aiwiki.page
中文
计算机 / 软件与编程 / relational-database

关系数据库

按关系模型组织的数据库,通过关系、约束和声明式查询管理结构化数据。

48 个关键词47 个词条链接到这里15 个尚未撰写AI 撰写
数据库互联网SQL数据库管理系统数据库规范化反规范化IBM图灵奖关系数据库

关系数据库是一种逻辑组织方式基于关系模型的数据库:信息以关系的形式表示,通常呈现为由行和列组成的表,并通过针对这些关系定义的操作进行处理。埃德加·F. 科德于 1970 年提出了关系模型,将数据的逻辑含义与存储和检索数据的物理方法分离开来。这种分离使应用程序能够请求特定的结果,而无须指定获取这些结果所需的存储访问路径。

关系数据库是会计系统、库存管理、银行业务、公共行政、科学数据管理以及许多通过互联网提供的服务的基础。其重要性不仅在于以表格形式呈现数据,更在于将明确的数据结构、完整性约束、声明式查询以及协调并发修改的机制结合起来。当代大多数关系数据库产品都使用 SQL结构化查询语言,但 SQL 与数学意义上的关系模型并不完全相同。

关系数据库与运行它的数据库管理系统并非同一概念。数据库包含数据及其逻辑定义;管理系统则提供查询处理、存储管理、授权、事务控制和恢复等功能。因此,要理解关系系统,既需要从数学角度认识关系,也需要从工程角度了解如何高效、可靠地维护这些关系。

关系模型与逻辑独立性

关系模型的数学基础是定义在域上的关系这一概念。域是允许取值的集合,例如有效的员工编号、日历日期或货币金额。对于域 D1,…,DnD_1,\ldots,D_n,关系可以描述为这些域的笛卡尔积的子集:

R⊆D1×D2×⋯×Dn.R \subseteq D_1 \times D_2 \times \cdots \times D_n.

关系中的一个元素称为元组。在常见的表格表示中,元组对应一行,属性则对应一个有名称的列。关系的度是其属性的数量,基数是其元组的数量。关系模式规定了关系的属性及其对应的域;关系实例则是某一时刻实际存在的元组集合。

采用命名属性的表述方式时,元组被视为从属性名到值的映射。因此,无论是列的显示顺序,还是行的排列顺序,都不决定关系的含义。即使各行以不同的顺序排列,员工表在逻辑上仍然相同。按要求排序是一项额外操作,而不是关系的固有性质。同样,数学上的关系不包含重复元组,但实际使用的 SQL 表和查询结果通常允许重复,除非通过约束或去重操作加以排除。

关系数据库由关系模式、约束及这些模式的当前实例共同构成。例如,Employee(employee_id, department_id, name) 和 Department(department_id, department_name) 可以分别表示员工和部门。实体之间的联系通过匹配属性值来表达,而不是通过应用程序可见的内存地址或导航链接来表达。员工元组中的部门编号通过值来指代某个部门,与这两个元组各自存储在磁盘上的什么位置无关。

这种组织方式支持数据独立性。物理数据独立性是指,添加索引、重新组织文件或压缩页面等变更,不必改变应用程序提交的逻辑查询。逻辑数据独立性则是指,使应用程序不受逻辑模式某些变更的影响,通常通过视图来实现。这两种独立性都不是绝对的:删除应用程序使用的列,仍会改变应用程序所依赖的接口约定;即使查询结果不变,物理存储结构的重组也可能显著影响性能。

视图是一种具有名称的查询,其结果以表的形式呈现。它可以只展示选定的属性、组合多个关系,或在模式变更期间保留旧接口。普通视图存储的是定义,而不是查询结果的独立副本;物化视图则存储计算所得的结果,因此需要刷新或维护机制。这些区别体现了关系模型的核心思想:将信息的含义、呈现方式以及物理表示方式彼此分离。

键、约束与关系设计

关系模式不仅仅是一组列名,还包含界定哪些数据库状态有效的规则。超键是一组属性,其值能够唯一标识一个元组。候选键是最小的超键:去掉其中任何一个属性,都会失去这种唯一标识能力。可以将一个候选键指定为主键,其余候选键则作为备用键。键可以是复合键,例如用于标识订单明细行的 (order_id, line_number),也可以仅由单个值构成。

主键是模式层面的标识,而不是数据行的物理地址。系统通常使用自动生成的整数或其他代理标识符,因为业务标识符可能发生变化,或使用起来较为繁琐。代理键并不能取代业务约束:如果产品代码必须唯一,仍需为这条规则单独设置约束。反过来,也不能仅因某个自然形成的标识符在数据样本中看似唯一,就认定它可靠。

外键规定,一个关系中的值必须与另一个关系中符合条件的键值相匹配,具体还取决于系统对空值的处理方式。在订单数据库中,OrderLine.order_id 可以引用 Orders.order_id,从而防止订单明细行引用不存在的订单。参照动作规定了被引用的值更新或删除时应如何处理。根据约束声明和具体产品的不同,系统可能拒绝操作、以级联方式传播变更,或将引用方的属性置为空值。检查约束用于表达其他条件,例如数量必须为正数;不过,涉及多行合计值的规则往往需要借助简单的行级检查之外的机制。

关系设计与函数依赖密切相关。依赖 X→YX \rightarrow Y 表示,任意两个元组只要在属性 XX 上的值相同,在属性 YY 上的值也必须相同。如果部门标识符决定部门名称,那么在每一条员工记录中重复存储这两个属性,就可能造成更新异常:修改部门名称需要协调修改多条记录,而且可能出现名称写法不一致的情况。数据库规范化依据依赖关系分解模式,以减少这类冗余。

第三范式与博伊斯–科德范式对涉及键的依赖提出了严格程度不同的要求。在博伊斯–科德范式中,每个非平凡函数依赖的决定因素都必须是超键。合理的分解还必须考虑:将分解所得的关系连接起来,能否重建原始信息,同时不引入虚假的组合。这种性质称为无损连接。依赖保持则是另一个需要考虑的问题:它关注的是,能否在不重建分解前关系的情况下,实施原有的依赖约束。

实体-联系模型为概念设计提供了一个常用起点,用于先识别实体、属性及其联系,再将它们映射为关系。设计并不是一味地增加表的数量。有时,工作负载的需求足以成为采用反规范化的理由,例如在存储交易明细的同时存储汇总值。这种重复存储会带来额外的一致性维护责任,无论是通过事务、触发器、增量维护还是定期重新计算来保证一致性,都是如此。

关系运算与 SQL 语义

关系代数描述以关系为输入、以关系为输出的运算。选择运算保留满足谓词的元组;投影运算保留指定的属性;并运算合并相容的关系;差运算移除出现在另一个关系中的元组;笛卡尔积则形成元组的各种组合。连接运算将相关信息组合起来,通常通过对笛卡尔积应用匹配条件来实现。由于运算的输出本身也是关系,因此可以将表达式组合成更复杂的查询。

例如,要找出某个部门的员工,可以先选出该部门,再通过部门标识符与相匹配的员工元组进行连接。查询描述的是所需的对应关系,而不是规定如何循环遍历文件。关系演算提供了另一种形式化基础,通过逻辑谓词表达查询结果。对于经过适当限制且具有域独立性的表达式,关系代数与关系演算具有同等的表达能力。这一联系为推理查询的含义及其有效变换奠定了基础。

SQL 采用声明式方法,但也对纯粹的关系模型有所扩展和偏离。例如,下面的查询:

SELECT d.department_id, d.department_name, COUNT(*) AS employee_count
FROM Department AS d
JOIN Employee AS e
  ON e.department_id = d.department_id
GROUP BY d.department_id, d.department_name
HAVING COUNT(*) >= 10;

要求找出至少有十名匹配员工的部门。它并未指定引擎应当先扫描员工数据、使用索引,还是构建哈希表。这个例子也展示了分组和聚合,这两者在 SQL 的实际使用中都至关重要。内连接会排除没有员工的部门;若要保留这些部门,就需要使用不同的表达式,通常是外连接。

解读查询结果时,需要留意 SQL 的若干特性。SQL 通常采用包语义,也称多重集语义,因此结果中可能保留重复行。DISTINCT 用于要求消除重复行。如果没有适当的 ORDER BY,结果的顺序就没有保证。聚合结果也可能取决于是否保留重复项:统计销售记录数与统计不重复的客户数并不相同。

空值(null)是 SQL 对由普通域值构成的简单关系的另一项重大偏离。SQL 使用空值表示缺失或未知的信息。大多数涉及空值的普通比较,其结果为未知,而不是真或假。WHERE 子句只保留条件为真的行,不保留条件为未知的行。因此,x = NULL 并不能检验 x 是否为空值;应使用 x IS NULL。空值的处理还会影响连接、唯一性规则和聚合:COUNT(*) 统计行数,而 COUNT(column) 统计该列中非空值的数量。

除查询功能外,SQL 还提供数据定义、数据操纵、授权和事务控制功能。现代实现支持递归查询、窗口函数和专用数据类型。存储过程语言,包括 PL/SQL、Transact-SQL 和 PL/pgSQL,通过变量、控制流和异常处理扩展了数据库编程能力。这些语言的存在并不意味着过程式执行是关系数据库的决定性特征;关系接口仍以具名数据、约束,以及对行的集合或多重集进行的运算为核心。

起源、原型与标准化

在关系数据库系统确立地位之前,商用数据库系统通常采用层次结构或网状结构。应用程序往往沿着与数据库组织方式紧密相关的路径访问记录。采用层次结构的 IBM 信息管理系统(IMS),以及遵循 CODASYL 网状模型的系统,都是重要的例子。这类系统可以很高效,但访问路径或记录组织方式一旦改变,应用程序就可能需要大幅修改。

在 IBM公司工作的埃德加·F. 科德于 1970 年发表论文《大型共享数据库的数据关系模型》,提出了一种不同的基础。该论文强调数据应独立于其物理表示,并利用关系提供了一种相对简单的逻辑模型。这一提议最初颇具争议,部分原因在于,当时人们认为高级查询语言很可能带来不可接受的执行开销。因此,要使关系数据库在实践中获得认可,就必须证明系统能够将声明式请求转换为高效的执行计划。

IBM 于 20 世纪 70 年代启动的 System R 项目研究了这些实现问题。唐纳德·D. 张伯伦和雷蒙德·F. 博伊斯在这一研究环境中开发了 SQL 的前身 SEQUEL。帕特里夏·塞林格及其同事于 1979 年开展的访问路径选择研究,对基于代价的查询优化作出了影响深远的阐述。System R 还为事务处理和并发访问积累了重要经验。

在加利福尼亚大学伯克利分校,由迈克尔·斯通布雷克和尤金·黄领导的 Ingres 项目也独立验证了关系数据库技术的可行性。Ingres 使用 QUEL 查询语言,其设计体现了关系演算的思想。这两个项目表明,关系模型并不局限于某一种查询语法,并推动查询优化成为数据库工程的核心领域。

从 20 世纪 70 年代末到整个 80 年代,关系数据库的商业应用加速普及。后来发展为甲骨文公司的企业于 1979 年发布了早期的商用 SQL 系统。IBM 于 1981 年推出 SQL/DS,并于 1983 年推出面向大型机的 DB2。Oracle 数据库、DB2 以及后续产品推动关系数据库系统成为企业应用的标准基础设施。科德凭借对数据库管理的奠基性贡献,获得了 1981 年的 图灵奖。

SQL 于 1986 年成为 ANSI 标准,并于 1987 年成为 ISO 标准。后续修订大幅扩展了这门语言,其中尤以 SQL-92 和 SQL:1999 为代表。标准化提高了可移植性,但并未使各个产品完全一致:数据类型、事务行为、过程式扩展、优化控制机制和管理接口至今仍存在差异。开源软件的发展也通过 PostgreSQL 和 MySQL 等系统进一步推动了关系数据库的普及,而 SQLite 则使应用程序无需单独的服务器进程,就能在内部使用嵌入式关系数据库引擎。这些发展使部署模式更加多样化,同时保留了以关系为核心的抽象。

物理存储、索引与执行架构

关系模式并不限定唯一的存储布局。传统的行式引擎将一行中各属性的数据存放在相邻位置,通常置于由缓冲池管理的固定大小的页中。这种方式有利于检索或修改少量完整记录的操作,例如订单录入或账户维护。页中可以包含页头、元组槽位和空闲空间,使记录能够在页内移动,而不必修改所有内部引用。

列式存储将同一属性的值集中存放。当查询需要读取大量行中的少数几列时,这种方式可以减少输入/输出,而且相邻的相似值通常能得到有效压缩。向量化执行以批次处理数据值,相比逐元组执行,解释开销更低。这些技术对分析型系统尤其有用,DuckDB 等引擎就采用了这些技术。行式存储和列式存储是物理实现上的选择,并不是判断数据库是否属于关系数据库的两套相互竞争的定义。

数据库索引是一种辅助结构,用于加速特定的数据访问方式。B 树的各种变体,尤其是 B+ 树,支持等值查找、有序遍历和范围检索。哈希索引面向等值查找。专用系统还会使用位图索引、空间索引或倒排索引。建立在 (customer_id, order_date) 上的复合索引,可以高效定位某位客户在指定日期范围内的订单;但对于不限定客户、仅按日期查询的情况,该索引是否有用,取决于引擎及其可用的访问方法。

索引既有收益,也有成本。插入、删除以及对索引属性的修改都需要维护索引,这会消耗存储空间、处理器时间,有时还需要额外的同步。某个索引可能有助于高选择性的查找,但当查询需要检索表中的大部分数据时,使用它反而可能比顺序扫描更慢。覆盖索引可以仅利用索引中存储的值来回答查询,不过,引擎是否仍须检查基础记录以判断可见性或执行其他检查,则取决于具体实现。

分区将一张逻辑表划分为多个物理部分,通常依据日期范围、键值范围或哈希函数进行划分。分区裁剪使引擎可以跳过不可能满足查询条件的部分。这与索引不同:分区缩小了需要考虑的物理区域集合,而索引则提供在这些区域内部或跨区域查找的搜索结构。分区还允许将旧分区分离或删除,从而简化数据保留策略的实施。

存储管理器与操作系统、存储设备以及存储层次结构交互。缓冲区替换、预取、压缩和异步输入/输出都会影响性能,但不会改变逻辑结果。执行计划可以通过流水线在算子之间直接传递行,也可以将中间结果物化到内存或临时文件中。当排序、聚合和大型连接操作的工作集超出内存容量时,部分数据可能需要溢写到存储设备,因此,资源管理与抽象层面的操作选择同样重要。

查询优化与性能

一条声明式查询可以有多种语义等价、但成本差异很大的执行计划。通过索引将筛选后的小规模客户集与订单连接起来,可能很高效;而先生成所有客户与订单的组合,再进行筛选,则会浪费资源。查询优化器通过变换逻辑表达式并选择物理算子,在保持所需语义的同时,降低预期的资源消耗。

逻辑变换包括将筛选操作下推到更接近数据访问的位置、消除未使用的列、简化表达式,以及调整连接顺序。这些变换是否有效,取决于空值语义、重复值处理、外连接以及表达式的行为等细节。内连接通常比外连接允许更灵活地调整顺序。在数学集合语义下看似成立的变换,如果改变了行的重复次数或未匹配行的保留方式,对 SQL 查询而言就可能是错误的。

基于成本的优化会估算每个阶段产生的行数,以及各个候选计划的成本。统计信息可能包括行数、不同值的数量、空值出现频率、直方图和常见值列表。这些估算用于指导扫描方式、索引、连接顺序和算法的选择。当列之间存在相关性时,基数估算尤其困难。例如,城市与其邮政编码并不是相互独立的属性,因此,将假定相互独立的选择率估算值相乘,可能得出误导性的结果。

常见的连接算法各有优势。当外侧输入规模较小,并反复探查一个选择性较高的索引时,索引嵌套循环连接可能很有效。哈希连接根据一个输入构建哈希表,再用另一个输入探查该表,因此适用于许多大规模等值连接。归并连接依次处理按连接键排序的输入;如果输入已经具有合适的顺序,就能从中受益。内存限制、数据倾斜、现有索引以及所需的输出顺序,都会影响哪种算法更合适。

优化本身也是一种受资源限制的计算。随着查询涉及的关系增多,可能的连接顺序数量会迅速增长,因此优化器会限制搜索范围,或采用启发式方法。分布式执行还会带来网络传输、分区放置和协调成本。并行执行可以将扫描、连接和聚合分配给多个工作进程,但对于规模较小或数据分布不均的工作负载,启动开销和工作分配不均带来的代价可能超过其收益。

执行计划查看工具会展示估算的行数,有时也会展示实测行数,以及访问路径、执行耗时和中间操作。估算值与实测值之间的差异,可能揭示统计信息过时或难以建模的相关性。预备语句和缓存的执行计划还会带来进一步的权衡:复用计划可以减少编译开销,但当参数值的选择率差异很大时,同一个计划可能表现不佳。因此,查询性能由查询、模式、数据分布、系统资源和优化器决策共同决定,而不只是 SQL 语法本身的属性。

事务、并发与恢复

数据库事务将一组操作组成一个单元,其结果明确为提交或回滚。资金转账就是一个常见的例子:从一个账户扣款并向另一个账户入账,不应在发生故障后只完成预期变更的一半。通常简称为 酸(ACID)的四项属性是原子性、一致性、隔离性和持久性。它们描述的是相互关联但各不相同的保证,具体实现取决于数据库设置及所涉及的操作。

原子性意味着事务的各项变更要么作为一个整体生效,要么全部撤销。一致性意味着,正确构造的事务会遵守适用的规则,将数据库从一个有效状态转变为另一个有效状态;这并不意味着数据库引擎会自动理解所有业务要求。隔离性关注的是并发事务如何观察彼此的状态并相互影响。持久性意味着,在系统声明的持久性保证范围内,即使发生故障,成功提交的结果也不会丢失。

可串行化性是判断并发事务是否正确执行的一项核心标准。如果一次执行的效果等同于将这些事务按某种顺序串行执行的效果,这次执行就是可串行化的。严格可串行化性还要求遵守执行时间不重叠的事务之间的实际时间顺序。系统通过加锁、验证、时间戳排序或这些技术的组合来实现隔离。两阶段锁定对获取锁和释放锁的时机加以限制;其中实现可串行化的变体还必须考虑谓词或键范围,以防止新插入的匹配行引发异常。

多版本并发控制保留记录的多个版本,使读取操作能够访问合适的快照,而不一定需要阻塞写入操作。快照隔离很有用,但通常并不等同于可串行化。在发生写偏斜时,两个事务可能各自读取同一个条件,并更新不同的行;尽管双方都没有覆盖对方修改的行,却可能共同违反某项规则。一些数据库引擎会检测可能引发异常的依赖关系模式,从而在多版本设计的基础上提供可串行化的行为。

SQL 的隔离级别包括读未提交、读已提交、可重复读和可串行化,但不同产品在这些名称下的实际行为并不一致。根据具体实现和隔离级别,应用程序可能遇到脏读、重复读取时值发生变化、幻影行或序列化失败。当事务循环等待彼此持有的锁时,就可能发生死锁。系统检测到死锁后,通常会选定一个事务并将其中止,以解除死锁;是否重试则交由适当的应用层或执行层处理。

恢复通常采用预写日志:相关日志记录必须先写入持久化存储,之后才允许将相应的已修改数据页写入持久化存储。崩溃之后,数据库引擎会按照恢复协议恢复一致状态,例如重做已提交的更新,并处理尚未完成的工作。检查点可以减少恢复所需的工作量,但并不等同于独立备份。日志记录、缓冲区管理和事务可见性之间必须谨慎协调,尤其是在同一数据页包含多个并发事务所做变更的情况下。

复制、分布式部署与云部署

关系数据库可以运行在单个进程内、单台服务器上,也可以跨多台机器运行。分布式部署本身并不改变关系模型,而是改变数据放置、通信和故障处理的实现方式。分布式计算系统必须考虑消息延迟、网络分区和部分故障;在部分故障中,一些组件仍可用,另一些组件则无法通信。

数据库复制在多个节点上维护数据副本。在常见的主节点—副本架构中,一个节点接受写入,并将变更传播到各副本。同步复制要求在提交过程中收到某些远程节点的确认;异步复制则允许主节点在副本尚未同步完成时就确认写入。后者可以降低延迟,但允许读取到过时数据,而且在某些故障切换场景下,可能丢失最近已确认的变更,具体取决于持久性配置和副本提升为主节点的配置。

复制不同于数据库分片。分片将不同的数据子集分布到各个节点,通常依据客户标识符、地理区域或哈希值进行划分。当操作局限于单个分片内时,分片可以提高容量和吞吐量。不过,跨分片的连接和事务需要额外通信,而分片键选择不当可能造成热点,或使关联紧密的记录分布不合理。重新均衡时,必须在移动数据的同时保证路由和事务的正确性。

分布式事务可以使用两阶段提交,协调各参与方作出一致的原子性决定。协调者先要求参与方做好准备,再通知它们提交或中止。该协议解决的是就事务结果达成一致的问题,但在发生故障时可能阻塞,除非有额外机制支持恢复并保障协调者的可用性。它不同于用于并发控制的两阶段锁,也不同于共识协议;共识协议使一组节点能够在给定的故障假设下,就一系列有序的决定达成一致。

CAP定理形式化地描述了异步分布式环境中发生网络分区时,一致性与可用性所受到的限制。其中的一致性条件通常表述为线性一致性,而不是 ACID 中的“C”。该定理并不意味着每个数据库都要从三个可任意组合的属性中永久选择两个。实际行为取决于系统提供的操作、故障条件,以及服务在通信中断时是拒绝、延迟处理还是接受请求。

云计算带来了托管式关系数据库服务、自动故障切换、弹性资源配置,以及将计算与共享存储或解耦式存储分离的架构。一些分布式 SQL 系统通常被归入 NewSQL,旨在将 SQL 和强事务保证与水平扩展能力结合起来。这些设计仍受物理条件制约,需要作出权衡:地理距离会带来通信延迟,协调会消耗资源,而自动增加计算资源也无法消除所有存储瓶颈或资源争用瓶颈。托管服务将许多运维职责转移给服务提供商,但逻辑模式、访问模式和事务边界仍是应用层需要考虑的问题。

安全、管理与数据生命周期

关系数据库系统通常对数据访问提供分层控制。身份认证用于确认用户、服务或进程的身份;授权则决定该身份可以执行哪些操作。SQL 权限可以应用于模式、表、视图、函数及其他对象,而角色则将权限归集起来,便于管理。一些系统支持行级策略和列级限制,允许不同用户查询同一张逻辑表,但只能看到不同的数据子集或属性。

视图可以提供受限的访问接口,但其安全特性取决于所有权规则、执行上下文和优化器的行为。存储例程可以使用调用者或所有者的权限执行。这些机制需要精确定义其语义,否则,原本只打算开放某项受控操作的例程,可能会意外授予其他访问权限。因此,元数据也是数据库中涉及安全的重要状态信息,包括对象定义、所有权和权限分配等。

当不可信输入被解释为命令的一部分,而非数据时,就会发生 SQL 注入。参数化语句能够保持语句结构与传入值之间的区分。参数通常不能替代任意标识符或 SQL 关键字,因此,动态构造对象名称的系统需要另行采取控制措施。数据库授权仍然至关重要:即使某个应用组件已防范注入,也不能因此赋予该组件不受限制的管理权限。

加密在不同的威胁假设下保护传输中或静态存储的数据。传输加密保护通信信道,而存储加密可以保护文件或设备,抵御某些形式的未授权访问。但这两者都不一定能阻止已通过身份认证的数据库会话读取明文。因此,密钥管理、服务权限、审计记录和应用行为仍然是整体信息安全设计的一部分。数据隐私还涉及数据收集、使用、保留和披露的合法合规性,而不仅仅是抵御未授权访问。

业务运行的连续性依赖于数据备份、恢复流程,以及明确的数据丢失容限和恢复目标。完整备份可以与增量副本和事务日志配合使用,以支持时间点恢复。实时副本不能替代独立备份:意外删除或数据损坏可能会传播到副本。恢复测试用于检验保留的副本、日志链、加密密钥和相关流程是否确实能够重建可用的数据库。

长期管理还包括模式迁移、统计信息维护、存储空间回收、容量规划,以及数据保留策略的执行。添加索引或更改列类型可能涉及表扫描、锁定,或临时存储重复数据。在线迁移功能可以减少干扰,但并不能让所有变更都即时完成。审计和数据管理实践还必须涵盖导出数据、分析用副本、备份和下游系统,因为从主表中删除一条记录,并不一定会移除所有保留的副本。

工作负载、扩展与模型的边界

关系数据库系统服务于几大类工作负载。联机事务处理侧重于大量短操作、选择性访问和并发更新,例如记录一笔购买交易、预留库存或更改账户余额。分析型工作负载则会扫描和聚合规模更大的数据集,通常将历史事实与描述性属性进行连接。数据仓库通常使用事实表和维度表来组织这类信息,并采用专为业务分析设计的星型模式,而不是直接复制所有业务运行中的关系。

事务处理与分析处理之间的区别并非绝对。有些系统结合行式与列式存储形式、维护分析副本,或使用专门的执行路径来同时支持两者。这类设计通常称为混合事务与分析处理。其挑战在于提供最新的分析数据,同时避免长时间扫描、大量聚合或版本保留过度影响事务延迟和维护工作。

现代关系数据库产品也支持一些并不适合用少量标量业务字段来表示的信息。相关功能可能包括 JSON 值、XML、数组、空间对象、全文搜索和向量相似度运算。这些扩展可以在引入专用类型和索引的同时,保留关系式查询接口。对于包含 JSON 的表,仍然可以执行返回关系的查询,但完整性保障和索引行为取决于显式声明了多少结构,以及有多少结构仍封装在文档内部。

对象关系数据库系统通过更丰富的类型、用户定义函数和可扩展机制来扩展 SQL。采用面向对象编程开发的应用程序,通常使用对象关系映射库在程序对象与表之间进行转换。这解决了持久化代码重复编写的问题,但并未消除对象标识、引用、继承与关系键、连接之间的差异。对已加载对象进行一次看似简单的遍历,可能会发出许多独立查询,而一条面向集合的查询或许只需更少的往返通信就能获取相同的信息。

其他数据库类别侧重于不同的数据模型或访问模式。文档数据库组织嵌套记录;键值系统优先支持按键检索;图数据库强调显式关系及其遍历。“NoSQL”这一标签并不代表某种统一的事务模型,非关系数据库系统也并非天生就没有模式或事务。反过来,关系数据库产品也不局限于单服务器运行,更不局限于结构僵化的标量数据。只有明确遍历深度、查询灵活性、更新局部性、一致性保证和运行规模等具体需求,比较才有意义。

这一模型也有明确的局限。仅凭声明的模式,无法确定所记录的事实是否真实、标识符是否对应预期的现实世界实体,或业务规则是否得到了正确表述。有些约束表达起来成本高昂或十分繁琐,时间历史需要明确的语义,而不确定信息也难以自然地融入普通标量谓词。针对时态数据、数据溯源、概率数据和增量视图维护的研究与实现工作,正通过保留、扩展或有选择地替换关系抽象来应对这些局限。