历方式。这种声明式特征使数据库管理系统能够在保持语句既定语义的同时，从多种物理执行计划中作出选择。\n\nSQL 的逻辑解释与直观的表格操作存在一些重要差异。查询结果通常保留重复项，除非某项操作将其消除。空值（NULL）表示缺失或未明确指定的信息，并引入了三值逻辑：比较结果可能为未知，而不是真或假。筛选条件只保留谓词求值为真的行，不保留求值为未知的行。此外，如果没有适当的排序子句，结果的呈现顺序也无法保证。这些规则会影响聚合、唯一性、外连接，以及应用程序所依据的假设。\n\n应用程序通常通过驱动程序和应用程序编程接口（如 JDBC 或 ODBC），或通过产品专用协议访问数据库管理系统。会话可以包含事务状态、身份验证上下文、临时对象和配置设置。预处理语句将语句结构与绑定的参数值分离，既可能减少重复解析，也能防止传入的值被解释为 SQL 语法。预处理并不一定意味着始终重复使用同一个执行计划；执行计划的制定策略会因系统和语句而异。\n\n服务器端编程将过程式逻辑放在靠近数据的位置。相关语言包括 PL/SQL、Transact-SQL 和 PL/pgSQL。存储过程可以通过受控接口封装一组操作，而触发器则响应指定事件而执行。这可以减少通信往返次数并集中管理规则，但也会在应用程序代码、数据库权限与部署流程之间引入依赖关系。对象关系映射库通过在应用程序对象与数据库操作之间进行转换，提供了另一层抽象；但它们并不能消除连接操作、重复请求或事务边界所带来的底层开销。\n\n非关系系统可能提供文档筛选器、图查询语言、键操作命令或基于 HTTP 的接口。有些系统将类似 SQL 的语言与非关系执行模型结合起来。查询语言与系统所提供的保障彼此独立：接受 SQL 本身并不意味着支持多语句事务、外键或某种特定的隔离级别。分布式客户端还必须处理结果不明确的情况。如果在发出提交请求后连接中断，客户端可能无法确定服务器是否已提交。因此，重复请求时可能需要使用幂等键，或在应用程序层面进行核对与协调，而不是无条件重试。"
    },
    {
      "heading": "物理存储与访问方法",
      "text": "数据库管理系统将逻辑记录映射到物理存储单元。许多系统将持久化数据组织成固定大小的页，每页包含页头、记录槽位和空闲空间信息。缓冲区管理器在内存中缓存数据页，并协调对底层存储的读写。具体的页大小和记录格式由实现决定。大型值可以与普通记录分开存储，而压缩既可以针对单个值或单个页，也可以针对更大的数据组进行。\n\n行式存储将一条记录的各个字段紧密存放，因此很适合检索或更新单个实体。列式存储则将同一列的值集中存放，当分析查询只使用宽表中的少数几列时，这种方式可以减少读取的数据量。由于相邻值的类型和分布相似，列式存储通常也能取得良好的压缩效果。这些是物理布局方式，而不是相互排斥的逻辑模型：两者都可以表示关系表，一些引擎还会针对不同的工作负载维护不同的表示形式。\n\n数据库索引是一种辅助结构，无须完整扫描底层数据即可加快访问。B 树的各种变体广泛用于等值查找和范围查找，因为较高的分支因子使树的高度保持较低。对于 \\(N\\) 个索引条目和有效扇出 \\(B\\)，树高大致按 \\(O(\\log_B N)\\) 增长。哈希索引特别适合等值匹配，而空间索引、倒排索引及其他专用索引则支持其他谓词。维护索引会占用空间，并增加插入、更新和删除操作的工作量。\n\n日志结构合并树通过驻留内存的数据结构和不可变的有序文件来组织更新。新写入的数据先进入缓冲区，随后刷写到存储中；后台合并整理会合并文件，并在条件允许时丢弃过时的版本。这种方式可以提高数据写入效率，但也需要在写放大、读放大和空间放大之间进行权衡。布隆过滤器有助于避免探查不包含所请求键的文件，但过滤器返回肯定结果时，仍需进一步验证。\n\n存储设计取决于硬件和持久性要求。固态硬盘消除了机械寻道开销，但随机访问、顺序访问与持续写入之间仍存在显著差异。压缩可以节省存储空间和输入／输出带宽，代价是增加处理器的工作量。缓冲区置换、预取和写入调度都会影响实际观察到的延迟。即使数据已经缓存，存储层次结构的影响依然重要：缓存未命中、大量使用指针的数据结构以及同步操作，都可能成为执行开销的主要来源。因此，“内存型”工作负载不一定没有存储引擎瓶颈；当查询选取表中很大一部分数据时，即使索引能减少磁盘读取，也仍可能不如顺序扫描。"
    },
    {
      "heading": "查询优化与执行",
      "text": "查询优化器将声明式请求转换为可执行的计划。首先，语法分析确定请求的语法结构，随后绑定阶段解析名称、函数和类型。重写阶段可以简化表达式、展开视图、消除冗余操作或转换子查询。接着，优化器会考虑不同的访问路径和算子组合方式。执行器则通过扫描、过滤、连接、排序、聚合和数据修改等操作来执行选定的计划。\n\n查询优化通常依靠成本估算，而不是实际执行每个候选计划。估算会综合考虑基数、值的分布、行宽、可用内存、存储行为，有时还包括网络通信。直方图、不同值的数量以及采样统计信息有助于预测选择率。当列之间存在相关性、参数取值不常见，或数据发生了显著变化时，这些预测可能失准。低估中间结果的规模，可能导致选择不合适的连接方式或分配不足的内存，进而使数据溢写到磁盘，令运行时间远超预期。\n\n连接操作体现了不同物理执行方案的重要性。嵌套循环连接为外侧输入的每一行查找匹配项；当外侧输入较小且内侧具有合适的索引时，这种方式可以很高效。哈希连接基于一侧输入构建哈希结构，再用另一侧输入进行探测，通常适合大规模等值连接。排序合并连接处理有序输入，并能利用数据已有的顺序。最佳方法取决于基数、排序情况、谓词类型和内存，而不能仅凭表的大小来判断。\n\n连接顺序可以使中间结果的规模相差数个数量级。基于成本的优化器采用各种搜索方法，其中包括沿袭 System R 技术传统的动态规划技术；但随着关系数量增加，穷举搜索的代价会变得高昂。因此，系统会限制搜索空间或采用启发式方法。谓词下推等变换可以尽早减少数据量，而分区裁剪则排除已知与查询无关的存储区域。重写必须保持语义不变：例如，将条件下推到外连接内部，可能改变哪些未匹配行会被保留。\n\n执行模型也在不断演进。逐元组处理的迭代器模型便于模块化，而向量化执行通过批量处理来降低逐行处理的开销，提高处理器效率。一些引擎会将表达式或更大的执行流水线编译为机器码。并行计算允许多个工作单元分别扫描、连接或聚合数据集的不同部分，但也会带来协调和数据重分布的成本。因此，执行计划既是操作的逻辑组织方式，也是资源使用的调度方案。计划查看工具能够展示所选的算子；如果请求在执行时采集运行信息，还能显示实际行数和耗时。估算值与实际观测值之间的差距，往往是理解性能表现的关键。"
    },
    {
      "heading": "事务、隔离与并发控制",
      "text": "数据库事务将一组操作组织成一个具有明确完成语义的单元。人们熟知的ACID特性包括原子性、一致性、隔离性和持久性。原子性意味着事务的效果作为一个整体生效，而不会停留在部分完成的状态。一致性关注有效事务能否保持已声明的不变量。隔离性规定并发事务之间可以如何相互影响。持久性关注的是：在系统配置和设计所涵盖的故障发生时，已确认提交的结果能否得到保留。\n\n这些特性需要谨慎理解。数据库管理系统不会仅仅因为支持 ACID 事务，就能推断出应用程序的所有规则。如果转账例程扣除了款项，却没有执行相应的入账操作，那么仅靠原子执行并不能使该例程变得正确。同样，持久性取决于系统将什么视为成功提交，以及其设计能够应对哪些故障。事务保证描述的是指定操作在指定条件下的行为，并不意味着能够抵御所有软件错误或灾难。\n\n并发控制允许多个事务在不违反所选隔离语义的前提下运行。基于锁的方法会阻止不兼容的操作同时进行。两阶段锁协议将获取锁与释放锁划分为两个阶段，从而能够保证可串行化；其严格变体会将相关锁一直保留到事务结束。锁的作用范围可以是行、页、表或数据范围。相互等待的事务可能形成死锁环，因此需要检测或预防死锁，通常还需要中止其中一个事务。\n\n多版本并发控制维护记录的不同版本，使读取操作能够在写入继续进行的同时访问合适的快照。可见性规则决定了事务可以看到哪些版本。旧版本最终需要回收，但长时间运行的读取事务可能延迟这一过程。多版本机制本身并不是一种隔离级别：它可以实现多种不同的语义，而表面上采用相似快照的系统，在处理并发写入和谓词读取时也可能有所不同。\n\n可串行化执行要求已提交事务产生的结果，等价于这些事务按某种顺序串行执行的结果。较弱的隔离级别允许更多种执行历史，以换取更少的协调开销或更低的事务中止率。快照隔离可以防止许多读取异常，但仍可能出现写偏差：两个事务读取相同的条件，并更新不同的记录，单独看每次更新都不会违反某个不变量，但两者共同作用却会使其遭到破坏。要防止这种情况，可能需要更强的隔离级别、显式加锁，或以不同方式表示该约束。乐观方法则先试探性地执行操作，再在提交前进行验证。因此，事务中止是并发控制的一种正常结果，而正确的应用程序必须区分哪些操作可以安全重试，哪些操作已经对外部产生了影响。"
    },
    {
      "heading": "日志记录、恢复与备份",
      "text": "恢复机制用于应对导致处理过程中断或存储数据受损的故障，包括进程崩溃、操作系统故障、断电、存储故障以及影响范围更广的站点级故障。不同机制适用于不同情况。重启恢复可以在崩溃后将数据库恢复到一致状态，却未必能应对整个存储卷被删除的情况。备份可以防范文件丢失，但要恢复近期已提交的更改，仍可能需要日志。\n\n预写式日志会在允许相应的数据库页写入持久化存储之前，先记录恢复所需的信息。在一种常见设计中，必须先将描述某次更新的日志记录持久化，才能写入受影响的数据页。在确认提交成功之前，提交记录必须达到所配置的持久性保证要求的持久化边界。这种顺序使数据库可以在适当的时机写入修改过的页，而不必在提交时强制将事务涉及的每个页都写入存储。\n\n恢复时，可能需要重做已经提交、但尚未完整写入数据文件的更改，并撤销未完成事务中已经写入存储的更改。具体要求取决于缓冲区管理策略和存储架构。C. Mohan 及其同事于 1992 年发表的 ARIES 恢复方法是一种影响深远的设计，围绕分析、重做和撤销三个阶段展开。该方法利用日志序列号和补偿日志记录，即使回滚被中断或故障反复发生，也能支持恢复。\n\n检查点可限制重启恢复需要检查的历史记录量。检查点并不一定会生成完全冻结或已全部刷写到存储的数据库映像；许多实现会在事务继续运行的同时创建模糊检查点。日志与适当的基础备份及其后连续无缺的日志记录相结合，还能支持时间点恢复。例如，可以将恢复目标设在一次意外的批量删除之前，让单独还原出的实例重建先前的状态。\n\n数据库备份必须捕获可恢复的数据库状态，而不能只是在文件不断变化时随意复制。物理备份保留存储层面的表示形式，逻辑导出则通过更高层的接口重建对象和数据。两者在可移植性、还原方式和完整性方面各有不同。恢复目标区分了可接受的数据丢失量和可接受的还原延迟，通常分别用恢复点目标和恢复时间目标表示。复制不能替代备份：错误的删除操作可能很快就被复制到所有副本。同样，备份的存在并不能证明系统可以还原；只有当备份的数据、日志、密钥、元数据以及还原流程足以重建可用系统时，才具备可还原性。"
    },
    {
      "heading": "分布、复制与一致性",
      "text": "分布式数据库管理系统协调跨机器的数据与计算。分布式部署可以扩大容量、让数据靠近用户、隔离故障，或满足数据放置要求，但也会引入网络通信和局部故障。一台机器可能仍正常运行，另一台却已无法访问；响应延迟也不能证明某项操作是否已经执行。这些情况使得分布式协调与单个进程内的普通过程调用存在根本区别。\n\n分片将一个逻辑数据集划分到多个独立管理的存储单元中。哈希分区可以使键的分布相对均匀，而范围分区则有利于有序扫描和数据局部性。按租户或地理区域分区，可以使数据放置方式与应用边界相契合。分区方式的选择会影响路由、联接、唯一性约束以及跨分区事务。键分布不均会造成热点，而调整分区边界则需要迁移数据，同时确保访问和更新行为保持正确。\n\n数据库复制维护数据的多个副本。基于主节点的设计将写入请求交由指定的主节点处理，再将变更传播给从节点。同步复制可能要求先收到其他副本的确认，才向客户端确认写入成功；异步复制则允许从节点滞后。多主节点和无主节点设计以不同方式分配写入请求的接收职责，并且必须处理冲突更新或并发更新。副本数量本身并不能决定一致性或持久性：副本放置方式、确认规则、故障切换流程和故障假设同样重要。\n\n包括 Paxos 和 Raft 在内的共识算法，使副本即使在发生特定类型故障的情况下，也能对一系列有序决策达成一致。这些算法的保证依赖于一些假设，例如故障不具有恶意，以及参与者之间能够进行充分通信。单个复制组内的共识，并不会自动提供跨多个组的原子事务。两阶段提交通过要求参与者先做好准备，再向其传达提交或中止决定，来解决分布式提交问题；在其基本形式中，某些故障会使已准备就绪的参与者一直等待最终决定。实际系统会将提交、复制、恢复和超时机制结合使用。\n\nCAP定理形式化地描述了特定分布式模型中一致性、可用性与网络分区之间的一项限制。发生网络分区时，系统无法同时保证线性一致的行为和该定理所定义的可用性。这并不意味着在所有运行条件下，都应从这三项性质中“任选两项”。其他概念之间的区别仍然至关重要：可串行化关注事务历史，线性一致性关注操作的实时顺序，而最终一致性关注在特定条件下能否收敛。系统可以为不同操作提供不同的保证。“读己之写”等会话属性可以改善应用的行为，但并不意味着每次读取都能获得全局最新的数据。"
    },
    {
      "heading": "分析型与专用工作负载",
      "text": "数据库工作负载在访问模式和目标上各有不同。联机事务处理通常涉及大量短小的操作，每次只处理少量当前数据，例如创建订单、预留库存或记录付款。联机分析处理则涉及规模更大的扫描、连接和聚合，用于探究数据中的规律或计算报表。两者的界限并非绝对，但这些相互竞争的需求有助于解释，为什么一种存储布局或调度策略很难同样出色地满足所有工作负载的要求。\n\n数据仓库整合信息以供分析，通常会保留历史记录，并围绕业务主题组织数据。维度模式通常将包含事件或测量值的事实表，与描述客户、产品或时间的维度表分开。数据通过提取、转换和加载流水线进入数据仓库，也可以采用先加载、后转换的类似流程。分析是否正确，不仅取决于查询速度，还取决于如何表示重复数据、迟到事件、维度变化以及源系统中的数据更正。\n\n分析引擎通常结合使用列式存储、压缩、向量化执行和并行处理。物化视图或汇总表预先计算有用的结果，以额外的存储空间和维护工作换取更低的查询延迟。DuckDB是嵌入式分析型数据库管理系统的一个例子，说明分析执行并不一定需要独立服务器或大型集群。混合事务与分析处理力求同时支持这两类工作负载，通常采用独立的数据表示、副本或资源控制机制，以免长时间的扫描拖累对延迟敏感的事务。\n\n专用系统会针对其他数据结构和操作进行优化。时间序列数据库可以按时间戳和序列标识符组织测量数据，并提供数据保留和降采样功能。空间数据库表示几何对象，并在考虑坐标系的前提下判断相交、包含等关系。文本搜索功能使用倒排索引等结构来支持信息检索。流处理系统针对持续不断的事件流维护结果，其中事件时间、到达时间、乱序数据和有限窗口共同决定结果的含义。\n\n向量搜索带来了另一类工作负载：按照某种相似度度量，检索与查询向量接近的已存储向量。它可用于机器学习、检索增强生成等应用。在大规模数据上进行精确最近邻搜索可能代价高昂，因此许多实现采用近似索引，并允许在召回率、延迟和内存占用之间调整取舍。向量索引不能替代元数据过滤、权限控制或事务管理。无论这些功能是集成在通用数据库管理系统中，还是由专用服务提供，都必须将其置于完整的查询和更新流水线中评估其行为。"
    },
    {
      "heading": "安全、访问控制与隐私",
      "text": "数据库安全旨在保障存储数据、查询、管理操作及支撑基础设施的机密性、完整性和可用性。身份认证用于确认连接所关联的身份或凭据。授权则决定该身份可以执行哪些操作。这是两项不同的功能：用户即使成功通过身份认证，也不一定有权读取某张表、执行需要特权的例程或更改模式。\n\n基于角色的访问控制将权限分组，使管理员可以通过角色分配操作权限，而不必逐项维护每个权限。系统可能会区分对象所有权、转授权限的权利以及执行管理操作的权限。视图可以仅开放选定的列或经过筛选的行，而行级策略则在查询处理过程中应用相应条件。使用这些机制时，需要注意执行上下文：存储例程可以使用调用者的权限运行，也可以使用定义该例程的所有者的权限运行，两者形成的安全边界可能有很大差异。\n\n当不可信输入被解释为命令的一部分，而不是数据值时，就会发生 SQL 注入。对于数据值，参数绑定可以解决这种区分问题，但动态标识符和生成的语法仍需以受控方式构造。安全性还取决于数据库管理系统之外的软件，包括应用程序、连接池、机密信息管理系统和管理工具。即使应用程序的查询不存在注入漏洞，权限不受限制的应用程序账户也可能暴露远超其常规界面预期范围的数据。\n\n加密在特定的访问条件假设下保护数据。传输层安全协议可以保护客户端与服务器之间的通信，防止窃听和篡改。只要攻击者无法获得相关密钥，静态数据加密就能保护存储中的数据表示。但这两种机制都不会自动阻止已获授权的数据库会话读取解密后的数据。因此，密钥的存储、轮换、备份与恢复也是设计的一部分。丢失所需密钥可能导致原本完好无损的备份无法使用；而如果在同一个遭到入侵的环境中，数据和密钥都可被不受限制地访问，就会削弱原本希望实现的隔离效果。\n\n审计记录根据配置，记载登录、权限变更、模式修改以及对敏感对象的访问等事件。其价值取决于记录的完整性、时间戳的可信度、受控的访问以及防篡改保护。数据隐私不仅涉及访问控制，还涉及使用目的、保留期限以及数据之间的关联。从当前使用的数据库中删除一行，并不会立即清除备份、日志、副本或下游系统中的所有副本。数据脱敏和假名化在某些情境下可以降低暴露风险，但不一定能防止重新识别身份。因此，任何有关安全性的声明都必须明确受保护的资产、获准访问的用户、攻击者的能力，以及相关机制的作用边界。"
    },
    {
      "heading": "管理、可靠性与性能工程",
      "text": "运维数据库管理系统，需要在工作负载、数据量、模式和基础设施发生变化时，仍能使系统行为保持可预期。管理工作包括资源配置、访问管理、备份、复制、补丁更新、容量规划和事件分析。托管服务将其中一部分职责转移给服务提供商，但应用负责人仍需决定模式、查询、数据质量规则以及许多配置选项。不同服务的责任划分各不相同，不应仅凭“托管”一词作出推断。\n\n性能有多个维度。吞吐量衡量单位时间内完成的工作量，延迟则衡量单次操作所需的时间。尾部延迟反映延迟分布中较慢部分的情况，对于交互式服务，它可能比平均值更重要。提高并发度并不保证吞吐量随之提高：一旦瓶颈达到饱和，额外请求就可能导致队列更长、争用更严重、超时更多。连接池和工作负载准入控制可以限制同时执行的工作量，但其设置必须与实际资源和事务行为相匹配。\n\n有价值的观测指标包括查询次数、执行时间、锁等待、缓存行为、存储延迟、复制延迟、日志生成量和可用容量。仅凭缓存命中率高，并不能认定性能良好，因为查询仍可能扫描过多的缓存数据，或消耗过多的处理器时间。同样，即使处理器平均利用率较低，也可能因存储等待、某个争用激烈的锁或协调节点过载而出现延迟过高的情况。诊断问题时，需要将测量结果与执行计划及应用请求模式联系起来分析。\n\n模式和软件变更会带来运维风险。创建索引可能需要额外的存储空间，并产生大量日志流量。添加约束可能需要验证现有数据。被称为“在线”的变更，仍可能短暂获取会阻塞其他操作的锁，或降低吞吐量。复制和升级流程还必须考虑格式兼容性、扩展的行为、客户端协议，以及新旧应用版本可能同时运行的情况。长时间运行的事务即使几乎不执行实际操作，也可能延迟清理、导致历史日志无法释放，或阻碍模式变更。\n\n评估需要有代表性的实验，而不是孤立的亮眼数字。事务处理性能委员会制定的事务和分析基准测试，展示了标准化工作负载的定义方式，但公布的结果取决于规模、配置、定价规则和基准测试版本。针对特定应用的测试必须涵盖相关的数据分布、并发度、持久性设置和维护活动。故障测试考察的维度不同于稳态运行速度：即使正常运行时性能出色，故障转移所需的时间、已确认写入能否保留、恢复过程的行为以及客户端恢复能力，仍可能决定系统是否适用。这些特性是数据库管理系统、存储、网络、操作规程和应用事务设计共同作用的结果。"
    }
  ],
  "links": [
    "database",
    "operating-system",
    "distributed-computing",
    "relational-database",
    "key-value-database",
    "redis",
    "database-normalization",
    "denormalization",
    "sql",
    "application-programming-interface",
    "database-index",
    "log-structured-merge-tree",
    "memory-hierarchy",
    "parallel-computing",
    "database-transaction",
    "acid-properties",
    "write-ahead-logging",
    "database-sharding",
    "database-replication",
    "cap-theorem",
    "data-warehouse",
    "duckdb",
    "information-retrieval",
    "machine-learning",
    "retrieval-augmented-generation",
    "authentication",
    "encryption",
    "transport-layer-security",
    "data-privacy"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}