程序内外应有两份定义
自然连接依赖属性名,给关系新增同名属性看似会破坏既有查询,但同名即同属性,冲突可用 RENAME 化解。真正的问题是数据库定义不在程序的类型系统中,否则多数应用错误都会成为编译期类型错误。数据独立性需要两份定义:程序内一份供编译期检查,程序外一份描述真实结构,二者之间用映射连接。现有 SQL 产品没做到,退而求其次是让程序只访问规范化命名的视图。
主题对照
比较视图的本质、更新语义、约束与派生规则,以及用视图隔离逻辑结构变化的方法。
自然连接依赖属性名,给关系新增同名属性看似会破坏既有查询,但同名即同属性,冲突可用 RENAME 化解。真正的问题是数据库定义不在程序的类型系统中,否则多数应用错误都会成为编译期类型错误。数据独立性需要两份定义:程序内一份供编译期检查,程序外一份描述真实结构,二者之间用映射连接。现有 SQL 产品没做到,退而求其次是让程序只访问规范化命名的视图。
视图是一个关系变量,它在任一时刻的值等于其定义表达式在该时刻的计算结果。“虚拟关系变量”“派生关系变量”“命名的查询”都是同一件事的不同说法。视图的要义在于它就是表,正如两个集合的并仍是集合。SQL 用 CREATE TABLE 和 CREATE VIEW 两个名字,强化了“表专指基表”“视图与表不同”两个误解;一旦认定表就是基表,思考就已偏离关系化。
基关系变量与视图之间不应有不必要的区分,对用户而言视图应与基关系变量无异。可以让 S 做基表,LS(城市为 London 的供应商)和 NLS(其余供应商)做视图;也可以反过来,让 LS、NLS 做基表,S 定义为 LS UNION NLS。两种设计要信息等价,还得规定 LS 的 CITY 只能是 London、NLS 的 CITY 不能是 London。推论:视图应能有约束、键和外键;只适用于基表的实体完整性规则、只对基表开放的行 ID 都违反该原理;最重要的是视图必须可更新。只看得见部分关系变量的用户被禁止某些更新,在基表上同样存在,不算违反。
视图定义至少要引用一个关系变量,否则结果不可更新,根本不是变量。SQL 允许写一个不引用任何基表的视图:用 VALUES 把样例里的五家供应商写死,命名为 S_CONST。它不能更新,其实是“命名关系常量”,不是变量。这里有几层区分:常量即值,字面值只是表示常量的符号;已命名的常量值不可变,用起来却像变量。TABLE_DEE 与 TABLE_DUM 就是系统内置的两个关系常量。用视图去模拟常量虽然可行,却掩盖了“可变”与“不可变”的逻辑差异。
视图同样有谓词,由定义中关系变量的谓词加上运算语义派生而来。London 供应商视图 LS 的谓词是 S 的谓词与“城市为 London”的逻辑与。要注意 CITY 仍是参数,只是实参固定为常量 ‘London’,并没有像投影那样被量化成约束变元;因此更实用的设计是再把这个恒定不变的属性投影掉,让视图结构与谓词保持一致。
视图的约束由定义中关系变量的约束加上运算语义派生而来:LS 的总体约束是 S 的约束与“城市为 London”的逻辑与,因此黄金规则同样适用于视图。理论上系统应能自动推导这些约束,但显式声明仍有价值:系统未必有这种推导能力,而且声明本身就是描述视图语义的文档。即使某条约束(如 LS 的 KEY{SNO})可由基表约束推出,重复声明会多做一次检查,也值得保留。
“某些视图天生不可更新”是误解:基表的更新同样会因违反约束失败。把按 CITY 连接的 SCP = S JOIN P 当作与 S、P 并存的关系变量:插入城市为 Madrid 的 (S6, P7) 可以成功;若城市为 London,S6 还会与已有的 London 零件连接、P7 也会与 London 供应商连接,只插这一行会使 SCP ≠ S JOIN P,违反黄金规则,自动补行又违反赋值原理。正确支持视图更新须先会约束推导,多数 SQL 产品做不到。
没有 CHECK OPTION 时,通过视图插入一行不满足视图条件的数据,这行会写进底层表,却在视图中看不见——用户以为插入了,从视图看什么也没发生,违反了赋值原理。WITH CASCADED CHECK OPTION 要求所有更新都符合视图定义,否则拒绝。只要视图允许更新,就应使用 CASCADED(它也是默认值);LOCAL 的语义很古怪,建议不用。
补偿操作是 DBMS 在用户请求之外自动执行的附加更新,用来防止违反约束,级联删除就是典型。若 LS、NLS、S 都是基表,就需要双向级联删除与级联插入。把 S1 的城市改为 Oslo:作用于 S 时,S1 从 LS 删除并插入 NLS;作用于 LS 时,插入 CITY 为 Oslo 的行违反 LS 约束,整个更新连同已做的删除一起失败,数据库保持不变。理想情况下,这些规则都应由系统从视图定义中自动推导。
视图有两种用途:定义者自己用来少写表达式的简写;更重要的是给不知道定义的用户使用,这时视图应当与基关系变量无异,由此提供逻辑数据独立性——改变逻辑结构而不影响用户。例如把 S 拆成基关系变量 LS 与 NLS,再定义视图 S := LS D_UNION NLS。D_UNION 是不相交并:一边城市是 London,另一边不是,两边没有共同元组。原有针对 S 的表达式可原样使用。拆分也有代价,比如 SP 指向 S 的外键需要重新处理。
SQL 判定视图可否更新的规则分散而复杂,还区分可更新、潜在可更新、简单可更新、可插入等状态,有的视图允许 DELETE 却拒绝 INSERT。可靠的判断是:定义为单个 SELECT,而不是 UNION、INTERSECT、EXCEPT;SELECT 使用 ALL;每个选择项都是只出现一次的简单列名;FROM 只含一张可更新表;WHERE 中没有引用同一张表的子查询;没有 GROUP BY 和 HAVING。
数据库的”独立性”不是一句空洞的设计目标,而是靠三层模式加两次映像这套具体 机制落地的。用户模式(外模式)是每个用户或应用看到的局部数据视图;逻辑模式 (模式)是全库唯一的整体逻辑结构,综合了所有用户需求;物理模式(内模式)是 数据在磁盘上的实际存储方式(文件组织、索引等)。关键不在于分了三层,而在于 层与层之间靠映像(而非直接绑定)连接:用户模式/逻辑模式映像让应用程序只 依赖自己的用户模式,逻辑模式怎么变都可以通过调整这一层映像来吸收,应用 程序不用跟着改——这就是逻辑独立性;逻辑模式/物理模式映像让物理存储结构 (比如给某个字段加索引)的调整通过修改这层映像吸收,逻辑模式本身保持不变—— 这就是物理独立性。换句话说,”独立性”的本质是把”变化”限制在映像这一层去 吸收,而不是让变化沿着依赖链条一路传导到最上层或最下层。这也解释了为什么 索引之类的物理存储优化几乎不会影响应用代码——它们改变的只是逻辑模式/物理 模式映像,逻辑模式和用户模式都不受影响。
结构图:
flowchart TD
A[用户模式/外模式<br/>各用户各自的局部视图] -->|用户模式/逻辑模式映像| B[逻辑模式/模式<br/>全库唯一的整体逻辑结构]
B -->|逻辑模式/物理模式映像| C[物理模式/内模式<br/>实际存储方式:文件/索引]
D[逻辑模式变化] -.通过映像吸收,用户模式不变.-> A
E[物理存储变化,如加索引] -.通过映像吸收,逻辑模式不变.-> B
两个关系表示同一信息,当且仅当能用关系代数把 r1 映射到 r2、也能把 r2 映射回 r1(如 GROUP 与 UNGROUP);等价地,涉及 r1 的每个查询都有涉及 r2 的查询得到相同结果。推广到数据库:两个设计的每个可能取值都能互相映射,且每个更新都有对应更新,二者才信息等价。信息等价的设计仍有优劣,如出货与供应商合表的设计连第二范式都不满足,会有冗余与更新异常,规范化帮助从中挑选。参见[[互换性原理]]。
正确地更新基关系变量来支持视图更新,与正确地更新存储数据来支持基关系变量更新,本质上是同一个问题,只是出现在系统架构的不同层次。因此视图更新必须解决,否则就得放弃数据独立性;逻辑数据独立性与物理数据独立性同样只是同一问题的两处表现。思考视图更新的有效办法,是把视图想成与定义它的基关系变量并存、由约束关联的另一个基关系变量。参见[[视图更新失败源于约束]]、[[物理数据独立性]]。
数据库要同时满足两个看起来矛盾的目标:底层存储方式要能自由调整 优化(比如换个索引组织方式),但上层应用程序不能因此被迫跟着改 代码。ANSI/SPARC体系结构解决这个矛盾的思路,是把数据库拆成三层 各自独立的模式,再用两层”映像”把它们粘合起来。内模式在最底层, 描述数据在磁盘块上的物理组织方式(顺序存储、B树、哈希、是否压缩 加密),一个数据库只有一个内模式。概念模式在中间层,描述整个 数据库的逻辑结构(有哪些数据项、类型、约束、数据间联系),完全 不涉及物理存储细节,一个数据库同样只有一个概念模式。外模式在最 上层,是概念模式之上针对不同用户群体裁剪出的局部视图——同一个 图书馆数据库,借书者看到的外模式只有书名/作者/ISBN,工作人员看到 的外模式还包含库存数和采购价,一个概念模式之上可以定义多个外 模式。真正实现”改动不传导”的关键是两级映像:外模式—模式映像 记录每个外模式如何从概念模式推导而来,概念模式变了,只需要 同步修改这层映像、外模式本身可以保持不变,用户程序完全无感知, 这就是逻辑数据独立性;模式—内模式映像记录概念模式如何对应到 物理存储,内模式变了(比如换了索引方式),只需要修改这层映像、 概念模式保持不变,从而保证外模式和用户程序也不受影响,这就是 物理数据独立性。两级映像的本质不是”防止变化”,而是把”变化的 冲击范围”精确限制在相邻两层之间,不让它一路传导到最上层的用户 程序。
结构图:
flowchart TD
A[外模式 用户视图<br/>不同用户各自的局部逻辑视图<br/>一个概念模式可对应多个] -->|外模式-模式映像| B[概念模式 全局逻辑结构<br/>数据项/类型/联系/约束<br/>一个数据库唯一一个]
B -->|模式-内模式映像| C[内模式 物理存储结构<br/>顺序/B树/哈希/压缩加密<br/>一个数据库唯一一个]
D[概念模式变化] -.只需修改.-> E[外模式-模式映像]
E -.外模式/用户程序不变.-> F[逻辑数据独立性]
G[内模式变化] -.只需修改.-> H[模式-内模式映像]
H -.概念模式/外模式/用户程序不变.-> I[物理数据独立性]
外模式、模式、内模式把用户视图、逻辑结构和物理存储分开,使应用不必感知底层存储变化。抽象层次越清晰,数据库越能在不破坏上层语义的前提下优化实现。发散:这是很多系统架构分层思想的数据库版本。
物化视图和普通视图都依赖其他表的数据,但存在两处关键差异:查询普通视图通常能拿到最新数据(因为它不存数据,每次查询都是重新执行背后的SQL),而查询物化视图可能读到过期数据;物化视图包含真实的数据、占用与数据量成比例的存储空间,普通视图则几乎不占用磁盘空间。这决定了物化视图的适用场景是”可以接受一定延迟/过期”的数据摘要或快照——比如银行在营业日结束后生成的各分支机构平均余额报表:报表在当天业务结束后才发送,一旦当天的平均值算出来基本不会再变,也不会有人要求在业务结束前看到这份报表;再比如网站在一天不同时段展示的平均/峰值流量报表。使用物化视图存储预计算的聚合结果带来两个直接好处:避免了同一个报表被多次请求时反复重算的开销,以及提供摘要的物化视图相对基础表通常小得多,扫描它比扫描庞大的基础表省下大量成本。物化视图还有一个价值容易被忽视的场景:当数据来自外部数据源(通过外部数据封装器接入的Oracle/MySQL等关系数据库、MongoDB/Redis等NoSQL数据库,或各类文件)时,这类查询的性能本身就没有可预测性——把这些外部表的数据物化成一份本地视图,既能让查询性能变得可预测,也能避免每次访问都重新走一遍跨数据源的数据传输。可迁移启发:判断一个报表/统计需求该用视图还是物化视图,关键看业务能接受多大的数据新鲜度延迟——只要延迟可接受,物化视图几乎总能在响应速度上明显胜出,代价只是需要显式安排刷新时机、并接受它占用额外存储。
视图把复杂查询包装成稳定接口,让上层调用者少依赖底层表结构。发散:视图的价值像 API,一方面隐藏复杂度,另一方面也可能掩盖性能成本,需要配合执行计划审查。
PostgreSQL的”规则系统”(Rule System)更准确的名字是”查询重写系统”:
它不是在数据行的层面拦截操作,而是在SQL语句被真正执行之前,把匹配
到规则的查询整体替换或追加成另一条查询。这个机制最直接、也最容易
让人惊讶的应用就是视图本身——CREATE VIEW myview AS SELECT * FROM
mytab这条语句,在系统内部实际做的事等价于先建一张普通表myview,
再给它挂一条名字必须是_RETURN的特殊SELECT规则,告诉系统”每当有人
对myview发起SELECT,就用SELECT * FROM mytab这条查询整体取代它”。
这不是比喻,而是可以在系统目录里直接验证的事实:给一张普通表手动挂
上一条_RETURN规则后,\d命令查看这张表的定义时,它会直接显示成
“View”——视图和”表+规则”在系统层面是同一回事,只是外部呈现形式不同。
规则系统和触发器经常被拿来比较,因为很多能用触发器做的事,用规则
也能做,选哪个取决于场景:规则在查询规划阶段就把语句重写完,对批量
操作(比如COPY FROM不会触发规则系统、只会触发触发器,这一点本身
就是两者的一个关键差异)而言,往往能生成更好的整体执行计划、效率
更高;触发器则是按行触发执行,概念上直观得多、更容易理解和调试,
但对批量场景缺少规则系统那种”改写成一条查询、整体优化”的效率优势。
这个对比揭示了两种不同的”介入点”哲学:规则在SQL被优化器处理之前
就动手,本质是语句变换;触发器在数据真正被逐行写入的过程中动手,
本质是行级事件响应。
点击箭头逐层展开,点击卡片标题查看详情。路径上下文仅用于连接层级,不计入主题卡片数。
来源书籍
数据库/存储引擎类
书籍类型:工程实践
清单覆盖 5/5
114 张卡片
来源书籍
关系数据库理论与SQL设计类
书籍类型:经典原理
类别清单尚未核对
198 张卡片
来源书籍
数据库/存储引擎类
书籍类型:经典原理
清单覆盖 6/7
80 张卡片
来源书籍
数据库/存储引擎类
书籍类型:工程实践
清单覆盖 5/5
48 张卡片
来源书籍
数据库/存储引擎类
书籍类型:工程实践
清单覆盖 6/7
89 张卡片
与 1 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 1 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 1 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 1 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 1 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 1 张主题卡片存在结构化链接;来自相同书籍;属于相同分类