数据库原理

为什么要用数据库？为什么不都用 Pandas 来搞定？因为几乎所有的公司都用数据库。我们到公司里，会发现公司的数据，大部分是存在数据库里面。它不会给我们很多 csv 文件，而是会给我们一个数据库的账号和密码。

数据库发展了几十年，非常成熟，完全满足商业的需要。

首先，它能够保证数据的完整。即使有一些数据节点崩溃了，数据库也会尽量帮我们恢复。这个特别特别重要，因为我们特别怕数据丢。公司的数据绝对不能丢了。

其次，它基于 SQL，用起来非常方便。SQL 是工作必须掌握的，功能非常强大。数据库允许多个用户并发访问，不会说：因为你正在访问，所以别人就得在后面排队。

作为数据分析师，我们下面简单了解一下数据库的设计。在公司里，一般都有专门的数据库管理员。我们来了解一下她们的工作，这样好和她们打交道。如果大家对数据库感兴趣，可以去 B 站上看专门的数据库设计和管理课程。

数据库的设计包括四个阶段：首先理解用户需求，然后建立实体关系模型，然后把这个实体关系模型落实到表的设计、整个数据库的设计上，最后提供数据访问和分析。

首先看需求工程。一般来说，公司里的数据库会有一个说明文档，解释这个数据库想要满足的需求。我们拿着这个文档，就大概知道这个数据库是为了干啥的。这很重要。否则我们登录上数据库后，看着各种表，摸不到头脑。

这个文档中会记录这些东西：数据库里面存了什么？包括哪些相关的概念？这些概念有些什么属性？属性的类型？对象之间的关系？等等。比如一个关于书的表格，它可能就包括作者、制造商、分销商、出版商等各种概念。

其次是概念建模阶段。在这个阶段，我们建立实体关系模型。数据库中一个重要的概念是“关系”。表格里的每一行就是一个关系。在概念建模阶段，我们要建立的就是概念之间的关系。比如一本书和它的作者的关系，就是作者“写”了这本书的关系。我们建立这样的模型。

然后是逻辑设计和物理设计。物理设计方面，是数据库为了让我们能够迅速地访问，在物理设计上是做过很多优化的。逻辑设计，就是设计表的结构 Schema。因为每个表的一行是一个关系，每一列是一个属性，所以我们可以通过 Schema 指定一个表格的属性，属性的类型，属性内容能不能为空（NULL），属性是不是一个“主键”。主键的内容就必须是唯一的，就像 Pandas 的 Index 一样。

最后就是各种查询和访问的接入了。这主要是通过 SQL 实现的。我们下面就学习这些。