Bases de données
Conception de bases de données SQL et NoSQL, requêtes, optimisation et exercices pratiques.
Lesson 14: Triggers
By the end of this lesson, you will be able to: Create and manage database triggers Understand BEFORE and AFTER trigger types Implement INSERT, UPDATE, and DELETE triggers Use triggers for data validation and auditing Ha
Lire l'article →Lesson 15: Performance Optimization
By the end of this lesson, you will be able to: Analyze query performance using EXPLAIN Optimize database indexes for better performance Write efficient SQL queries Understand query execution plans Implement database tun
Lire l'article →Lesson 16: SQLAlchemy ORM Basics
By the end of this lesson, you will be able to: Understand Object-Relational Mapping (ORM) concepts Create SQLAlchemy models and relationships Perform CRUD operations using the ORM Handle database sessions and transactio
Lire l'article →Lesson 17: Advanced SQLAlchemy
By the end of this lesson, you will be able to: Use advanced SQLAlchemy features and patterns Implement complex relationships and inheritance Work with hybrid properties and methods Use SQLAlchemy events and hooks Implem
Lire l'article →Lesson 18: Window Functions, CTEs and Transactions
By the end of this lesson, you will be able to: Use OVER (PARTITION BY … ORDER BY …) to compute rankings, running totals, moving averages and row-to-row differences without collapsing rows Choose between ROW_NUMBER, RANK
Lire l'article →Create New User
Example: create user nelson with password MyStrongPass!23
Lire l'article →Exercise Solutions
This directory contains complete solutions for all the exercises in the SQL learning course.
Lire l'article →前言：如何使用本教材
大多數人學資料庫，是從 SQL 語法開始，最後也停在 SQL 語法。本教材的目標不同：我們要回答的是 「資料庫到底是怎麼運作的」——當你輸入 SELECT * FROM users WHERE id = 123;，從字串被解析、計畫被選出、頁面從 SSD 讀進緩衝池、 MVCC 判定哪個版本可見、到交易提交時 WAL 被刷到磁碟，每一步究竟發生了什麼事。
Lire l'article →關聯模型與關聯代數
1970 年 E. F. Codd 在〈A Relational Model of Data for Large Shared Data Banks〉中提出： 應用程式不應該知道資料在機器內部怎麼排列。當時主流的階層式（IMS）與網狀式（CODASYL）資料庫， 程式必須沿著指標「導航」才能取得資料，一旦實體佈局改變，程式就得重寫。 Codd 的答案是把資料抽象成數學上的關聯（集合論中的 relation）， 讓使用者只描述「要什麼」，
Lire l'article →儲存引擎與頁面佈局
資料庫是「以磁碟為導向（disk-oriented）」的系統：資料的主要住所是非揮發性儲存裝置， 記憶體只是暫存。因此所有資料結構的設計目標都是減少磁碟 I/O 次數，而非減少 CPU 指令數。 要理解這一點，先看各層儲存的延遲差距：
Lire l'article →B-Tree、B+Tree 與索引
Bayer 與 McCreight 在 1972 年提出的 B-Tree 把「節點」放大成「一整個頁面」： 每個節點放數百個鍵，樹高降為 _f N（f 是扇出）。f = 400、N = 10^9 時高度只有 4。
Lire l'article →Buffer Pool
資料庫不可能每次存取都讀磁碟。Buffer pool（又稱 buffer cache、buffer manager）是記憶體中一塊由資料庫 自己管理的頁面快取，位於執行引擎與磁碟之間：
Lire l'article →查詢執行
Parser 分兩層：詞法分析（lexer）把字串切成 token（關鍵字、識別字、常數、運算子）， 語法分析依文法規則組成抽象語法樹（AST）。以 SELECT name FROM users WHERE age > 30 為例：
Lire l'article →查詢最佳化
SQL 是宣告式語言：使用者說「要什麼」，系統決定「怎麼做」。同一個查詢的不同實體計畫，執行時間可以相差好幾個數量級—— 例如 10 表 join 的左深計畫有 10! 3.6 × 10^6 種排列，再乘上每個 join 的演算法與存取路徑選擇。 最佳化器的目標並非找到最佳計畫（那本身就是 NP-hard），而是在可接受的時間內避開糟糕的計畫。
Lire l'article →交易與 ACID
交易transaction是一組被視為單一工作單位的資料庫操作：要嘛全部生效，要嘛全部不生效。 它是資料庫對應用程式最重要的抽象——讓開發者在面對當機與並行時，仍能以「一次只有我在操作、而且操作不會做到一半」的方式思考。
Lire l'article →預寫式日誌（WAL）
第 4 章提到緩衝池的 steal（未 commit 的髒頁可先寫回）與 no-force（commit 時不必寫回資料頁）策略能把隨機寫入延後、合併， 但也帶來兩個問題： 解法是把「發生了什麼修改」循序追加到一個獨立的日誌檔並 fsync——循序寫比隨機寫快一到兩個數量級， 而且一次 fsync 就能讓一批交易持久。資料頁本身可以晚點、合併後再寫。這就是 預寫式日誌Write-Ahead Logging, WAL。
Lire l'article →多版本並行控制（MVCC）
鎖式並行控制（第 10 章）讓讀者與寫者互相阻塞。多版本並行控制Multi-Version Concurrency Control, MVCC 改變規則：寫入不覆蓋舊值，而是產生新版本；每筆交易讀取一個固定時間點的快照。於是： 代價是：空間（舊版本）、回收舊版本的工作（garbage collection）、以及索引必須處理多個版本。 任何 MVCC 實作都要回答三個問題：版本存哪裡？讀者如何判定可見？舊版本何時回收？
Lire l'article →鎖與並行控制
最基本的兩種模式：共享鎖 S（讀）與排他鎖 X（寫）。若鎖的粒度是整張表，並行度太低；若只有列鎖， 一個全表掃描要取百萬個鎖，鎖表爆炸。Gray 等人（1976）提出多粒度鎖與意向鎖（intention lock）： 在上層節點（資料庫 表 頁 列）宣告「我打算在下層取某種鎖」。
Lire l'article →當機復原與 ARIES
復原演算法的目標是在系統當機後恢復 原子性（未 commit 的交易效果消失）與持久性（已 commit 的交易效果存在）。
Lire l'article →LSM-Tree
B+Tree 的每次更新都是原地修改一個頁面：即使只改 100 bytes，最終也要把整個 8–16 KB 的頁寫回磁碟（寫入放大 80–160 倍）， 而且這些頁散佈各處，是隨機寫入。在 HDD 時代這是尋道瓶頸，在 SSD 上則加速磨損並放大 FTL 內部的垃圾回收。 隨機寫入的另一個代價：每頁寫入前都要取 latch、處理分裂、寫 WAL。
Lire l'article →行式儲存與 OLAP
第 1 章區分過兩種負載：OLTP 以主鍵存取少數列的全部欄位並頻繁更新；OLAP 掃描上億列但只碰少數欄位，做聚合，幾乎只讀。 用列式（row-oriented，NSM）儲存跑 OLAP 有三個根本問題：
Lire l'article →分散式資料庫基礎
單機資料庫在三個方向上會碰到天花板：規模（資料量或吞吐超過一台機器）、可用性（一台機器當機就全停）、 延遲（使用者分佈全球，光速往返 150 ms）。分散到多台機器解決這些問題，代價是必須面對分散式系統的三個根本事實： 本章處理資料的擺放（複寫與分割）與一致性語意；第 15 章處理共識、第 16 章處理跨節點交易、第 17 章處理網路與儲存層。
Lire l'article →共識：Raft 與 Paxos
一群節點要對一個值（或一串值）達成一致，即使部分節點當機、網路延遲或分割。正確的共識演算法滿足： FLP 不可能結果（Fischer, Lynch, Paterson 1985）：在完全非同步的系統中，只要可能有一個節點當機，就沒有確定性演算法能保證終止。 實務的繞法是假設部分同步（timeout 最終會可靠）並使用隨機化（Raft 的隨機選舉逾時）——演算法永遠保證安全性，活性則在網路「夠好」時成立。
Lire l'article →分散式交易
代價：正常路徑 2 輪往返、每個節點至少 2 次 fsync（參與者 PREPARE + COMMIT；協調者 COMMIT），鎖的持有時間延長至跨網路的兩個階段。 Presumed abort 最佳化：協調者不記錄 abort 決定，查無記錄即視為 abort，省下 abort 路徑的日誌與 ACK。 唯讀參與者可在 Phase 1 直接回 READ-ONLY 並退出。
Lire l'article →