實現一個微型資料庫

標籤：資料庫

自己寫一個簡單的資料庫，原理大概有以下幾點：

一、資料以文本形式儲存

將所要儲存的資料寫入文字檔，這個文字檔就是資料庫。

為了方便讀取，資料必須分為記錄，每一條記錄的長度規定為等長。

舉例：假定每條記錄的長度是800位元組，那麼第5條記錄的開始位置就在3200位元組。

大多數的時候我們不知道某一條記錄在第幾個位置，只知道主鍵的值。這時為了讀取資料，可以一條條比對記錄。但是這樣做的效率太低。實際應用中，資料庫往往採用B樹格式儲存資料。

 

二、關於B樹

要理解B樹先需要理解二叉尋找樹

說二叉尋找樹是一種尋找效率非常高的資料結構，它有三個特點：

(1)每個節點最多隻有兩個子樹。

(2)左子樹都為小於父節點的值，右子樹都為大於父節點的值。

(3)在n個節點中找到目標值，一般只需要log(n)次比較。

 

二叉尋找樹的結構不適合資料庫，因為他的尋找效率與層數有關。越處在下層的資料，就需要越多次的比較。極端的情況下，n個資料需要n次比較才能找到目標值。對於資料庫來說，每進入一層，就要從硬碟讀取一次資料，這非常致命，因為硬碟的讀取時間遠遠大於資料處理時間，資料庫讀取硬碟的次數越少越好。

 

B樹是對二叉尋找樹的改進。它的設計思想是，將相關資料盡量集中在一起，以便一次讀取多個資料，減少硬碟操作次數。

B樹的特點：

(1)一個節點可以容納多個值。

(2)除非資料已經填滿，否則不會增加新的層，也就是說，B樹追求“層”越少越好。

(3)子節點的值，與父節點中的值有嚴格的大小對應關係。一般來說，如果父節點有a個值，那麼就有a+1個子節點。比如中，父節點有兩個值(7和16),就應對應三個子節點，第一個子節點都是小於7的值，最後一個子節點都是大於16的值，中間的子節點就是7和16之間的值。

 

這種資料結構非常有利於減少讀取硬碟的次數。假定一個節點可以容納100個值，那麼3層的B樹可以容納100萬個資料，如果換成二叉尋找樹，則需要20層。假定作業系統一次讀取一個節點，並且根節點保留在記憶體中，那麼B樹在100萬個資料中尋找目標值，只需要讀取兩次硬碟。

 

三、索引

資料庫以B樹格式儲存，只解決了按照“主鍵”尋找資料的問題。如果想尋找其他欄位，就需要建立檢索(index)。

所謂索引，就是以某個欄位為關鍵字的B樹檔案，假定一張“僱員表”，包含了員工號(主鍵)和姓名兩個欄位，可以對姓名建立索引檔案，該檔案以B樹格式對姓名進行儲存，每個姓名後面是其在資料庫中的位置(即第幾條記錄)。尋找姓名的時候，先從索引中找到對應的第幾條記錄，然後再從表格中讀取。這種索引尋找方法，叫做“索引順序存取方法”，縮寫為ISAM。它已經有多種實現，只要使用這些程式碼程式庫，就能自己寫一個最簡單的資料庫。

 

四、進階功能

部署了最基本的資料存取(包括索引)以後，還可以實現一些進階功能。

(1)SQL語言是資料庫通用操作語言，所以需要一個SQL解析器，將SQL命令解析為對應的ISAM操作。

(2)資料庫連接(join)是指資料庫的兩張表通過“外鍵”，建立串連關係。你需要對這種操作進行最佳化。

(3)資料庫事務(transaction)是指批量進行一系列資料庫操作，只要有一步不成功，整個操作都不成功。所以需要有一個“動作記錄”，以便失敗時對操作進行復原。

(4)備份機制：儲存資料庫的副本。

(5)遠程操作：使得使用者可以在不同的機器上，通過TCP/IP協議操作資料庫。

 

 

部分內容來自點擊開啟連結，後續依然會不斷更新完善。

 

 

 

實現一個微型資料庫