Databázový systém

Databáze je označení pro různá data či informace, která jsou pečlivě uložena na jistém paměťovém médiu.

Někdy se také lze setkat s termínem datová základna. V ještě širším pojetí je pod slovem databáze myšlen i nástroj, který s daty také pracuje.

Pro okamžitou a efektivní práci a další nutnou manipulaci s uloženými daty je potřeba mít databázový systém, který by měl v nejlepším možném případě běžet na databázovém serveru, výhradně sestaveném a nakonfigurovaném jen pro účely stacionárního provozu databáze.

Jeden z nejpoužívanějších moderních databázových systémů je MySQL.

Za historické předchůdce dnešních elektronických databází jsou považovány papírové kartotéky, u kterých veškerou činnost musel i leckdy zvládnout jen jediný člověk.

Pravidelně aktualizované databáze jsou dnes v 21. století na Internetu nutným předpokladem pro bezproblémový chod všech větších e-shopů. Hlavním smyslem a přínosem databáze je rychlost, spolehlivost, přístupnost a bezpečnost.

Historie zpracování dat

Data jsou údaje získané pozorováním nebo měřením. Lze je rovněž definovat jako obraz vlastnosti zkoumaného (řízeného) objektu, který je vhodně upraven k přenosu či zpracování počítači nebo lidmi. Data jsou tedy odrazem reality a dějů v ní probíhajících. Interpretací těchto dat a vztahů mezi nimi následně získáváme informace. Smyslem zpracování dat je získat potenciální informace. Potenciální informace se stane informací až tehdy, když je využit její informační obsah k určité činnosti (např. k řízení). S rozvojem lidského poznání roste prudce množství informací, které tento proces vyžaduje a také produkuje.

Pro práci s daty začaly vznikat databáze (neboli Datové základny, Báze dat případně Datové sklady), které můžeme definovat jako organizovaný a uložený soubor dat. V návaznosti na předchozí větu je databáze souhrn dat, který odráží vybranou část reálného světa a děje v něm probíhající. Rozsáhlejší systémy pro zpracování dat se pak nazývají informační systémy, které můžeme definovat jako „systémy pro sběr, uchovávání, vyhledávání a zpracovávání dat za účelem poskytování informací“.

Co je databázový systém

Databázový systém je program, který se specializuje na efektivní ukládání, modifikaci a výběru velkého množství dat. Je prostředníkem mezi aplikační vrstvou a uloženými daty.

První databázové systémy se objevily na začátku 60. let minulého století. Tento systém je tvořeny ze dvou důležitých komponent, a to:

databáze
systém řízení báze dat (DBMS podle anglického database management system)

Co by databázový systém měl umět?

Protože databázový systém musí dennodenně pracovat s opravdu početným skupenstvím perzistentních dat, tak na něj jsou kladeny jisté nároky, které by měl pro práci s daty snadno zvládat. Jako např.:

podpora pro definice datového modelu (např. relační nebo logický)
využití některého z jazyků (SQL, QBE atd.) vyšší úrovně pro manipulaci dat
správu transakcí
autentizaci uživatelů a autorizaci operací nad datami
robustnost a zotavitelnost po chybách bez ztráty dat

Mezi takové známé databázové systémy neboli DBMS patří např. MySQL.

MySQL

MySQL (zkratka z anglického My Structured Query Language = Systém pro řízení databáze) je typ jedné z nejpoužívanějších relačních databází na světě. A to díky tomu, že se jedná o volně dostupný Open source (na trhu je i komerční licence) a také velice jednoduchý a rychlý databázový systém.

MySQL umožňuje snadné ukládání dat, jako jsou obrázky či texty a dále s nimi nějakým způsobem pracovat (filtrování, třídění, řazení).

V běžné programátorské praxi se nejčastěji ve spojení s MySQL používá jazyk PHP, který umožňuje přístup ke všem shromážděným datům, a to např. v rámci internetových obchodů neboli e-shopů.

Historie MySQL

MySQL je postaven na principu deklarativního programovacího jazyka SQL (který byl vyvinut v 70. letech minulého století firmou IBM). Na začátku vývoje databázového systému MySQL stála švédská společnost TcX (později přejmenována na MySQL AB). První verze pro operační systém Linux byla uvedena na trh v roce 1995. Pro operační systém Windows byl MySQL přizpůsoben o tři roky později.

Základní pojmy, principy, architektury

Databáze (DB) je uspořádaná množina dat, se kterými můžeme dále pracovat. Správa databáze je realizována prostřednictvím Systému pro správu databáze (Database Management System, DBMS). DB + DMBS tvoří dohromady databázový systém.

Databázové systémy byly vyvinuty kvůli zvládnutí následujících problémů při zpracování souborů v tradičních operačních systémech:

redundance a inkonsistence dat
problémy s přístupy k datům
izolace dat – různé soubory a formáty
problémy s integritou
jedinečnost (atomicita) aktualizací
současný přístup více uživatelů
bezpečnostní problémy

Databázové systémy mají tedy následující vlastnosti:

Struktury datových souborů jsou odděleny od aplikačních (uživatelských) programů.
Přístup k datům je možný jen prostřednictvím programů databázového systému.
Data je možné vyhodnotit jakýmkoliv způsobem.
Je umožněn přístup více uživatelů současně a vyřešena ochrana dat před zneužitím.

Správa databáze zahrnuje prostředky pro popis dat a popis algoritmu.

Jazyk pro definici dat (Data Definition Language, DDL)

definuje sadu příkazů, které lze použít pro vytvoření, úpravu a odstranění objektů (tabulky, pohledy, procedury, funkce) v databázi  CREATE (vytvoření), ALTER (úprava), DROP (odstranění) Jazyk manipulace s daty (Data Manipulation Language, DML)  množina příkazů, které se používají pro výběr, vkládání, úpravu a mazání dat v tabulkách  SELECT, INSERT, UPDATE, DELETE Architektura databázového systému 1. Externí úroveň – reprezentována daty z pohledu uživatele (např. formuláře pro vstup dat, výstupní tiskové sestavy), různí uživatele vidí různě vymezené části databáze, jde o externí schéma 2. Konceptuální úroveň – popisuje data uložená v databázi a vztahy mezi nimi, jde o logické schéma 3. Interní úroveň – popisuje fyzický způsob uložení dat na vnějších paměťových médiích a metody přístupu k datům, jde o fyzické schéma 2 Jiné dělení architektur databázových systémů  centrální architektura – DB i DBMS jsou umístěné v centrálním počítači, komunikaci zprostředkovávají terminály  architektura file-server – DB je umístěna na zvláštním počítači pracujícím jako file-server, DBMS na jednotlivých klientských počítačích  architektura klient-server – DB i DBMS jsou umístěné na datovém serveru, na jednotlivých klientských počítačích běží aplikace, které předávají dotazy na tento datový server  architektura distribuovaných databází – databázová data jsou rozložena v několika počítačích, navenek se tváří jako jediná velká databáze Ukládání a reprezentace dat Typy datových elementů:  celé číslo  reálné číslo  znak  pravdivostní hodnota  bitové pole  datum  čas  výčtový typ  řetězec Databáze je uložena v kolekci souborů. Každý soubor je tvořen posloupností záznamů. Záznam se skládá z jednotlivých atributů (datových elementů), které mají svůj typ buď pevné (většinou) nebo proměnlivé délky. V nejjednodušším případě je délka záznamu pevná, každý soubor má pouze záznamy jednoho typu a každá tabulka má právě jeden soubor. Záznamy (ať už pevné nebo proměnné délky) ukládáme do bloků pevné velikosti. Záznamy můžeme oddělovat mezi sebou a rozdělovat/nerozdělovat do více bloků. Organizace záznamů v souboru  halda – záznam je uložen kdekoli na volné místo v souboru  sekvenční – záznamy jsou v souboru uspořádány podle vyhledávacího atributu  hašování – pro výpočet čísla bloku, kde má být záznam uložen, se používá hašovací funkce (toto číslo je vypočítáno na základě hodnot vybraných atributů)  shlukování – záznamy různých tabulek mohou být uloženy v jednom bloku (některá data jsou vyžadována současně) 3 Zpracování dotazu Postup zpracování a optimalizace dotazu: 1. dotaz 2. strom dotazu 3. logický plán dotazu 4. vylepšený logický plán dotazu 5. logický plán dotazu s velikostmi 6. fyzický plán dotazu 7. vyhodnocení Dotaz se nejprve pomocí parseru převede na syntaktický strom reprezentující strukturu dotazu. Ten se po té zpracuje do výrazů relační algebry (logický plán dotazu). Pomocí transformačních pravidel (kombinace přirozeného spojení, kartézského součinu, sjednocení, selekce a projekce) dále vznikne vylepšený logický plán. Nyní se za pomocí různých statistik (počet záznamů, velikost záznamů v bajtech, počet obsazených bloků, počet unikátních hodnot daného atributu) odhadnou velikosti výsledků, které ovlivňují odhad ceny provedení. Následně se logický plán transformuje na fyzický plán, který určí pořadí operací nutných k vykonání. Porovnají se různé fyzické plány, odhadnou se náklady (velikost výsledků, počet V/V operací) a zvolí se nejlevnější. Nakonec se daný plán provede a tím se získá výsledek. Transakce Transakce je posloupnost operací (DML příkazů), které převedou datové schéma z jednoho konzistentního stavu do druhého (zpřístupňuje a aktualizuje data). Platí o ní, že je ACID:  Atomic (atomičnost) – transakce se celá provede nebo se celá zruší  Consistency (konzistence) – po dokončení transakce je databáze konzistentní  Isolation (izolovanost) – různé transakce o sobě vzájemně nevědí  Durability (trvanlivost) – po ukončení transakce jsou data trvale uložena Více transakcí může být spouštěno současně, může však dojít k uváznutí (deadlocku). Chronologické pořadí provádění instrukcí souběžných transakcí je předem určeno pomocí plánu. Každá transakce může nabývat těchto stavů: aktivní, částečně potvrzená, chybující, zrušená a potvrzená. Pokud byla transakce zrušena, je možné ji znovu spustit (nedošlo-li k logické chybě) nebo zamítnout. Indexování a hašování Indexové mechanizmy se používají pro zrychlení přístupu k požadovaným datům. Na druhou stranu dojde ke zpomalení operací (INSERT, UPDATE) měnících obsah indexovaných sloupců. Vytvořením indexu databázový systém zarezervuje pro požadovaný index určitou část paměťového prostoru a uloží do něj informace o rozmístění hodnot indexovaných sloupců v tabulce. Pokud později dojde k dotazu, který se týká indexovaných sloupců, není tabulka prohledávána podle toho, jak jsou za sebou řádky uloženy, ale pomocí informací uložených v paměťovém prostoru indexu je přistupováno přímo k relevantním řádkům tabulky (něco jako rejstřík v knize). 4 S indexováním souvisí následující pojmy:  vyhledávací klíč – atribut nebo množina atributů používaný pro vyhledávání záznamů v souboru  primární klíč – atribut nebo množina atributů jednoznačně identifikující každý záznam v tabulce  sekvenční soubor – záznamy jsou uspořádány podle vyhledávacího klíče  indexový soubor – skládá se ze záznamů ve tvaru VYHLEDÁVACÍ KLÍČ | UKAZATEL  index-sekvenční soubor – soubor setříděný podle primárního klíče, ke kterému je vytvořena struktura indexů Rozlišujeme dva základní typy indexů:  uspořádané indexy – vyhledávací klíče jsou uspořádané  hašovací indexy – vyhledávací klíče jsou rovnoměrně rozprostřeny po adresovacím prostoru hašovací funkce Indexové soubory mohou mít následující typy indexů:  hustý index – indexové záznamy jsou uloženy pro každou hodnotu vyhledávacího klíče  řídký index – indexové záznamy jsou uloženy pouze pro některé hodnoty vyhledávacího klíče  víceúrovňový index – index, u kterého je každá úroveň, s výjimkou poslední, řídkým primárním indexem úrovně následující B+ stromy Alternativou a zároveň nejpoužívanější indexovou strukturou v databázových systémech jsou B+ stromy. Jedná se o víceúrovňový index ve tvaru vyváženého n-nárního stromu. Jejich výhodou je, že se při vkládání/mazání provádí automatická reorganizace pouze s malými, lokálními změnami, nevýhodou je ale režie a zvýšené prostorové nároky. Hašovací funkce  převede libovolně dlouhý vstup na výstup pevné délky  řeší přístup k záznamům s konstantní složitostí  ideální hašovací funkce je rovnoměrná a náhodná (vztahuje se na rozložení hodnot) Kolize  situace, kdy je pro více záznamů spočítána stejná adresa  obvykle se řeší pomocí bucketů – každé paměťové místo má předepsanou kapacitu záznamů, ve kterém se následně vyhledává lineárně Statické hašování  používá se u souborů, které procházejí jen minimem změn  případné změny mohou negativně ovlivnit efektivitu hašování Dynamické hašování  k výpočtu adresy se používá pouze prvních i bitů z výstupu hašovací funkce (toto i se dynamicky mění)  používá se u souborů s proměnným počtem záznamů  buckety jsou naplněné rovnoměrně 5 Datové modelování Cílem datového modelování je navrhnout kvalitní datovou strukturu pro konkrétní aplikaci a databázový systém, který bude tuto aplikace využívat k uložení dat. Rozeznáváme: 1. Databázový model – definuje neměnné atributy a strukturu dat a slouží pro návrh datové struktury 2. Konceptuální datový model – zobecnění konkrétní implementace datové struktury v relační databázi, lze jej přenášet do různých implementačních prostředí, příkladem je entitně-relační model (ER diagramy) Základními prvky datového modelu jsou entity, atributy a vztahy. Pro jeho vytváření na počítači můžeme využít tzv. CASE nástrojů. Metadata a datové sklady Datový sklad je zvláštní typ relační databáze, která umožňuje řešit úlohy zaměřené převážně na analytické dotazování nad rozsáhlými soubory dat. Jde o centrální úložný prostor, kam jsou ukládána data z různých zdrojů a toto vkládání je logicky organizované. Rozdíly oproti relační databázi:  orientace na subjekt – jasná vnitřní separace funkčních celků, běžná je redundance dat  integrovanost – data z různých zdrojů jsou spojená podle logického významu (nikoliv podle původu)  nízká proměnlivost – data jsou nahrávána zpravidla v dávkách a později nejsou modifikována  historizace – data mohou být uchovávána v různých časových verzích (nikoliv pouze v aktuálním stavu) Technologické charakteristiky:  datový sklad musí obsahovat nástroj pro nahrávání dat z různých datových zdrojů, tyto zdroje mohou mít různé datové formáty a různé fyzické umístění  datový sklad ukládá data s ohledem na co nejlepší a nejrychlejší provádění složitých dotazů – proto je pro uložení dat používána často technologie OLAP (technologie uložení dat v databázi, která umožňuje uspořádat velké objemy dat tak, aby byla data přístupná a srozumitelná uživatelům zabývajícím se analýzou obchodních trendů a výsledků) Data v datovém skladu jsou z logického pohledu členěna do schémat (každé schéma odpovídá jedné analyzované funkční oblasti), jádro každého schématu tvoří jedna nebo několik faktových tabulek (v nich jsou uložena vlastní analyzovaná data) a ty jsou pomocí cizích klíčů spojeny s dimenzemi (tabulky, které obsahují seznamy hodnot sloužících ke kategorizaci a třídění dat ve faktových tabulkách). Všechna data v datovém skladu jsou doplněna o metadata, což jsou data o datech. Popisují tabulky (např. názvy sloupců a datové typy), pohledy, procedury, uživatele nebo jakýkoliv jiný objekt v databázi. Bez metadat by datový sklad nemohl fungovat.

Zdroje: