&

數(shù)據(jù)庫的最簡單實(shí)現(xiàn)

當(dāng)前位置：點(diǎn)晴教程→知識管理交流 →『技術(shù)文檔交流』

admin

2014年7月10日 14:12 本文熱度 7083

原文出處：阮一峰的博客（@ruanyf）

所有應(yīng)用軟件之中，數(shù)據(jù)庫可能是最復(fù)雜的。

MySQL的手冊有3000多頁，PostgreSQL的手冊有2000多頁，Oracle的手冊更是比它們相加還要厚。

bg2014070401

但是，自己寫一個最簡單的數(shù)據(jù)庫，做起來并不難。Reddit上面有一個帖子，只用了幾百個字，就把原理講清楚了。下面是我根據(jù)這個帖子整理的內(nèi)容。

一、數(shù)據(jù)以文本形式保存

第一步，就是將所要保存的數(shù)據(jù)，寫入文本文件。這個文本文件就是你的數(shù)據(jù)庫。

為了方便讀取，數(shù)據(jù)必須分成記錄，每一條記錄的長度規(guī)定為等長。比如，假定每條記錄的長度是800字節(jié)，那么第5條記錄的開始位置就在3200字節(jié)。

大多數(shù)時候，我們不知道某一條記錄在第幾個位置，只知道主鍵（primary key）的值。這時為了讀取數(shù)據(jù)，可以一條條比對記錄。但是這樣做效率太低，實(shí)際應(yīng)用中，數(shù)據(jù)庫往往采用B樹（B-tree）格式儲存數(shù)據(jù)。

二、什么是B樹？

要理解B樹，必須從二叉查找樹（Binary search tree）講起。

bg2014070402

二叉查找樹是一種查找效率非常高的數(shù)據(jù)結(jié)構(gòu)，它有三個特點(diǎn)。

（1）每個節(jié)點(diǎn)最多只有兩個子樹。

（2）左子樹都為小于父節(jié)點(diǎn)的值，右子樹都為大于父節(jié)點(diǎn)的值。

（3）在n個節(jié)點(diǎn)中找到目標(biāo)值，一般只需要log(n)次比較。

二叉查找樹的結(jié)構(gòu)不適合數(shù)據(jù)庫，因?yàn)樗牟檎倚逝c層數(shù)相關(guān)。越處在下層的數(shù)據(jù)，就需要越多次比較。極端情況下，n個數(shù)據(jù)需要n次比較才能找到目標(biāo)值。對于數(shù)據(jù)庫來說，每進(jìn)入一層，就要從硬盤讀取一次數(shù)據(jù)，這非常致命，因?yàn)橛脖P的讀取時間遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)處理時間，數(shù)據(jù)庫讀取硬盤的次數(shù)越少越好。

B樹是對二叉查找樹的改進(jìn)。它的設(shè)計(jì)思想是，將相關(guān)數(shù)據(jù)盡量集中在一起，以便一次讀取多個數(shù)據(jù)，減少硬盤操作次數(shù)。

bg2014070403

B樹的特點(diǎn)也有三個。

（1）一個節(jié)點(diǎn)可以容納多個值。比如上圖中，最多的一個節(jié)點(diǎn)容納了4個值。

（2）除非數(shù)據(jù)已經(jīng)填滿，否則不會增加新的層。也就是說，B樹追求”層”越少越好。

（3）子節(jié)點(diǎn)中的值，與父節(jié)點(diǎn)中的值，有嚴(yán)格的大小對應(yīng)關(guān)系。一般來說，如果父節(jié)點(diǎn)有a個值，那么就有a+1個子節(jié)點(diǎn)。比如上圖中，父節(jié)點(diǎn)有兩個值（7和16），就對應(yīng)三個子節(jié)點(diǎn)，第一個子節(jié)點(diǎn)都是小于7的值，最后一個子節(jié)點(diǎn)都是大于16的值，中間的子節(jié)點(diǎn)就是7和16之間的值。

這種數(shù)據(jù)結(jié)構(gòu)，非常有利于減少讀取硬盤的次數(shù)。假定一個節(jié)點(diǎn)可以容納100個值，那么3層的B樹可以容納100萬個數(shù)據(jù)，如果換成二叉查找樹，則需要20層！假定操作系統(tǒng)一次讀取一個節(jié)點(diǎn)，并且根節(jié)點(diǎn)保留在內(nèi)存中，那么B樹在100萬個數(shù)據(jù)中查找目標(biāo)值，只需要讀取兩次硬盤。

三、索引

數(shù)據(jù)庫以B樹格式儲存，只解決了按照”主鍵”查找數(shù)據(jù)的問題。如果想查找其他字段，就需要建立索引（index）。

所謂索引，就是以某個字段為關(guān)鍵字的B樹文件。假定有一張”雇員表”，包含了員工號（主鍵）和姓名兩個字段。可以對姓名建立索引文件，該文件以B樹格式對姓名進(jìn)行儲存，每個姓名后面是其在數(shù)據(jù)庫中的位置（即第幾條記錄）。查找姓名的時候，先從索引中找到對應(yīng)第幾條記錄，然后再從表格中讀取。

這種索引查找方法，叫做“索引順序存取方法”（Indexed Sequential Access Method），縮寫為ISAM。它已經(jīng)有多種實(shí)現(xiàn)（比如C-ISAM庫和D-ISAM庫），只要使用這些代碼庫，就能自己寫一個最簡單的數(shù)據(jù)庫。