متن فیلم

این جلسه ما در مورد پایگاه های داده رابطه ای، ویژگی ها و توانایی اونها در انجام پرس و جوهای پیچیده از طریق مرتبط کردن جدول ها صحبت می کنیم. همچنین به خواص ACID و کاربرد این پایگاه های داده خواهیم پرداخت. یک پایگاه داده رابطه‌ای مجموعه‌ای از داده‌ها است که در یک ساختار جدولی سازماندهی شده‌اند، که در آن جداول می‌توانند بر اساس داده‌های مشترک بین هر یک، به هم مرتبط یا پیوند داده شوند. جداول از ردیف‌ها و ستون‌ها تشکیل شده‌اند که ردیف‌ها «رکوردها» و ستون‌ها «ویژگی‌ها» هستند. بیایید مثالی از جدول مشتری بزنیم که داده‌های مربوط به هر مشتری در یک شرکت را نگهداری می‌کند. ستون‌ها یا ویژگی‌ها در جدول مشتری عبارتند از شناسه شرکت، نام شرکت، آدرس شرکت و تلفن اصلی شرکت؛ و هر ردیف یک رکورد مشتری است. حال بیایید منظورمان را از پیوند یا ارتباط جداول بر اساس داده‌های مشترک بین هر یک درک کنیم. در کنار جدول مشتری، شرکت همچنین جداول تراکنش را نگهداری می‌کند که شامل داده‌هایی است که چندین تراکنش جداگانه مربوط به هر مشتری را توصیف می‌کند. ستون‌های جدول تراکنش ممکن است شامل تاریخ تراکنش، شناسه مشتری، مبلغ تراکنش و روش پرداخت باشد. جدول مشتری و جداول تراکنش می‌توانند بر اساس فیلد مشترکِ شناسه مشتری به هم مرتبط شوند. می‌توانید از جدول مشتری پرس و جو کنید تا گزارش‌هایی مانند صورتحساب مشتری تولید کنید که تمام تراکنش‌ها را در یک دوره معین تجمیع می‌کند. این قابلیت مرتبط کردن جداول بر اساس داده‌های مشترک، شما را قادر می‌سازد تا با یک پرس‌وجوی واحد، یک جدول کاملاً جدید را از داده‌های یک یا چند جدول بازیابی کنید. همچنین به شما این امکان را می‌دهد که روابط بین تمام داده‌های موجود را درک کنید و بینش‌های جدیدی برای تصمیم‌گیری بهتر به دست آورید. پایگاه‌های داده رابطه‌ای از زبان پرس‌وجوی ساختاریافته یا SQL برای پرس‌وجوی داده‌ها استفاده می‌کنند. در ادامه این دوره، درباره SQL بیشتر خواهیم آموخت. پایگاه‌های داده رابطه‌ای بر اساس اصول سازمانی فایل‌های مسطح مانند صفحات گسترده ساخته می‌شوند، که داده‌ها در ردیف‌ها و ستون‌ها از یک ساختار و طرحواره به خوبی تعریف شده سازماندهی می‌شوند. اما شباهت در همین جا به پایان می‌رسد. پایگاه‌های داده رابطه‌ای، از نظر طراحی، برای ذخیره‌سازی، بازیابی و پردازش بهینه داده‌ها برای حجم زیادی از داده‌ها ایده‌آل هستند، برخلاف صفحات گسترده که تعداد محدودی ردیف و ستون دارند. هر جدول در یک پایگاه داده رابطه‌ای مجموعه‌ای منحصر به فرد از ردیف‌ها و ستون‌ها دارد و می‌توان روابط را بین جداول تعریف کرد که افزونگی داده‌ها را به حداقل می‌رساند. علاوه بر این، می‌توانید فیلدهای پایگاه داده را به انواع و مقادیر داده خاص محدود کنید که بی‌نظمی‌ها را به حداقل می‌رساند و منجر به سازگاری و یکپارچگی بیشتر داده‌ها می‌شود. پایگاه‌های داده رابطه‌ای از SQL برای پرس‌وجوی داده‌ها استفاده می‌کنند که به شما امکان پردازش میلیون‌ها رکورد و بازیابی حجم زیادی از داده‌ها را در عرض چند ثانیه می‌دهد. علاوه بر این، معماری امنیتی پایگاه‌های داده رابطه‌ای، دسترسی کنترل‌شده به داده‌ها را فراهم می‌کند و همچنین تضمین می‌کند که استانداردها و سیاست‌های مربوط به مدیریت داده‌ها قابل اجرا هستند. پایگاه‌های داده رابطه‌ای از سیستم‌های دسکتاپ کوچک تا سیستم‌های ابری عظیم را شامل می‌شوند. آن‌ها می‌توانند به صورت متن باز و با پشتیبانی داخلی، متن باز با پشتیبانی تجاری یا سیستم‌های متن بسته تجاری باشند. IBM DB2، Microsoft SQL Server، MySQL، Oracle Database و PostgreSQL برخی از پایگاه‌های داده رابطه‌ای محبوب هستند. پایگاه‌های داده رابطه‌ای مبتنی بر ابر، که به عنوان پایگاه داده به عنوان سرویس نیز شناخته می‌شوند، به دلیل دسترسی به قابلیت‌های محاسباتی و ذخیره‌سازی نامحدود ارائه شده توسط ابر، کاربرد گسترده‌ای پیدا می‌کنند. برخی از پایگاه‌های داده رابطه‌ای ابری محبوب شامل Amazon Relational Database Service (RDS)، Google Cloud SQL، IBM DB2 on Cloud، Oracle Cloud و SQL Azure هستند. RDBMS یک فناوری بالغ و مستند است که یادگیری و یافتن استعدادهای واجد شرایط را آسان می‌کند. یکی از مهمترین مزایای رویکرد پایگاه داده رابطه‌ای، توانایی آن در ایجاد اطلاعات معنادار با اتصال جداول است. برخی دیگر از مزایای آن عبارتند از: انعطاف‌پذیری: با استفاده از SQL، می‌توانید ستون‌های جدید اضافه کنید، جداول جدید اضافه کنید، نام روابط را تغییر دهید و تغییرات دیگری را در حین اجرای پایگاه داده و انجام پرس‌وجوها ایجاد کنید. کاهش افزونگی: پایگاه‌های داده رابطه‌ای افزونگی داده‌ها را به حداقل می‌رسانند. به عنوان مثال، اطلاعات یک مشتری در یک ورودی واحد در جدول مشتری ظاهر می‌شود و جدول تراکنش‌های مربوط به مشتری، پیوندی به جدول مشتری ذخیره می‌کند. سهولت پشتیبان‌گیری و ترمیم پس از سانحه: پایگاه‌های داده رابطه‌ای گزینه‌های صادرات و واردات آسانی را ارائه می‌دهند که پشتیبان‌گیری و ترمیم را آسان می‌کند. صادرات می‌تواند در حین اجرای پایگاه داده انجام شود و ترمیم در صورت خرابی را آسان می‌کند. پایگاه‌های داده رابطه‌ای مبتنی بر ابر، آینه‌سازی مداوم انجام می‌دهند، به این معنی که از دست دادن داده‌ها در هنگام ترمیم می‌تواند در عرض چند ثانیه یا کمتر اندازه‌گیری شود. انطباق با ACID: ACID مخفف Atomicity (اتمیک بودن)، Consistency (سازگاری)، Isolation (جداسازی) و Durability (دوام) است. و انطباق با ACID به این معنی است که داده‌های موجود در پایگاه داده علیرغم خرابی‌ها دقیق و سازگار باقی می‌مانند و تراکنش‌های پایگاه داده به طور قابل اعتمادی پردازش می‌شوند. اکنون به برخی از موارد استفاده برای پایگاه‌های داده رابطه‌ای خواهیم پرداخت: پردازش تراکنش‌های آنلاین: برنامه‌های OLTP بر وظایف تراکنش‌محور که با سرعت بالا اجرا می‌شوند، متمرکز هستند. پایگاه‌های داده رابطه‌ای برای برنامه‌های OLTP بسیار مناسب هستند زیرا می‌توانند تعداد زیادی از کاربران را در خود جای دهند. آنها از قابلیت درج، به‌روزرسانی یا حذف مقادیر کم داده پشتیبانی می‌کنند؛ و همچنین از پرس‌وجوها و به‌روزرسانی‌های مکرر و همچنین زمان پاسخ سریع پشتیبانی می‌کنند. انبارهای داده (Data warehouses): در یک محیط انبار داده، پایگاه‌های داده رابطه‌ای می‌توانند برای پردازش تحلیلی آنلاین (یا OLAP) بهینه شوند، جایی که داده‌های تاریخی برای هوش تجاری تحلیل می‌شوند. راه‌حل‌های اینترنت اشیا: راه‌حل‌های اینترنت اشیا (IoT) به سرعت و همچنین توانایی جمع‌آوری و پردازش داده‌ها از دستگاه‌های لبه نیاز دارند که به یک راه‌حل پایگاه داده سبک نیاز دارند. این ما را به محدودیت‌های RDBMS می‌رساند: RDBMS با داده‌های نیمه ساختار یافته و بدون ساختار به خوبی کار نمی‌کند و بنابراین برای تحلیل گسترده روی چنین داده‌هایی مناسب نیست. برای مهاجرت بین دو RDBMS، طرحواره‌ها و نوع داده‌ها باید بین جداول منبع و مقصد یکسان باشند. پایگاه‌های داده رابطه‌ای محدودیتی در طول فیلدهای داده دارند، به این معنی که اگر سعی کنید اطلاعات بیشتری را در یک فیلد نسبت به ظرفیت آن وارد کنید، اطلاعات ذخیره نمی‌شوند. علیرغم محدودیت‌ها و تکامل داده‌ها در این دورانِ کلان‌داده، رایانش ابری، دستگاه‌های اینترنت اشیا و رسانه‌های اجتماعی، RDBMS همچنان فناوری غالب برای کار با داده‌های ساختاریافته است.