数据库模式描述数据在数据库中的组织方式,包括用于表示数据的结构、这些结构之间的关系,以及有效数据必须满足的规则。在关系数据库中,模式通常规定表、列、数据类型、键和完整性约束。在某些数据库系统中,这个术语还有一种较狭义的含义:容纳数据库对象的具名命名空间。模式描述的是数据的组织方式,而不是某一时刻存储的具体记录。
模式与数据库状态
数据库的模式与状态之间存在根本区别,后者有时也称为实例:
- 模式规定有哪些结构,以及这些结构可以容纳什么数据。
- 状态由某一时刻实际存储的数据构成。
例如,模式可以定义一个 Customer 表,其中包含一个整数标识符和客户姓名。表示各个客户的行则属于数据库状态。插入另一个客户通常只会改变状态,而不会改变模式;添加出生日期列则会改变模式。
“实例”一词的含义取决于上下文。有些数据库产品用它指正在运行的数据库服务器,或其相关进程和内存,而不是数据库当前的内容。
数据库管理系统通常将模式定义记录在系统目录或数据字典中。这些定义属于元数据,即描述其他数据的信息。系统目录使系统及其工具能够检查表、解析对象名称、检查约束并解释查询。
模式描述的层次
数据库设计通常区分概念、逻辑和物理三个描述层次。这些层次将信息的含义与其实现方式分离。
概念模式
概念模式描述应用领域中的实体、关系和业务规则,而不限定具体的数据库产品或存储布局。
以大学为例,概念模式可以识别学生、课程、教师和选课关系,并规定诸如“一名学生可以选修多门课程”之类的规则。实体-联系模型是表达这一层次的常用方式。
逻辑模式
逻辑模式将概念模型转换为特定数据模型所支持的结构。在关系系统中,这些结构包括表、列、键和关系。在文档数据库中,它们可以包括文档类型、嵌套对象和引用。
逻辑模式描述信息如何表示,但不一定规定信息在存储设备上的物理位置。
物理模式
物理模式描述存储组织、分区、访问路径和数据库索引等实现方面的选择。这些选择会影响性能、存储空间使用和维护工作。
不同产品对逻辑定义与物理定义的划分并不一致。例如,索引可以使用与创建表相同的语言来声明,但它仍然属于物理访问结构,而不是应用逻辑数据模型的一部分。
外部模式与数据独立性
三级模式体系结构区分外部视图、概念模式和内部模式。外部模式向特定用户或应用提供经过选择的数据表示;内部模式则描述存储细节。
这种体系结构支持数据独立性:
- 物理数据独立性允许改变存储安排,而不必改变应用所使用的逻辑表示。
- 逻辑数据独立性允许对概念层面的组织方式进行某些修改,而不必相应修改每一个外部视图或应用。
这些是设计目标,而非必然得到的保证。应用仍可能依赖特定的列名、数据类型、顺序假设或性能特征。
关系模式的组成部分
关系模式通常包含几类定义。
表和列。 表表示记录的集合,列则描述属性。列定义规定数据类型,也可以规定默认值、是否允许空值或自动生成的值。
键。 主键唯一标识每一行,且不允许空值。其他候选键可以通过唯一性约束来表示。键可以由一列组成,也可以由多列共同组成。
关系。 外键要求指定值与被引用键的值相匹配,具体还须遵循该约束对空值的处理规则。外键表达并强制维护相关表之间的参照完整性。
完整性约束。 约束限定数据库允许处于哪些状态。例如,唯一性要求、非空要求、允许的取值范围,以及对已有记录的引用。有些业务规则涉及多条记录或多个表,无法仅用普通的行级检查来表达。
视图和可执行对象。 根据系统以及“模式”一词的具体含义,定义还可能包括视图、序列、存储过程、函数和触发器。视图通过查询呈现底层数据的一种表示,而不一定单独存储一份副本。
模式定义通常使用 SQL结构化查询语言中的数据定义语言部分编写。下面是一个简化示例:
CREATE TABLE Department (
department_id INTEGER PRIMARY KEY,
name VARCHAR(100) NOT NULL UNIQUE
);
CREATE TABLE Employee (
employee_id INTEGER PRIMARY KEY,
department_id INTEGER NOT NULL,
name VARCHAR(200) NOT NULL,
salary DECIMAL(12, 2) CHECK (salary >= 0),
FOREIGN KEY (department_id)
REFERENCES Department(department_id)
);
这个模式要求每名员工都引用一个已有部门,但不要求每个部门都有员工。它也允许薪资为空,因为该列没有声明 NOT NULL 约束:在标准 SQL 中,检查约束不会仅因条件求值结果为未知就拒绝某一行。
作为命名空间的模式
在 SQL 术语和许多数据库产品中,模式也指对象的具名容器。像 sales.orders 这样的对象名称,可以标识 sales 模式中的 orders 表。
这种命名空间含义不同于数据库结构定义这一较广义的含义。一个数据库可以包含多个具名模式,每个模式又包含许多对象。
命名空间有助于组织对象、避免命名冲突,并划定所有权或权限边界。命名空间与数据库及用户之间的确切关系因实现而异:
- 有些系统允许一个数据库包含多个模式。
- 在 Oracle 数据库中,模式与同名数据库用户相关联,但用户账户及其对象集合是不同的概念。
- 有些产品在特定命令或界面中将“模式”和“数据库”用作同义词。
因此,“创建模式”可能意味着创建一个命名空间,而不是设计整个数据模型。模式所有权和权限可以支持访问控制,但仅仅将对象放在不同模式中,并不能保证隔离。
模式设计
模式设计将信息需求转化为一种既能保留信息含义、又能支持预期操作的结构。
在关系数据库设计中,函数依赖有助于描述属性之间的决定关系。数据库规范化利用这些依赖关系减少某些形式的冗余,并防止插入、更新和删除异常。
例如,在每条员工记录中存储部门地址,会重复记录同一事实。这样一来,修改地址就需要一致地更新多行。将部门与员工分开,可以让地址只存储一次,并通过键引用。
规范化并不是设计时唯一需要考虑的因素。查询模式、历史报表、写入量和分布式需求同样重要。有意进行的反规范化可能通过重复存储信息来减少连接操作,或降低频繁查询的开销,代价是增加一致性保障和维护方面的要求。
分析系统组织数据的方式往往不同于业务操作系统。数据仓库可以采用星型模式,用事实表表示事件或度量,用维度表描述产品、客户和日期等实体。
约束通过拒绝结构上无效的数据来提高数据质量。但约束无法确认存储的每项事实都真实无误:客户标识符即使类型正确且唯一,也不能证明客户姓名或地址准确。
关系数据库之外的模式
模式并不限于关系系统。文档数据库、图数据库、键值数据库及其他数据库也对数据结构有所要求,即使这些要求并未集中声明。
在 NoSQL数据库系统中,模式的强制执行程度各不相同。文档集合可以接受字段不同的记录,同时仍支持验证规则。图数据库可以允许灵活的属性,同时对标签、标识符或关系提供约束。
因此,无模式通常意味着数据库不要求所有记录都遵循一种严格且集中声明的结构。它并不意味着数据没有结构,也不意味着应用对数据不作任何假设。这些假设可能分散在应用代码、验证服务、文档和处理流水线中。
另一个相关区别是:
- **写时模式:**存储数据时,按照预期结构对其进行检查或转换。
- **读时模式:**解释或查询数据时,再应用结构。
这两种方式可以共存。例如,系统可以存储 JSON 文档,在摄取时只做有限验证,而在分析时采用更具体的解释规则。
模式演化
模式演化是指随着需求变化而修改模式。修改包括添加列、拆分表、引入约束、更改数据类型,以及替换旧的数据表示方式。
模式迁移将这些修改应用于现有数据库,也可能转换已有记录。重命名列主要是结构上的改变;而将自由文本地址转换为多个结构化字段,还需要决定如何解释数据。
当新旧应用版本同时运行时,兼容性尤为重要。一种常见的迁移方式是:
- 添加新结构,同时保留旧结构。
- 调整应用,使其能够应对过渡阶段。
- 填充或转换现有数据。
- 在使用旧结构的应用等都已更新后,移除过时结构。
迁移脚本通常与应用代码一起纳入版本控制。测试必须考虑现有数据,而不能只验证是否能在空数据库中创建新模式。
对运行的影响取决于数据库引擎、表的大小和操作类型。某项修改可能只涉及元数据,也可能需要扫描或重写数据,或者持有锁而妨碍其他工作。不同系统对事务性模式修改的支持也不相同:并非每一种定义修改都能作为数据库事务的一部分回滚。
模式定义的局限
模式是对信息系统的部分形式化描述,并不是对其含义或行为的完整说明。重要规则可能仍处于模式之外,包括工作流要求、授权决策,以及跨独立服务维护的关系。
模式也需要在相互冲突的需求之间作出权衡。严格的约束可以及早发现错误,但会使异构数据的摄取更加复杂。灵活的结构能够容纳差异,却会将更多解释和验证工作转移到应用中。高度规范化的设计可以减少某些冗余,而针对特定工作负载的数据布局则可能提高性能。
因此,模式的有效性既取决于其声明的结构,也取决于数据库操作、应用代码和外部数据生产者能否始终遵循其预期含义。