👩🏾‍🏭 🚐 👎🏻 关系数据库如何工作（第1部分） 🍰 👨‍❤️‍💋‍👨 🏰

哈Ha！我向您提供文章
“关系数据库如何工作”的翻译。

当涉及到关系数据库时，我不禁认为有些东西丢失了。它们无处不在。有许多不同的数据库：从小型且有用的SQLite到功能强大的Teradata。但是只有几篇文章解释了数据库的工作方式。您可以搜索“ howdoesarelationaldatabasework”（“关系数据库如何工作”）以查看结果很少。而且，这些文章简短。如果您正在寻找最新的流行技术（BigData，NoSQL或JavaScript），则会找到更多深入的文章来解释它们的工作原理。

关系数据库是否太老太无聊，无法在大学课程，研究论文和书籍之外进行解释？

, . 40 , . , - , . , . , , .

, , , . , , CRUD; . , , .

, (BigO). , , . , , : SQL . , , .

, , , . ; .

, 3 :

( , ...), , . , .

, . .

O(1) vs O(n²)

… !

( ) , . , ! , . (cost based optimization).

, . , . , , .

, " O (some_function() )", , some_function(a_certain_amount_of_data) .

**, , ** . , .

. , . , 1 1 . , :

O(1) ( ).
O(log(n)) .
— O(n²), .
.

O(1) O(n²) . , , , 2000 .

O (1) 1
O (log (n)) 7
O (n) 2 000
O (n * log (n)) 14 000
O (n²) 4 000 000

O(1) O(n²) (4 ) 2 , . , . -.

, - . 1 000 000 ( ):

O (1) 1
O (log (n)) 14
O (n) 1 000 000
O (n * log (n)) 14 000 000
O (n2) 1 000 000 000 000

, , O (n2) ( !). 0 , , .

- O (1).
O (log (n)).
O (n).
O (n * log (n)).
O (n²).

: .

, :

, , n², :

n⁴: ! .
3ⁿ: ! , , ( ).
n: .
nⁿ: , , ...

: « », . () .

MergeSort ( )

, ? ? sort ()… , … , sort ().

, : . , , , , . , join , merge join ( ).

Merge ()

, : 2 N / 2 N- N . .

, :

, 8 2 4- . 4- :

1) ( = )
2) , 8
3) ,
1,2,3, .
, 8 .

, 4- , «» .

, , merge:

array mergeSort(array a)
   if(length(a)==1)
      return a[0];
   end if

   //recursive calls
   [left_array right_array] := split_into_2_equally_sized_arrays(a);
   array new_left_array := mergeSort(left_array);
   array new_right_array := mergeSort(right_array);

   //merging the 2 small ordered arrays into a big one
   array result := merge(new_left_array,new_right_array);
   return result;

, , (: ). , ; , . , :

,
, ( ), .

Division phase ( )

3 . — log(N) ( N=8, log(N) = 3).

! — . , 2. — , . ( 2).

Sorting phase ( )

() . , N = 8 :

4 , 2
2 , 4
1 , 8

log (N) , N * log(N) .

merge sort

, , , , .

: in -place ( ).

/. , , . , 100 .

: .

/ / .

, Hadoop ( ).

(!).

( ) , . , , .

, -

, , 3 . , . .

— . . :

2- :

, .
(integer, string, date …).

, , .

, , , , , . N , N — , , ? .

: : heap-organizedtables index-organizedtables. .

— , :

N = 15 . , 208:

, 136. 136<208, 136.
398>208, , 398
250>208, , 250
200<208, , 200. 200 , ( , , 200).

, , 40

, 136. 136 > 40, 136.
80 > 40, , 80
40= 40, . ( ) .
, , , .

. , , log (N) . , log(N), !

, . integer, , - . , , "country" (column 3) :

,
, ,
"UKnode" .

log(N) N . , — .

(, , 2 , , …) , (.. ) ( ).

B+TreeIndex

, , . O(N) , (, ). , -, . . B+Tree. B+Tree :

() ( )
.

, ( ). , , « », ( ). O(log(N)) ( ). , .

B+Tree, 40 100:

40 ( 40, 40 ), .
40, , 100.

, M , N . log(N) . , , M M . M+log(N) N . , ( M + log (N) ), . (, 200 ) N (1 000 000 ), .

(!). (, , B+Tree):

B+Tree, .
B+Tree, O (log (N)) O (N).

, B+Tree . , . : B+ O (log (N)). , . , / / , O (log (N)) . , ( ).

, B +Tree. B+Tree , MySQL. , InnoDB ( MySQL) .

: , - B+ .

Hashtable (-)

— -. , . , - , - ( hash join). (, , ).

- — , . - :

- . ( ).
. , , , .

- 10 . , 5 , , , 5 . - 10 . , , :

0, 0,
1, 1,
2, 2,
…

, , .

, 78:

- - 78, 8.
- 8, , , 78.
78
2 ( -, ).

, , 59:

- - 59, 9.
- 9 , — 99. 99!=59, 99 .
, (9), (79), …, (29).
.
7 .

-

, , , !

- 1 000 000 ( , 6 ), 1 , 000059 . — -, , .

- . , - , :

( — )
2 ( — )
2 ( — , )
…

- - O(1).

vs -

, .

哈希表可以部分加载到内存中，其余的段可以保留在磁盘上。
对于数组，必须使用内存中的连续空间。如果要加载一张大桌子，很难找到足够的连续空间。
对于哈希表，您可以选择所需的键（例如，国家/地区和人员名称）。

有关更多信息，您可以阅读Java HashMap上的文章，它是哈希表的有效实现。您无需了解Java就可以了解本文介绍的概念。

关系数据库如何工作（第1部分）

O(1) vs O(n2)