一、三个阶段：每一代都在补上一代的窟窿

教材把数据管理分成三个阶段，这个分法不是背年份用的，是看「谁在管数据」。 第一阶段：人工管理。数据跟着程序走，程序里写死一堆变量，换个程序就得重抄一遍。 数据不独立、不共享、不保存。 第二阶段：文件系统。操作系统提供了文件，数据可以存成 .txt、.csv、.dat，程序从文件里读。 比上一代强的是「数据能留下来了」。 但文件系统只解决了「存」，没解决「管」。几个程序各存各的，同一份客户名单出现在三个文件里， 改一处、忘两处，数据就开始互相打脸。 第三阶段：数据库系统。数据从「程序附属品」变成「独立的、有结构的、统一管理的资源」。 这一代补的窟窿就三个字：一致性。 三代的分界线可以压成一句话： 人工管理是「数据跟着程序走」，文件系统是「数据能存下来但各存各的」，数据库是「数据集中管、 谁用谁来取」。

二、数据库系统的五件套

教材给的组成是五部分，少一件都跑不起来，一件件对。

第一、二件最容易混：数据库是「数据」，数据库管理系统是「软件」。 平时说「装个数据库」，装的其实是管理系统，库是它建出来的。 第四件「人」经常被忽略。 一台没人管的 MySQL 不是数据库系统，只是一个跑着的进程。 第五件「规程」更虚，但它决定这套东西能不能活过一年。 没有备份制度的库，出一次故障就归零； 没有命名规范的库，三个月后没人认得那些表是干什么的。

三、冗余、一致性、完整性：三个词先分清

这三个词在后面的每一章都会出现，先在这儿定死。 冗余：同一份事实存了多份。 它本身不是错——为了查询快，故意冗余是常规操作。错的是冗余之后不同步。 一致性：冗余的那几份，值必须一样。 改一处就得改全部，或者干脆只存一处。 完整性：数据得符合规则。 年龄不能是负数、订单必须有客户、性别只能是那两种。 完整性是「数据自己守规矩」，一致性是「多份数据之间守规矩」。 这三者的关系是：冗余带来一致性问题，一致性靠约束和事务守住，完整性是约束的一种。 下面这段代码把「冗余到底有多少」算出来。1000 条记录、5 个部门，看看部门名被重复写了多少遍。

四、动手 Demo：同一份数据两种存法：算清冗余、看清不一致

Demo 分四段：先量文件存法的冗余，再改一次名，然后看「漏改」怎么造出矛盾， 最后把两边的账摆在一起。 第一段算的是最朴素的账：1000 条记录里，部门名写了多少次。 这个数字决定了「改一次名要动多少地方」。

import collections
DEPT = ["研发部", "市场部", "财务部", "人事部", "运维部"]
rows = [(i, DEPT[i % 5]) for i in range(1, 1001)]
cnt = collections.Counter(d for _, d in rows)
raw = sum(len(d) for _, d in rows)
uniq = sum(len(d) for d in cnt)
print("记录 %d 条，不同部门 %d 个" % (len(rows), len(cnt)))
print("部门名一共写了 %d 字，去重后只需 %d 字" % (raw, uniq))
print("冗余率 %.1f%%" % ((raw - uniq) * 100.0 / raw))
for d, n in cnt.items():
    print("  %s %d 人" % (d, n))

实跑输出：

--------------------------------------------------------------------
第一课：同一份数据，文件存法和库存法差在哪
--------------------------------------------------------------------

  **这一课先不急着背语法，先做一件更要紧的事：把「为什么要有数据库」量出来。**
  **场景很简单：一家公司有 1000 名员工，分在 5 个部门。每个部门有名字、有电话。**
  **如果只用文件存，最省事的写法是把部门名和电话直接抄进每条员工记录里。**
  **这就是「文件系统」那一代的典型做法，也是很多 Excel 台账的样子。**

  一、文件存法：改一个部门名，要动多少行
  --------------------------------------------------------------------
  **1000 行、每行都带部门号、部门名、部门电话，文件 44998 字节。**
  **现在把 D01 改名成「技术研发部」。**
  **文件存法必须把整份 1000 行读进来、改掉命中的 200 行、再整份写回去。**
  **实测用掉 0.0015 秒。**

  二、库存法：同一件事，只动 1 行
  --------------------------------------------------------------------
  **库里部门只在 `dept` 表里存了一份。改名就是一条 UPDATE，改 1 行。**
  **实测 0.000062 秒。**
  **这里不比倍数。**
  **文件那 0.0015 秒里有一半是打开和写回文件的开销，换成机械盘会慢得多。**
  **但真正要命的不是速度，是下面这件事。**

  三、漏改一行会怎样：数据自己打自己脸
  --------------------------------------------------------------------
  **假设有人手工改这份 CSV，改到第 800 行就下班了。**
  **剩下 40 条的 D01 还写着旧名字。**

  mysql> SELECT deptno, dname FROM dept
  deptno dname
  -----------------
  D01    技术研发部
  D02    市场部
  D03    财务部
  D04    人事部
  D05    运维部
  5 rows in set
  **库里不会出现这种半截状态。**
  **要么这条 UPDATE 提交了，所有人看到新名字；要么没提交，所有人看到旧的。**
  **那份 CSV 却可能「技术研发部」和「研发部」并存 40 条——这就是数据不一致。**
  **文件系统管不住它，数据库靠【约束】加【事务】管住它。**

  四、还有几笔账
  --------------------------------------------------------------------

  项目                 文件存法                     库存法
  --------------------------------------------------------------------------------
  部门名存几份         1000 份                      5 份
  改一次名的成本       整份重写 0.0015 秒           1 行 0.000062 秒
  改到一半出错         半新半旧，没人知道           回滚，等于没改
  两个人同时改         后写的盖掉先写的，且无声无息 锁住那一行，后来的排队
  谁改的、什么时候改的 查不到                       开 binlog 就查得到
  格式变了怎么办       每处读文件的代码都得改       ALTER TABLE 加一列，旧代码照跑
  **这四行就是数据库存在的理由：少存、好改、不出错、留痕迹。**
  **「少存」省的是磁盘，「好改」省的是人，「不出错」省的是事故，「留痕迹」省的是扯皮。**
  **注意第一行：1000 条记录里，部门名和电话各存了 1000 份，实际只有 5 个不同的值。**
  **这叫【冗余】，冗余不是错，错的是「冗余了还不同步」。**

正文那段代码跑出来是：1000 条记录、5 个部门、部门名一共写了 3000 字，去重之后只要 15 字， 冗余率 99.5%。 99.5% 这个数不是巧合，它就是「每个部门 200 人」的直接结果。 人越多，冗余率越高，改一次名的代价越大。 Demo 里那次实测：文件存法要把 1000 行全读进来、改掉命中的 200 行、再全写回去； 库存法只是一条 UPDATE，改 1 行。 具体秒数在输出里，但别拿它当基准——文件那点时间大头是打开和写回的开销，换块机械盘就完全不同。 真正值得记住的是第三段那个数：40 条。 手工改文件改到第 800 行就收工，剩下 40 条还是旧名字。 库里不会出现这种状态：UPDATE 要么提交、要么没提交，不存在「改了一半」。这就是事务。 最后一张表把六笔账摆在一起：存几份、改一次多少成本、改一半出错怎么办、两个人同时改会怎样、 谁改的查不查得到、格式变了怎么办。 前四行是数据库存在的理由，后两行是它顺手给的。

30 秒实验

1. 把 Demo 里的部门数从 5 个改成 50 个，再跑一遍，看冗余率怎么变。 答案是几乎不变——因为每个部门的人数跟着从 200 降到 20，总字数和去重字数等比缩小。 冗余率只跟「一个值被重复几次」有关。
2. 把那份 CSV 用 Excel 打开，试着只改一半的部门名，然后按部门名做一次数据透视。 你会看到同一个部门被拆成两行。这就是「数据自己打自己脸」的直观样子。
3. 想一想：如果只给 100 条记录，数据库还值得上吗？ 答案是值得，但理由变了——不再是为了省磁盘，而是为了约束、事务和并发。 数据量小的时候，省的是事故，不是空间。

常见误区

1. 「数据库就是存数据的地方，跟 Excel 差不多。」 差在约束、事务、并发、权限这四件事。Excel 能存 100 万行， 但它不会阻止你在一列里同时填「男」「1」「M」。
2. 「MySQL 就是数据库。」 MySQL 是数据库管理系统，是软件；数据库是它建出来的那堆数据。装完 MySQL 之后一个库都没有， 得自己建。
3. 「冗余一定要消除。」 不是。为了查询快故意冗余是常规做法， 要消除的是「冗余了还不同步」。判断标准在 1.2 节末尾会讲：跟着源数据变的是冗余， 冻在那一刻的是快照。

下一篇把「数据长什么样」讲清楚：数据模型的三要素、四种模型、E-R 图，以及三范式到底在拆什么。

• ☐ （本篇完，下一篇 1.2 数据模型）

相关笔记

• 数据模型
• 15 课 数据库基础：关系模型与范式的原理课
• 🛢️ MySQL从入门到精通 · 索引