小李的数据库之旅（上）

1
无纸化办公
小李是这个大学计算机科学与技术系的知名学生，他的编程能力了得，使用Pascal 炉火纯青，这都是高中期间参加全国青少年信息学奥林匹克竞赛打下的底子， 虽然没有获过奖，但在80年代末，90年代初很多人都不知道计算机是何物的时候，人家就可以在上面写程序了， 是非常让人敬佩的事情。

所以一入学，辅导员就找到小李让他帮忙给系里开发个信息系统， 记录系里的学生信息，课程信息， 还有选课， 这样的话就可以无纸化办公了 。

小李觉得这只是一个基于命令行的程序， 无非是增删改查嘛，就满口应承下来， 然后祭出Pascal 大法，准备大干一场。

辅导员把相关的资料也送来了， 这学生信息无非是[学号，姓名，性别，身份证号，入学日期，班级] 等信息。
课程信息也就是[课程号，课程名，授课老师] , 选课是[学号，课程号，成绩]

有了基本的数据结构， 小李决定用三个独立的文本文件来存储这些信息， 比如说student.txt 中的内容是这样：

第一行是表头， 其他行是内容，都用逗号分开 。
剩下的两个文件的格式和这个差不多。

编程工作进展的非常顺利， 最重要的部分无非就是用Pascal读写文件而已， 一周不到就完工了， 现在程序架构是这个样子的：

这个单机版的信息系统就这么运行了起来，效果还不错。
2
数据的冗余和不一致
商学院的主任听说计科系有了这么一个系统， 不由的也打起来注意， 辅导员就让小李用软盘拷贝了一份过去， 商学院也顺利用来起了。

可是有些计科系的学生到商学院去选修经济学的课程时， 发现还得再输入一遍学生信息， 这实在是太烦人了。

小李也没办法， 毕竟这是两套系统啊， 只有采用土办法， 把计科系的student.txt 复制了一份到商学院。

这样一来数据的重复难于避免了， 更有可能出现数据不一致的地方， 比如地址信息在计科系改了， 但是商学院没改。

后来辅导员说数学系自己也搞了一个类似的系统， 不是用Pascal而是用C写的， 数据格式和小李定义的还不一样， 小李想把Student.txt复制过去也不可能了。

小李想要是学校所有的院系都用这么一套系统就好了。 其实学校领导也看到了这个问题， 只是现在的校内局域网还没有建立起来， 大家用同一套系统并不现实。
3
李氏查询
到了期末， 计科系和商学院的老师纷纷给小李打电话：
“小李，我想统计一下这个学期操作系统课有哪些人没及格， 多少人在80分以上， 你能帮忙弄弄吗？”

“小李，我想算一下经济学的平均分， 能不能程序实现一下？ 学生太多，手工算太麻烦了 ”
……

为了应付这些“变态”的需求， 小李假期几乎没怎么休息， 不停的用PASCAL写各种各样的功能。

可是这种需求似乎无穷无尽， 总结一下，无非就是对这些文件的各种各样的查询而已。

难道让老师们直接去文件中查找和计算吗？ 显然不行。

小李想起了一句话： “ 所有计算机的问题都可以通过增加一个中间层来解决”

那提供一个中间层吧， 把文件层屏蔽掉， 让老师们在这个中间层用自己熟悉的术语进行查询。

中间层上要有逻辑的数据结构，其实就是这些东西：
学生信息：[学号，姓名，性别，入学日期，班级，地址]

课程信息：[课程号，课程名，授课老师]

选课 ：[学号，课程号，成绩]

小李决定把这些东西称为“表” ，其中的每一项称为“列”/“字段”/“属性”， 每一列都有类型，例如字符型，日期型，数字型等等

查询的话是用类似这样进行的：
SELECT 学号，姓名
FROM 学生信息
WHERE 入学日期=’1991-9-1’

想把几个表连接起来查询也可以：

SELECT 学号，姓名, 课程名，成绩
FROM 学生信息 s , 课程信息 c， 选课 sc
ON s.学号=sc.学号 AND c.课程号=sc.课程号
WHERE 课程名=’操作系统’ AND 成绩<60

很明显小李需要写一个解析器， 把这样的语句变成内部对文件的操作， 还好小李已经有一点编译原理的基础了， 努力一下还是能写出来的。

小李把查询规则给各个老师做了个简单的培训， 从此以后， 只要不是超级复杂的查询， 老师们自己就搞定了，再也不用骚扰小李了。

无心插柳柳成荫，小李忽然发现，自己的程序也可以调用这样的抽象层来编程啊， 也不用直接操作文件了， 简化了好多。

小李得意的把这套查询称为“李氏查询” ， 李氏查询用起来简便快捷， 最大的好处是用户完全不用考虑物理层的那些文件的结构，只需要关注逻辑层的“表”就可以了。

（码农翻身注：其实就是SQL了）

可是小李一直是隐隐觉得不安， 不知道这种查询方式有没有漏洞， 后来看到埃德加·弗兰克·科德 的论文 “A Relational Model of Data for Large Shared Data banks（大型共享数据库的关系模型）”，
这才明白，其实这就是所谓的关系模型啊， 其背后的有着坚实的数学基础， 肯定是没有问题的。

有了一个中间的逻辑层， 还带来了一个额外的好处，现在小李可以对物理层的文件存储做一些优化了， 为了加快访问速度， 小李不再采用简单的逗号分隔的文件， 还增加了索引、B+树，缓存等手段。
由于有中间层的存在，这些变化对应用层没有什么影响。