处理数据：关系型数据库

处理数据：关系型数据库 - 速写插图由@nitya绘制

你可能在过去使用过电子表格来存储信息。你有一组行和列，其中行包含信息（或数据），而列描述了这些信息（有时称为元数据）。关系型数据库建立在这些核心原理之上，即表中的行和列，允许你在多个表中存储信息。这使你可以处理更复杂的数据，避免重复，并且在探索数据的方式上具有灵活性。让我们来探讨一下关系型数据库的概念。

课前测验

一切从表开始

关系型数据库的核心是表。就像电子表格一样，一个表是一系列列和行的集合。行包含了我们想要操作的信息，例如城市的名称或降雨量。列描述了它们所存储的数据。

让我们通过创建一个存储城市信息的表来开始我们的探索。我们可能会从城市名称和国家开始。你可以将这些信息存储在一个表中，如下所示：

注意，列名 城市、国家 和 人口 描述了存储的数据，每一行都包含一个城市的信息。

单表方法的局限性

你可能觉得上面的表对你来说很熟悉。现在让我们向我们正在发展的数据库添加一些额外的数据——年降雨量（以毫米为单位）。我们将重点关注2018年、2019年和2020年。如果我们为东京添加数据，它可能看起来像这样：

你注意到我们的表有什么问题吗？你可能会注意到我们在每一行中重复了城市的名称和国家。这会占用大量的存储空间，并且基本上没有必要有多个副本。毕竟，东京只有一个我们感兴趣的名称。

好的，让我们尝试其他方法。让我们为每一年添加新列：

虽然这避免了行重复，但也带来了其他挑战。每次有新的年份时，我们需要修改表的结构。此外，随着数据的增长，将年份作为列会使检索和计算值变得更加困难。

这就是为什么我们需要多个表和关系。通过拆分数据，我们可以避免重复并有更多的灵活性来处理数据。

关系的概念

让我们回到数据上，确定如何分割数据。我们知道我们想存储城市名称和国家，所以这可能最适合放在一个表中。

但在创建下一个表之前，我们需要弄清楚如何引用每个城市。我们需要某种形式的标识符，ID 或（在技术数据库术语中）主键。主键是一个用于标识表中特定行的值。虽然这可以基于值本身（例如，我们可以使用城市的名称），但它几乎总是数字或其他标识符。我们不希望 ID 发生变化，因为这会破坏关系。你会发现大多数情况下主键或 ID 都是自动生成的数字。

✅ 主键通常缩写为 PK

城市

✅ 在本课程中，你可能会注意到我们交替使用“ID”和“主键”这两个术语。这些概念适用于你稍后将要探索的数据框架。数据框架不使用“主键”的术语，但你会注意到它们的行为方式非常相似。

有了城市表之后，让我们存储降雨量。与其复制完整的城市信息，我们可以使用 ID。我们也应该确保新创建的表也有一个 id 列，因为所有表都应该有一个 ID 或主键。

降雨量

注意 城市编号 列在新创建的 降雨量 表中的位置。这个列包含引用 城市 表中 ID 的值。在技术关系数据术语中，这被称为 外键；它是另一个表的主键。你只需将其视为引用或指针。城市编号 1 引用了东京。

[!NOTE] 外键通常缩写为 FK

检索数据

当我们把数据分成两个表后，你可能会想知道如何检索数据。如果我们使用 MySQL、SQL Server 或 Oracle 等关系型数据库，我们可以使用一种名为结构化查询语言或 SQL 的语言。SQL（有时读作 sequel）是一种标准语言，用于检索和修改关系型数据库中的数据。

要检索数据，你使用命令 SELECT。其核心是你 选择 要查看的列 来自 包含这些列的表。如果你只想显示城市的名字，你可以使用以下代码：

SELECT city
FROM cities;

-- Output:
-- Tokyo
-- Atlanta
-- Auckland
​

SELECT 是列出列的地方，FROM is where you list the tables.

[NOTE] SQL syntax is case-insensitive, meaning select 和 SELECT 意思相同。然而，根据你使用的数据库类型，列和表可能是区分大小写的。因此，最好始终将编程中的所有内容视为区分大小写。编写 SQL 查询时，常见的约定是将关键字全部大写。

上述查询将显示所有城市。假设我们只想显示新西兰的城市。我们需要某种形式的过滤器。SQL 中的这个关键字是 WHERE，意为“某个条件为真”。

SELECT city
FROM cities
WHERE country = 'New Zealand';

-- Output:
-- Auckland
​

合并数据

到目前为止，我们只从一个表中检索数据。现在我们想将来自 城市 和 降雨量 表的数据合并在一起。这是通过 连接 它们来完成的。你将有效地在两个表之间创建一个接口，并匹配来自每个表的列的值。

在我们的示例中，我们将匹配 降雨量 表中的 城市编号 列与 城市 表中的 城市编号 列。这将匹配降雨量值与相应城市。我们将执行的连接类型称为 内连接，意味着如果任何行在另一张表中没有任何匹配项，它们将不会被显示。在我们的例子中，每个城市都有降雨记录，所以一切都将被显示。

让我们检索所有城市的2019年降雨量。

我们将分步进行。第一步是通过指示连接的列——城市编号 来连接数据，如前所述。

SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id
​

我们已经高亮了我们要连接的两列以及 城市编号。现在我们可以添加 WHERE 语句来筛选出只有2019年的记录。

SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id
WHERE rainfall.year = 2019

-- Output

-- city     | amount
-- -------- | ------
-- Tokyo    | 1874
-- Atlanta  | 1111
-- Auckland |  942
​

总结

关系型数据库围绕着将信息划分到多个表中，然后将这些信息重新组合起来以供展示和分析。这提供了高度的灵活性来进行计算和其他数据操作。你已经了解了关系型数据库的核心概念，以及如何在两个表之间执行连接操作。

挑战

互联网上有许多关系型数据库可供探索。你可以使用以上学到的技能来探索这些数据。

课后测验

课后测验

复习与自学

Microsoft Learn 上有几个资源可供你继续探索 SQL 和关系型数据库概念

• 描述关系数据的概念
• 使用 Transact-SQL 开始查询（Transact-SQL 是 SQL 的一种版本）
• Microsoft Learn 上的 SQL 内容

作业

作业标题

声明:
本文件灏天文库团队进行了翻译。尽管我们力求准确，但请注意，翻译可能包含错误或不准确之处。原文档以其原始语言为准。我们不对因使用此翻译而产生的任何误解或误译负责。