Glossary for Database
记录数据库领域的部分术语，包括结构化/非结构化数据；关系型/非关系系数据库etc.
Structured/Unstructured Data
根据数据是否有预定义的数据模型，我们将其分为三类
1.1 结构化数据 (Structured Data)
定义：
结构化数据是高度组织化、格式整齐的数据，遵循严格的预定义模型（Schema）。它是传统关系型数据库（RDBMS）的基石。
- 核心特征：
- 二维表结构：数据可以完美地放入行与列中。
- 强类型：每个字段都有明确的数据类型（如 Integer, Varchar, Date）。
- 易于计算：计算机能够通过SQL极其高效地进行检索、聚合和分析。
- 典型来源：
- 企业核心系统：ERP、CRM、财务系统。
- 交易记录：银行转账、电商订单。
- 技术扩展：
在大数据领域，结构化数据通常采用Schema-on-Write[1]策略，即在数据写入前必须定义好结构，这保证了数据的一致性，但牺牲了写入的灵活性。
1.2 非结构化数据 (Unstructured Data)
定义：
非结构化数据没有预定义的模型或组织形式，通常被视为“二进制对象”（BLOBs）。这类数据占据了全球数据总量的 80% - 90%，是大数据分析的主要挑战与金矿。
- 常见形式：
- 多媒体：图片、音频、视频。
- 文档：PDF、Word、设计图纸。
- 机器数据：虽然部分日志有格式，但在未经清洗前常被视为非结构化流。
- 处理难点：
无法直接使用 SQL 查询。通常需要借助 OCR（光学字符识别）、NLP（自然语言处理）或 CV（计算机视觉）技术提取特征后，转化为结构化标签进行存储。
1.3 半结构化数据 (Semi-Structured Data)
定义：
介于两者之间，具有一定的自描述结构（Self-describing structure），但不符合关系型数据库严格的表格形式。它通过标签（Tags）或键值（Keys）来组织数据。
- 核心技术载体：
- XML (Extensible Markup Language)：早期互联网数据交换标准。
- JSON (JavaScript Object Notation)：现代 Web API 和 NoSQL 数据库（如 MongoDB）的主流格式。
- HTML：网页结构标记。
- 示例：
HTML 文档本身是非结构化的文本流，但通过<h1>、<div>等标签，机器可以识别出标题和段落，从而赋予其语义结构。
数据模型
关系型数据模型和非关系型数据模型
关系型数据模型
二、 关系型数据模型 (RDBMS)：经典的秩序
关系型数据库管理系统（Relational Database Management System）基于数学上的“集合论”和“关系代数”。自 20 世纪 70 年代以来，它一直是企业级应用的标准。
2.1 核心概念解构
在 RDBMS 中，数据被组织成 Table（表/关系）。
| 术语 (Term) | 别名 (Alias) | 描述 (Description) |
|---|---|---|
| Table | Relation (关系) | 由行和列组成的二维网格，对应一个实体集（如“用户表”）。 |
| Record | Row (行), Tuple (元组) | 代表一个具体的实体实例。例如：用户 Alice 的完整信息。 |
| Field | Column (列), Attribute (属性) | 代表数据的某一类特征。例如：所有用户的“年龄”。 |
数据示例：User Table
| User ID (PK) | Username | Status | |
|---|---|---|---|
| 1001 | Alice | alice@tech.io | Active |
| 1002 | Bob | bob@data.net | Inactive |
非关系型数据模型 (NoSQL)
随着 Web 2.0 的爆发，传统 RDBMS 在高并发（High Concurrency）、海量数据存储（Massive Storage）和高可扩展性（Scalability）方面遇到瓶颈，NoSQL (Not Only SQL) 应运而生。
3.1 四大主流类型
NoSQL 并非一种特定的技术，而是一个技术簇，主要包含以下四类：
键值存储 (Key-Value Stores)
- 原理：类似编程语言中的 Map/Hash，通过 Key 快速读写 Value。
- 代表：Redis, Memcached。
- 场景：缓存、会话管理（Session）、实时排行榜。
文档数据库 (Document Stores)
- 原理：存储 JSON/BSON 格式的文档，Schema 灵活（Schema-free）。
- 代表：MongoDB, Couchbase。
- 场景：内容管理系统（CMS）、电商商品详情（属性差异大）、快速迭代的业务。
列族数据库 (Column-family Stores)
- 原理：数据按列存储，擅长写入和大数据量的聚合查询。
- 代表：Apache Cassandra, HBase。
- 场景：物联网（IoT）时序数据、海量日志记录、用户足迹。
图数据库 (Graph Databases)
- 原理：存储节点（Node）和边（Edge），专注于处理复杂的关系网络。
- 代表：Neo4j, JanusGraph。
- 场景：社交网络推荐、反欺诈风控关系网、知识图谱。
Glossary for Database