Resumen clave
- Una base de datos es un sistema para el almacenamiento y la gestión organizados de datos. La fiabilidad de las transacciones se basa en ACID: Atomicidad, Consistencia, Aislamiento y Durabilidad.
- Las bases de datos relacionales (SQL) almacenan datos en tablas con un esquema fijo, lo que las hace adecuadas para una fuerte consistencia y consultas complejas.
- NoSQL se divide en tipos clave-valor, archivo, columna y grafo, y es adecuado para esquemas flexibles y escalabilidad horizontal a gran escala.
- Al seleccionar una base de datos, tenga en cuenta tres aspectos: si la estructura de datos es fija, el nivel de exigencia en cuanto a la consistencia y la magnitud de la escala de lectura/escritura; los índices son clave para acelerar las consultas.
Tabla de contenido
Palanca¿Que es una base de datos?
Como sugiere el nombre, una base de datos es un lugar donde se almacenan datos. Entonces, ¿hay alguna forma de desarrollar un sistema de software sin utilizar una base de datos? Si se trata de una página web estática inicial con solo un pequeño texto estático, no hay problema sin una base de datos. Sin embargo, a medida que los sistemas modernos se vuelven cada vez más complejos y las aplicaciones se vuelven más abundantes, debemos utilizar bases de datos para almacenar datos. Por ejemplo: Youtube requiere una base de datos grande y compleja para almacenar diferentes tipos y tamaños de datos.
Por supuesto, las bases de datos también tienen definiciones más precisas. La siguiente es la definición extraída de Oracle:
Una base de datos es una colección organizada de información o datos estructurados, generalmente almacenados electrónicamente en un sistema informático. Las bases de datos suelen estar controladas por un sistema de gestión de bases de datos (DBMS). Los datos y el DBMS junto con sus aplicaciones asociadas se denominan sistema de base de datos, a menudo denominado simplemente base de datos.
Los datos de los tipos más comunes de bases de datos que se ejecutan hoy en día suelen modelarse como filas y columnas en una serie de tablas para aumentar la eficiencia del procesamiento y la consulta de los datos. Luego se puede acceder, gestionar, modificar, actualizar, controlar y organizar fácilmente los datos. La mayoría de las bases de datos utilizan lenguaje de consulta estructurado (SQL) para escribir y consultar datos.
Básicamente, existen dos tipos de bases de datos, a saber: SQL (base de datos relacional) y NoSQL (base de datos no relacional). Creo que muchos lectores han escuchado los nombres de estas bases de datos. Entre ellas, las bases de datos relacionales tienen datos estructurados y bases de datos construidas. sobre un modelo relacional, mostrando datos en tablas de datos de forma directa e intuitiva. Las bases de datos no relacionales son datos no estructurados que son relativamente discretos y están construidos para un modelo de datos específico, y almacenan los datos en una estructura flexible que las aplicaciones modernas pueden ampliar fácilmente. Las bases de datos NoSQL son reconocidas por su facilidad de desarrollo, funcionalidad y rendimiento a escala.
Ventajas de la base de datos
Las bases de datos son muy importantes para todas las empresas y organizaciones, porque almacenan toda la información, como la información de los empleados de una empresa, la información de los clientes, los registros de transacciones, etc.
Básicamente la base de datos tiene las siguientes ventajas:
Gestione Big Data: el uso de repositorios facilita el manejo de grandes cantidades de datos que no es posible con otras herramientas.
Coherencia de los datos: Podemos recuperar los datos correctos en cualquier momento.
Seguridad de los datos: la base de datos garantiza la seguridad de los datos y solo permite que los usuarios autorizados accedan a ellos.
Integridad de los datos: la base de datos garantiza la integridad de los datos mediante el uso de diferentes restricciones sobre los datos.
Disponibilidad del sistema: La base de datos se puede replicar en diferentes servidores (Replicación) y se puede actualizar simultáneamente.
Escalabilidad: La base de datos está particionada (Partition) para gestionar la carga en un solo nodo, mejorando la escalabilidad del sistema.
ÁCIDO
ACID se compone de cuatro palabras, a saber: Atomicidad, Consistencia, Aislamiento y Durabilidad. Estas cuatro características también están escritas por el sistema de gestión de bases de datos (RDBMS) Funciones que son necesarias para garantizar que el proceso sea correcto al importar o actualizar datos.
En el sistema de base de datos, una transacción (Transacción) se refiere a: una lógica completa compuesta por operaciones de la base de datos, por ejemplo: transferencia bancaria, debitar dinero de la cuenta original y agregar dinero a la cuenta de la otra parte. Estos dos La operación de la base de datos. constituye una lógica completa y es inseparable. Dicho proceso también contiene las características de ACID. ¡A continuación, expliquemos brevemente ACID!
Atomicidad
Las transacciones atómicas garantizadas se tratan como unidades indivisibles, lo que significa que todas las operaciones de la transacción deben tener éxito o ninguna de ellas podrá tener éxito. Esto es importante para evitar que se produzcan inconsistencias en los datos.
Consistencia
La coherencia garantiza que todas las actualizaciones de la base de datos sean coherentes, lo que significa que la base de datos debe permanecer en un estado válido, incluso si varias transacciones acceden a los datos al mismo tiempo.
Aislamiento
El aislamiento garantiza que las transacciones se ejecuten de forma independiente entre sí, lo que significa que la operación de una transacción no puede interferir con la operación de otra transacción. Esta característica es muy importante para evitar la corrupción de datos.
Durabilidad
La durabilidad garantiza que una vez enviada una transacción, sus efectos sean permanentes, lo que significa que los cambios realizados por la transacción en la base de datos no se perderán, incluso si hay un corte de energía u otra falla del sistema.
Base de datos relacional
Después de hablar sobre las características de ACID, volvamos a explicar la base de datos. La popularidad y el dominio de las bases de datos relacionales se deben a muchas razones, incluida la simplicidad, la solidez, la flexibilidad, el rendimiento, la escalabilidad y la relativa facilidad para administrar datos comunes.
Una base de datos relacional esencialmente proporciona las propiedades de atomicidad, consistencia, aislamiento y durabilidad (ACID), por lo que es esencialmente una buena propiedad de base de datos. todavía nos recuerdas Aplicación de la abstracción en el diseño de sistemas – Diseño de sistemas 02 Se menciona el concepto de abstracción, y ACID también es un concepto abstracto que simplifica la complejidad de las operaciones de interacción de datos. Por supuesto, las razones por las que las bases de datos relacionales se generalizarán también incluyen: simplicidad, estabilidad, flexibilidad, rendimiento, escalabilidad y compatibilidad.
Algunos DBMS populares son los siguientes:
MySQL, Base de datos Oracle, Microsoft SQL Server, IBM DB2, Postgres, SQLite.
Ejemplo de base de datos relacional
Primero, una base de datos relacional (RDB) construye información en tablas, columnas y columnas. RDB puede establecer asociaciones o relaciones entre información agregando tablas de datos, lo que facilita la comprensión de la relación entre puntos de datos y la obtención de análisis en profundidad.
Las bases de datos relacionadas, desarrolladas originalmente por EF Codd de IBM en la década de 1970, permiten relacionar cualquier tabla de datos con otras tablas de datos utilizando atributos comunes. Puede pensar en una base de datos relacionada como una colección de Excel que puede ayudar a las empresas a establecer asociaciones de datos. Al igual que Excel, cada hoja de cálculo es una tabla de datos que almacena información y está representada por columnas de datos (propiedades) y columnas de datos (registros).
Ejemplo de nube de Google
La tabla de datos "Cliente" contiene información relacionada con el cliente:
ID de cliente (clave principal), nombre del cliente, dirección de facturación, dirección de envío
En la tabla de datos "Cliente", el ID del cliente es un conjunto de claves primarias utilizadas específicamente para identificar a los clientes en la base de datos relacionada. El ID de cliente es diferente para todos los clientes.
La tabla de datos "Pedido" contiene información de la transacción relacionada con el pedido:
ID del pedido (clave principal), ID del cliente (clave principal), fecha del pedido, fecha de envío, estado del pedido
Supongamos que una pequeña empresa utiliza dos tablas de datos para procesar pedidos de productos. Los primeros datos representan la tabla de información del cliente, que registra el número de cliente, el nombre del cliente, la dirección, la dirección de envío, la dirección de facturación, el número de teléfono y otra información de contacto. La clave principal en este momento se puede configurar en el número de cliente, porque estos datos son únicos y no se repetirán.
La segunda tabla representa la tabla de datos del pedido del cliente, que registra la información del pedido del producto, que incluye: número de cliente, número de pedido, productos solicitados, cantidad, tamaño y color. La clave principal en este momento se puede configurar en el número de pedido y no se repetirá. Luego use el número de cliente, que es la clave de índice común, para asociar las dos tablas de datos. Finalmente, cuando la aplicación de procesamiento de pedidos de la empresa envía el pedido a la base de datos, la base de datos puede acceder a la tabla de pedidos del cliente, extraer la información correcta del pedido del producto y utilizar el número de cliente de la tabla para consultar la información de facturación y envío del cliente en el cliente. tabla de información.
¿Por qué elegir una base de datos relacional (SQL)?
Por lo general, si no se especifica el formato de la base de datos, utilizaremos de forma predeterminada una base de datos relacional durante el desarrollo. Entre sus ventajas se encuentra su abstracción de transacciones ACID y programación relacionada. Un concepto tan abstracto también hará que sea muy conveniente para los ingenieros de software utilizar la base de datos. ¡Hablemos de sus ventajas por separado!
Ventajas de las bases de datos relacionales
Flexibilidad: en el contexto de SQL, el nombre completo de Lenguaje de definición de datos (DDL) es (Lenguaje de definición de datos) nos brinda la flexibilidad de modificar la base de datos, incluidas tablas, columnas, cambiar el nombre de las tablas y otros cambios.
Reducir la redundancia: la redundancia de datos se refiere a que los mismos datos o información aparecen varias veces en la base de datos. En un sistema de archivos general, debido a que no hay conexión entre archivos, a veces aparecerá una información en varios archivos. Una de las mayores ventajas de las bases de datos relacionales es la reducción de la redundancia. El propósito de eliminar la redundancia de datos es evitar posibles problemas durante las actualizaciones para mantener la coherencia de los datos.
Concurrencia: la concurrencia es una característica muy importante en situaciones de alta concurrencia, muchos usuarios leerán y escribirán datos en la base de datos al mismo tiempo. Por lo tanto, debemos coordinar estas operaciones para evitar la inconsistencia de los datos. Por ejemplo, si varias personas reservan un boleto de avión al mismo tiempo, se debe evitar la escritura simultánea. La concurrencia en bases de datos relacionales se maneja mediante el acceso transaccional a los datos.
Copia de seguridad y recuperación: la base de datos relacional garantiza que el estado de los datos sea coherente en todo momento. La mayoría de las bases de datos relacionales basadas en la nube realizan una duplicación continua para evitar la pérdida de datos y hacer que el proceso de recuperación sea más fácil y rápido.
Desventajas de las bases de datos relacionales
Desajuste de impedancia
Aquí primero debemos explicar cuidadosamente qué es la discrepancia de impedancia. La falta de coincidencia de impedancia de la base de datos se refiere a un problema común en el desarrollo de software cuando hay una falta de coherencia entre las estructuras de datos y los modelos utilizados por diferentes componentes o sistemas de software.
En las bases de datos, la falta de coincidencia de impedancia se refiere a la diferencia entre el modelo de programación orientada a objetos (OOP) y el modelo relacional utilizado por los sistemas de gestión de bases de datos relacionales (DBMS).
También encontré una imagen aquí para explicar brevemente el significado de la llamada falta de coincidencia. La parte superior de la imagen es la estructura de datos de la memoria, que puede ser un árbol, una matriz, una lista vinculada, un hash, etc. La parte inferior derecha es la leyenda de la base de datos asociativa. Cuando los dos métodos de almacenamiento de datos son inconsistentes, ocurrirán problemas al operar la base de datos. La falta de coincidencia de impedancia (Impedance Mismatch) también es una deficiencia importante de las bases de datos asociativas.
Base de datos no relacional
¿Qué es NOSQL?
No SQL medio No sólo SQL, es una base de datos no relacional, lo que significa que no utiliza el modelo de base de datos relacional tradicional para almacenar datos. Las bases de datos NoSQL suelen utilizar modelos de datos más flexibles y extensibles, como pares clave-valor, archivos, gráficos o tablas amplias.
Tipos de bases de datos NoSQL
Base de datos de valores clave
Las bases de datos clave-valor utilizan métodos clave-valor, como tablas hash, para almacenar datos en forma de pares clave-valor. La clave actúa como clave principal y el valor puede ser cualquier cosa, desde un simple valor escalar hasta un objeto complejo. Las bases de datos de valores clave comunes incluyen: Amazon DynamoDB, Redis y Memcached DB.
Escenarios de uso:
- Almacenamiento en caché: las bases de datos de valores clave se utilizan a menudo como cachés para proporcionar acceso rápido a los datos utilizados con frecuencia. Por ejemplo, una aplicación web puede utilizar una base de datos de valores clave para almacenar en caché el contenido de la página.
- Datos de sesión: se puede utilizar una base de datos de valores clave para almacenar datos de sesión, como información de inicio de sesión del usuario y contenido del carrito de compras.
- Datos de configuración: las bases de datos de valores clave se pueden utilizar para almacenar datos de configuración, como la configuración de la aplicación y los parámetros del sistema.
- Contadores: las bases de datos de valores clave se pueden utilizar para almacenar contadores, como estadísticas de tráfico del sitio web.
Base de datos de documentos
Los documentos en XML, JSON, BSON y otros formatos son formas de almacenamiento en bases de datos de archivos. Estos archivos están compuestos de estructuras de datos especiales, que pueden incluir mapas y colecciones. Las bases de datos de archivos comunes incluyen: MongoDB y Firestore.
Escenarios de uso:
- Sistema de gestión de contenido (CMS): un CMS utiliza una base de datos de documentos para almacenar contenido como artículos, páginas y archivos multimedia.
- Sitios web de comercio electrónico: los sitios web de comercio electrónico utilizan bases de datos de archivos para almacenar información de productos, información de clientes e información de pedidos.
- Aplicaciones de redes sociales: las aplicaciones de redes sociales utilizan bases de datos de documentos para almacenar datos, publicaciones y comentarios de los usuarios.
- Registros de aplicaciones: los registros de aplicaciones utilizan una base de datos de archivos para almacenar datos de registro de aplicaciones.
- Dispositivos de Internet de las cosas (IoT): los dispositivos de Internet de las cosas (IoT) utilizan bases de datos de archivos para almacenar datos de sensores y el estado del dispositivo.
Base de datos de gráficos
Las bases de datos de gráficos utilizan gráficos para almacenar datos. Los gráficos se componen de nodos y bordes. Los nodos representan entidades y los bordes representan relaciones entre entidades. Las bases de datos de gráficos comunes incluyen: OrientDB e InfiniteGraph.
Escenarios de uso:
- Análisis de redes sociales: el análisis de redes sociales utiliza bibliotecas de gráficos para analizar las relaciones en las redes sociales, como aquellas entre amigos, familiares y colegas.
- Sistemas de recomendación: los sistemas de recomendación utilizan bases de datos gráficas para recomendar productos o servicios a los usuarios en función de sus intereses y relaciones con otros usuarios.
- Detección de fraude: la detección de fraude utiliza bases de datos gráficas para detectar comportamientos fraudulentos, como la identificación de transacciones asociadas con estafadores conocidos.
- Gráfico de conocimiento: el gráfico de conocimiento utiliza una base de datos de gráficos para almacenar y consultar conocimientos sobre el mundo real, como entidades, conceptos y las relaciones entre ellos.
- Gestión de la cadena de suministro: la gestión de la cadena de suministro utiliza bibliotecas de gráficos para gestionar las relaciones en una cadena de suministro, como aquellas entre proveedores, fabricantes y minoristas.
Base de datos en columnas
Base de datos en columnas Es una base de datos que almacena datos en columnas en lugar de filas. A diferencia de las bases de datos relacionales tradicionales, que almacenan datos en filas, las bases de datos en columnas pueden comprimir datos de manera efectiva porque pueden almacenar grandes cantidades de valores idénticos. Las bases de datos en columnas comunes incluyen: HBase, Hypertable y Amazon Redshift.
Escenarios de uso:
- Computación científica: La computación científica utiliza bases de datos en columnas para analizar datos científicos.
- Análisis financiero: el análisis financiero utiliza bases de datos en columnas para analizar datos financieros.
- Advertising Analytics: Advertising Analytics utiliza una base de datos en columnas para analizar el rendimiento de las campañas publicitarias.
Ventajas de la base de datos NoSQL
Diseño simple: a diferencia de las bases de datos relacionales, NoSQL no necesita lidiar con desajustes de impedancia, como almacenar todos los datos de los empleados en un solo archivo en lugar de varias tablas que requieren operaciones de unión. Esta estrategia hace que escribir menos código, depurar y mantener sea más simple y fácil.
Escalado horizontal: en primer lugar, se prefiere NoSQL debido a su capacidad para ejecutar bases de datos en clústeres grandes. Las bases de datos NoSQL normalmente distribuyen datos entre varios nodos y equilibran automáticamente los datos y las consultas entre los nodos.
Disponibilidad: para mejorar la disponibilidad de los datos, el reemplazo de nodos se puede realizar sin ningún tiempo de inactividad para la aplicación. La mayoría de las variantes de bases de datos no relacionales admiten la replicación de datos para garantizar una alta disponibilidad y recuperación ante desastres.
Bajo costo: La licencia de muchos RDBMS es muy costosa, mientras que muchas bases de datos NoSQL son de código abierto y están disponibles de forma gratuita. Del mismo modo, algunos RDBMS dependen de costosos sistemas de almacenamiento y hardware propietarios, mientras que las bases de datos NoSQL a menudo utilizan grupos de servidores básicos de bajo costo.
Desventajas de la base de datos NoSQL
Falta de estandarización: NoSQL no se adhiere a ningún estándar específico. Por ejemplo, es difícil convertir aplicaciones de un tipo de base de datos NoSQL a otro.
Consistencia: cuando falla una base de datos NoSQL, se deben considerar la coherencia y la disponibilidad, y las bases de datos no relacionales no tendrán una buena integridad de los datos y los datos no serán muy consistentes.
Complejidad:El modelo y la interfaz de las bases de datos NoSQL pueden ser más complejos que los de las bases de datos relacionales. Existen varios tipos de bases de datos no relacionales, pero las interfaces de las bases de datos relacionales no son muy diferentes.
¿Cómo elegir entre bases de datos relacionales y no relacionales?
Muchos factores influirán en la elección y la siguiente tabla compara las bases de datos relacionales y no relacionales:
| base de datos relacional | base de datos no relacional |
|---|---|
| Estructurado: los datos se almacenan en tablas, y cada tabla consta de filas y columnas. Las filas representan registros de datos y las columnas representan atributos de datos. Los datos deben ajustarse a un formato predefinido. | Flexible: puede almacenar datos en varios formatos, incluidos JSON, BSON y gráficos. La estructura de datos puede ser estructurada, semiestructurada o no estructurada. |
| Adecuado para OLTP (procesamiento de transacciones en línea): bueno para manejar operaciones frecuentes de lectura y escritura, como pedidos, transacciones e inicios de sesión. | Adecuado para OLAP (procesamiento analítico en línea): bueno para manejar consultas y análisis complejos, como tendencias de ventas, comportamiento del cliente y análisis de mercado. |
| Más difícil de escalar: a medida que aumenta el volumen de datos, el rendimiento puede degradarse. Es necesario agregar más servidores para manejar más datos. | Fácil de escalar: se pueden procesar más datos agregando más nodos sin cuellos de botella en el rendimiento. |
| ACID garantiza: atomicidad, consistencia, aislamiento y durabilidad. Los datos siempre son consistentes, incluso cuando varios usuarios acceden a ellos simultáneamente. | Es posible que no haya garantías ACID: los datos pueden ser inconsistentes en ciertas situaciones, como cuando los datos se replican entre múltiples nodos. |
| Los modelos e interfaces pueden ser más complejos: se requiere conocimiento de lenguajes de consulta como SQL. | Los modelos y las interfaces son generalmente más simples: fáciles de usar y comprender. |
| Tecnología madura: existe desde hace décadas y cuenta con amplio soporte y herramientas. | Tecnología más nueva: aún en desarrollo y es posible que carezca de herramientas y soporte maduros. |
Artículos relacionados
Explicación del equilibrador de carga: diseño del sistema 07
¿Qué es DNS? Introducción al sistema de nombres de dominio – Diseño del sistema 06
Introducción al bloque de construcción de componentes de diseño de sistemas: diseño de sistemas 05
Cálculo del reverso del sobre: diseño del sistema 04
Características no funcionales del diseño de software – Diseño de sistemas 03
Aplicación de la abstracción en el diseño de sistemas – Diseño de sistemas 02
Introducción al diseño de sistemas modernos – Diseño de sistemas 01
Cita
¿Qué es una base de datos relacional?
Discrepancia de impedancia al mapear desde una base de datos relacional
¿Qué es un índice de base de datos? ¿Por qué acelera las consultas?
La sección anterior trataba sobre "dónde se almacenan los datos", y esta sección trata sobre "cómo se encuentran los datos".ÍndiceEs uno de los mecanismos más comunes y que con mayor facilidad se utilizan de forma incorrecta en los problemas de rendimiento de las bases de datos.
Sin un índice, una base de datos solo puede buscar un registro específico escaneando desde la primera columna hasta la última. Esto se denomina... Escaneo completo de la mesaCuando el volumen de datos ronda los 100 registros, la diferencia no es perceptible, pero con 10 millones de registros, la misma instrucción SQL podría tardar varios segundos en ejecutarse.
El índice se crea de la misma manera que la página del índice al final del libro: primero, se ordenan los valores de una columna determinada, se guarda una copia y se recuerda a qué posición de los datos originales corresponde cada valor. Al realizar una consulta, primero se utiliza la búsqueda binaria en esta estructura ordenada para localizar el valor y, a continuación, se accede a la columna de datos correspondiente. La complejidad de la consulta se reduce de O(n) a O(log n).
La mayoría de las bases de datos relacionales implementan los índices de la siguiente manera: Árbol B+Los nodos tienen una gran ramificación, el árbol es muy corto (solo unos 3-4 niveles para diez millones de puntos de datos) y los nodos hoja están vinculados entre sí por indicadores, por lo que las consultas de rango (Donde la edad esté entre 20 y 30 años.También se puede acceder a ellos rápidamente. Los índices hash son más rápidos para consultas de un solo valor, pero no admiten consultas de rango ni ordenación.
Los índices no son gratuitos.
Este es un punto que los principiantes suelen pasar por alto. La indexación tiene tres costos:
- Velocidad de escritura más lentaCada operación de INSERCIÓN, ACTUALIZACIÓN o ELIMINACIÓN no solo modifica los datos en sí, sino que también requiere que la base de datos mantenga todos los índices relacionados. Cuantos más índices se creen, más lento será el proceso de escritura.
- Espacio ocupadoUn índice es una copia adicional de la estructura almacenada; el índice de una tabla grande puede ser tan grande como los propios datos.
- No se puede utilizarSi las condiciones de la consulta han realizado operaciones en los campos (
DONDE AÑO(creado_en) = 2026Los índices suelen volverse ineficaces porque almacenan el valor original, no el resultado de la operación.
Índice compuesto y prefijo más a la izquierda
Un índice creado a través de varias columnas se denomina índice.Índice compuesto,Por ejemplo (país, ciudad, edad)Cumple conprincipio del prefijo más a la izquierdaPuede acelerar país,país + ciudad,país + ciudad + edad La consulta, peroCompruébelo por separado ciudad No es necesarioPor lo tanto, el orden de las columnas de un índice compuesto debe organizarse de acuerdo con los hábitos de consulta reales, no de forma arbitraria.
Para determinar si una consulta utiliza un índice, utilice... EXPLICAR(Se admiten tanto MySQL como PostgreSQL) Compruebe el plan de ejecución; debería mostrar... Escaneo secuencial o tipo: TODOS Esto significa que se está realizando un escaneo completo de la tabla.
Formalización y desnormalización: ¿Con qué nivel de detalle deben analizarse los datos?
NormalizaciónEste es un método de diseño que separa los datos duplicados en tablas independientes y los vincula mediante claves foráneas. El objetivo es eliminar...Error de actualizaciónSi la dirección de un cliente existe en los 500 registros de la tabla de pedidos, cambiar la dirección una sola vez requerirá cambiar los 500 registros; la falta de incluso un solo registro provocará inconsistencias.
En la práctica, la mayoría de los sistemas lo consiguen.Tercera Normalización (3NF)Eso es suficiente: cada campo solo describe la clave primaria, no otros campos que no sean clave primaria. Las formas BCNF y 4NF de nivel superior rara vez son necesarias en las aplicaciones empresariales típicas.
DesnormalizaciónCopiar los datos de vuelta es una práctica deliberada, que sacrifica la consistencia en aras de la velocidad de consulta. Por ejemplo, la tabla de artículos se almacena directamente como una sola copia. número_de_comentarios En lugar de revisar la lista de mensajes cada vez, tendrás que crear una columna. La desventaja es que serás responsable de actualizar el número de mensajes cada vez que se añadan o eliminen.
El principio de juicio es muy simple:Los sistemas con más escrituras y menos lecturas tienden a estar más regularizados, mientras que los sistemas con más lecturas y menos escrituras pueden estar desregularizados.Además, la desnormalización debería ser una decisión que se tome después de alcanzar un cuello de botella en la eficiencia, no algo que se haga desde el principio.
Cuatro tipos de UNIÓN
La formalización descompone los datos; JOIN los vuelve a unir. Cuatro tipos básicos:
- UNIÓN INTERNA: Solo devuelve las columnas de datos que están presentes en ambos lados. Es la más utilizada.
- UNIÓN IZQUIERDALa tabla de la izquierda contiene todas las entradas, y la tabla de la derecha contiene NULL si no hay ninguna entrada correspondiente. "Listar todos los usuarios y sus pedidos (incluidos los que no han realizado ningún pedido)" es esto.
- UNIÓN DERECHAPor el contrario, esto es menos común en la práctica porque invertir el orden de las tablas y escribir un LEFT JOIN es más fácil de leer.
- UNIÓN EXTERNA COMPLETAConserva ambos lados. MySQL no admite esto; necesitas usar UNION para simularlo.
En términos de eficiencia, cabe destacar lo siguiente:La falta de índices en las columnas JOIN es la causa más común de consultas lentas..además UNIÓN IZQUIERDA Luego usa DÓNDE Filtrar las columnas de la tabla de la derecha equivale a devolverla a su estado original. UNIÓN INTERNA—Los criterios de filtrado deben estar escritos en EN Solo entonces se conservarán las columnas de datos de la tabla izquierda.
Niveles de segregación de transacciones: ¿Cómo funciona realmente la "I" de ACID?
Al presentar ACID, mencionamos el aislamiento, pero en la práctica, el aislamiento no es una cuestión de "tener" o "no tener", sino más bien...La elección entre los cuatro nivelesLos niveles superiores ofrecen mayor seguridad, pero también un menor rendimiento en paralelo.
- Leer Sin compromisoLeerá los datos de otras transacciones que aún no se hayan enviado.lectura suciaCasi nadie lo usa.
- Leer comprometido: Solo se leen los datos enviados, pero los mismos datos pueden leerse de forma diferente dos veces dentro de la misma transacción.Lectura no repetible). Valores predeterminados de PostgreSQL.
- Lectura repetibleLas lecturas repetidas dentro de la misma transacción producen resultados consistentes, pero las consultas de rango pueden generar columnas de datos adicionales.Lectura fantasmaLos valores predeterminados para MySQL InnoDB.
- SerializableEsto equivale exactamente a ejecutar transacciones una tras otra. Es el método más seguro, pero también el más lento.
La mayoría de las aplicaciones pueden usar valores preestablecidos. Los escenarios que realmente requieren una gran coherencia (como la deducción de inventario o la transferencia de fondos) suelen usar bloqueos explícitos.SELECCIONAR ... PARA ACTUALIZAREn lugar de hacer que todo el sistema sea serializable, encárgate de esa pequeña parte de la lógica.
Teorema CAP: Por qué las bases de datos distribuidas deben realizar selecciones
Cuando la base de datos se expanda de una máquina a varias máquinas, se encontrará con... Teorema CAPLa consistencia, la disponibilidad y la tolerancia a las particiones son los tres aspectos clave.Como máximo, se pueden satisfacer dos al mismo tiempo..
La partición de red es algo que inevitablemente ocurrirá en la realidad (interrupciones de red, fallos de máquinas), por lo que P no es una opción, sino un requisito previo. La verdadera decisión se toma cuando se produce la partición:
- Elija CPEsto se refiere a un sistema que se niega a prestar servicio y no devuelve datos potencialmente obsoletos. Los sistemas de transacciones financieras y de inventario entran en esta categoría.
- Seleccione APPrimero, suba los datos que tenga disponibles y, a continuación, sincronícelos una vez que se haya restablecido la red.Consistencia eventualLa actividad de la comunidad y las visitas a las páginas de productos entran en esta categoría.
Esto también explica por qué a menudo se dice que NoSQL "sacrifica la consistencia en aras de la escalabilidad": la mayoría de ellos han optado por AP.
Cómo elegir una base de datos convencional
| base de datos | tipo | Más adecuado | Prestar atención |
|---|---|---|---|
| PostgreSQL | Asociación | La mayoría de las aplicaciones tienen configuraciones predeterminadas; admiten consultas complejas, campos JSON y datos geográficos. | La configuración predeterminada es demasiado conservadora; es necesario ajustar los parámetros antes de su puesta en marcha. |
| MySQL | Asociación | Aplicaciones web con mucha lectura y poca escritura; el ecosistema y los servicios de alojamiento más maduros. | El optimizador para consultas complejas es menos potente que el de PostgreSQL. |
| MongoDB | Tipo de documento | Datos y archivos anidados cuya estructura aún está cambiando. | Las transacciones entre archivos son costosas; no las utilice como transacciones relacionales. |
| Redis | tipo de valor clave | Caché, clasificación, sesión, limitación de velocidad | Los datos almacenados en la memoria deben planificarse teniendo en cuenta su persistencia y capacidad. |
| Búsqueda elástica | motores de búsqueda | Búsqueda de texto completo y análisis de registros | No debería ser la base de datos principal; son datos derivados. |
Consejos prácticos para la selección de productos:Elegir PostgreSQL sin una razón claraPuede gestionar la mayoría de los escenarios, incluidos los requisitos JSON que podrías considerar necesarios para NoSQL. En lugar de dividir la arquitectura en cuatro bases de datos desde el principio, espera a que se produzca un cuello de botella real antes de añadir el almacenamiento en caché de Redis o la búsqueda de Elasticsearch para solucionarlo.
Preguntas frecuentes sobre bases de datos
P: ¿Cuál es la diferencia entre una base de datos y un almacén de datos?
Las bases de datos gestionan transacciones en línea (OLTP), es decir, un gran número de pequeñas lecturas y escrituras que requieren baja latencia. Los almacenes de datos gestionan consultas analíticas (OLAP), es decir, un número reducido de consultas que analizan una amplia gama de datos y requieren un alto rendimiento. Sus formatos de almacenamiento y estrategias de indexación son completamente diferentes.
P: ¿Cuándo se debe realizar la fragmentación de la base de datos y el particionamiento de tablas?
Mucho más tarde de lo que piensas. Es común que una sola instancia de PostgreSQL gestione decenas de millones de registros. Primero, asegúrate de que los índices, las consultas y el almacenamiento en caché funcionen correctamente, y confirma que el cuello de botella reside realmente en la capacidad de la única máquina, antes de considerar la fragmentación (sharding), ya que esta aumentará la complejidad de las operaciones JOIN, las transacciones y el mantenimiento.
P: ¿Qué problemas puede solucionar la replicación maestro-esclavo?
Esto aborda el volumen de lectura y la tolerancia a fallos, pero no el volumen de escritura. Todas las escrituras permanecen concentradas en la base de datos principal; las bases de datos secundarias simplemente distribuyen las lecturas y toman el control cuando la base de datos principal falla. Además, las bases de datos secundarias tienen…Retraso de copiaSi intentas leer la base de datos inmediatamente después de escribir el código, es posible que no esté disponible.
P: ¿La gestión de reconocimiento de órdenes (ORM) reducirá el rendimiento?
Los ORM en sí mismos no son lentos, pero son fáciles de escribir. Consulta N+1— Recuperar 100 pedidos, luego enviar una consulta para recuperar la información del cliente para cada pedido, lo que resulta en un total de 101 viajes de ida y vuelta. La solución es usar carga anticipada (…).UNIRSE o EN (Recuperación única). Durante el desarrollo, active el registro SQL; si ve la misma consulta repetida cientos de veces, entonces ha dado en el clavo.
📚 Lectura adicional
¿Interesado en la lógica de los algoritmos? Te recomiendo leer en profundidad:El poder detrás de la programación: ¿Qué tan importante es la lógica? 3 formas de mejorar tu lógica — El artículo con el mayor tiempo de permanencia de los lectores en todo el sitio (un promedio de 13 minutos y 22 segundos), que analiza en profundidad el pensamiento lógico esencial para la programación.
Guía de la serie sobre diseño de sistemas
Esta serie consta de 12 artículos, que abarcan desde conceptos básicos hasta el diseño práctico de componentes. Se recomienda leerlos en orden:
- Introducción al diseño de sistemas modernos – Diseño de sistemas 01
- Aplicación de la abstracción en el diseño de sistemas – Diseño de sistemas 02
- Características no funcionales del diseño de software – Diseño de sistemas 03
- Cálculo del reverso del sobre: diseño del sistema 04
- Introducción al bloque de construcción de componentes de diseño de sistemas: diseño de sistemas 05
- ¿Qué es DNS? Introducción al sistema de nombres de dominio – Diseño del sistema 06
- Explicación del equilibrador de carga: diseño del sistema 07
- Introducción a los conceptos básicos de bases de datos: diseño de sistemas 08(Este artículo)
- ¿Cómo optimiza la replicación de datos la base de datos? - Diseño del sistema 09
- Partición de datos ¿Qué es la partición de datos? – Diseño del sistema 10
- Explicación del almacenamiento de datos de valores clave del almacén de valores clave: diseño del sistema 11
- Concepto y diseño básico de CDN – Diseño de sistemas 12
📘 ¿Quieres ver la ruta de aprendizaje completa? Por favor, consulta Guía completa de diseño de sistemas: 12 artículos que te llevarán desde los conceptos hasta los componentes prácticos..
Lectura adicional: Primero, reduzca el número de consultas a la base de datos.
Una vez que la optimización de la base de datos ha alcanzado cierto nivel, el siguiente paso es garantizar que las solicitudes ni siquiera lleguen a la base de datos.Análisis completo de estrategias de caché (Diseño del sistema 13) Este documento resume cinco modos de lectura/escritura, desde Cache-Aside hasta Write-Behind, cómo medir la tasa de aciertos y las ventajas y desventajas de la consistencia de la caché y la base de datos.
