Vad är en databas? Definition, databasmotorer och modeller

Databassystem används bland annat för följande ändamål:

• De lagrar data och ger möjligheter (verktyg) att söka efter specifika poster i en viss uppsättning data.
• De lagrar särskild information som används för att hantera data. Denna information kallas metadata och visas inte för alla som tittar på uppgifterna.
• De kan lösa fall där många användare vill komma åt (och eventuellt ändra) samma uppgifter.
• De hanterar åtkomsträttigheter (vem får se uppgifterna, vem kan ändra dem).
• När många användare ställer frågor till databasen måste frågorna besvaras snabbare. På så sätt kan den sista personen som ställer en fråga få ett svar inom rimlig tid.
• Vissa attribut är viktigare än andra och kan användas för att hitta andra uppgifter. Detta kallas indexering. Ett index innehåller alla viktiga uppgifter och kan användas för att hitta andra uppgifter.
• De säkerställer att uppgifterna alltid har ett sammanhang. Det finns många olika regler som kan läggas till för att tala om för databassystemet om uppgifterna är meningsfulla. En av reglerna kan vara att november har 30 dagar. Detta innebär att om någon vill ange den 31 november som datum kommer denna ändring att avvisas.

I databaser ändras vissa uppgifter ibland. Det kan uppstå problem när data ändras, till exempel kan ett fel ha uppstått. Felet kan göra uppgifterna oanvändbara. Databassystemet tittar på uppgifterna för att se till att de uppfyller vissa krav. Det gör det genom att använda en transaktion. Det finns två tidpunkter i databasen, tiden innan uppgifterna ändrades och tiden efter att uppgifterna ändrades. Om något går fel när data ändras sätter databassystemet helt enkelt tillbaka databasen till det tillstånd som rådde innan ändringen skedde. Detta kallas för en rollback. När alla ändringar har gjorts framgångsrikt bekräftas de. Detta innebär att uppgifterna blir meningsfulla igen; bekräftade ändringar kan inte längre göras ogjorda.

För att kunna göra detta följer databaser ACID-principen:

• Alla. Antingen är alla uppgifter i en given uppsättning (en transaktion) utförda eller så är ingen av dem utförd. Detta är känt som atomicitet.
• Komplett. Uppgifterna i databasen är alltid begripliga. Det finns inga halvfärdiga (ogiltiga) uppgifter. Detta kallas konsistens.
• Oberoende. Om många personer arbetar med samma data kommer de inte att se (eller påverka) varandra. Var och en av dem har sin egen vy av databasen, som är oberoende av de andra. Detta kallas isolering.
• Uppfyllt. Transaktioner måste bekräftas när de är klara. När de väl är bekräftade kan de inte göras ogjorda. Detta kallas för hållbarhet.

Det finns olika sätt att representera data.

• Enkla filer (så kallade plattfiler): Detta är den enklaste formen av databassystem. Alla data lagras i en fil i klartext. Varje del av informationen kan separeras med en ny rad eller ett kommatecken osv.
• Hierarkisk modell: Uppgifterna är organiserade som en trädstruktur. De intressanta uppgifterna finns i trädets blad. Relationerna mellan dataposterna är sådana att vissa poster är direkt beroende av andra poster.
• Nätverksmodell: Använd poster och uppsättningar för att lagra data. Liknar den hierarkiska modellen, men har en mycket mer komplex struktur.
• Relationell modell: Den använder mängdteori och predikatlogik. Den används ofta. Data ser ut att vara organiserade i tabeller. Dessa tabeller kan sedan fogas samman så att enkla frågor kan väljas från dem.
• Objektorienterad modell: Data representeras i form av objekt som används i objektorienterad programmering. De kan interagera direkt med det OOP-språk som används, eftersom båda har samma representation av data internt.
• Objektrelationell modell: Detta är en blandning av den objektorienterade modellen och den relationella modellen.
• NoSQL-modell: Detta är en ny typ av databasmodell som används alltmer inom industrin för stora data och webbtillämpningar i realtid. Data i denna modell lagras som nyckel-värdepar utan någon strikt hierarki som i andra modeller. NoSQL-system kallas också för "Not only SQL" eftersom de inte tillåter att strukturerade frågespråk liknande frågespråk används.

Precis som i verkligheten kan samma data betraktas ur olika perspektiv och organiseras på olika sätt. Det finns olika saker att ta hänsyn till när man organiserar data:

• Varje uppgift ska lagras så få gånger som möjligt. Tänk dig att en ogift kvinna finns i länsregistret, i delstatens motorfordonsregister, i det federala socialförsäkringsregistret och i det internationella passregistret. Om hon gifter sig och bestämmer sig för att byta namn måste alla dessa avdelningar underrättas. Om alla avdelningar är kopplade och hennes namn lagras på ett enda ställe är det enkelt att uppdatera.
• Om uppgifterna lagras i flera olika databaser kan de motsäga varandra.
• Detta problem gör att det går långsammare att hitta data. Om det finns mycket data tar detta problem med att lagra en data på många olika ställen mycket utrymme i anspråk. I vårt exempel fanns det fyra databaser för en person. Det blir åtta ändringar om en andra person har exakt samma problem.
• Om du har det här problemet har en metod som kallas databasnormalisering utvecklats för att lösa det. För närvarande finns det sex normalformer. Dessa är sätt att göra vissa databaser snabbare och få data att ta mindre plats.

• Arkiv