Der Begriff NoSQL ist in den letzten Jahren allgegenwärtig geworden. Aber worauf bezieht sich „NoSQL“ genau? In diesem Artikel verwenden wir reines Python (wie ich es lieber nenne: „Lightly“) strukturierter Pseudocode“) Schreiben Sie eine NoSQL-Datenbank, um diese Fragen zu beantworten.
In vielen Fällen ist SQL zum Synonym für „Datenbank“ geworden. Tatsächlich SQL ist ein Akronym für Strctured Query Language und bezieht sich nicht auf die Datenbanktechnologie selbst, sondern auf die Datenbank von RDBMS (relationales Datenbankverwaltungssystem, eine Sprache zum Abrufen). Daten im Relational Database Management System ). Der inhaltsreichste Teil ist durch
Tabelle (Tabelle) organisiert, und jede Tabelle besteht aus Typ (Typ) und besteht aus zugehörigen Spalten . Die Typen aller Tabellen, Spalten und ihrer Klassen werden als Schema (Schema oder Schema) bezeichnet. Die Beschreibungsinformationen beschreiben beispielsweise vollständig die Struktur der Datenbank Die Tabelle mit dem Namen kann die folgenden Spalten haben: Car
oder als Datensatz bezeichnet Um jeden Datensatz zu unterscheiden, wird normalerweise ein Primärschlüssel in der Tabelle definiert, der jede Zeile in der Tabelle eindeutig identifizieren kann Dies ist eine natürliche Wahl des Primärschlüssels, da dadurch sichergestellt werden kann, dass jedes Fahrzeug eine eindeutige Identifizierung hat. Zwei unterschiedliche Zeilen können in den Spalten Marke, Modell, Jahr und Farbe vorhanden sein. Bei unterschiedlichen Fahrzeugen sind dies jedoch auf jeden Fall der Fall unterschiedliche VINs. Im Gegenteil, solange zwei Zeilen dieselbe VIN haben, können wir davon ausgehen, dass sich die beiden Zeilen auf dasselbe Auto beziehen, ohne andere Spalten zu überprüfen.SQL ermöglicht es uns, nützliche Informationen zu erhalten, indem wir eine Abfrage (Abfrage)Car für die Datenbank durchführen. Vereinfacht ausgedrückt verwendet die Abfrage eine strukturierte Sprache, um Fragen an das RDBMS zu stellen und die Zeilen zu interpretieren Gehen Sie davon aus, dass die Datenbank alle in den Vereinigten Staaten registrierten Fahrzeuge darstellt. Um alle
"Make, Model": "Make- und Model-Werte" "FROM Car": "Für jede Zeile in der Tabelle Auto ”
SELECT Make, Model FROM Car;
Das heißt: „Zeigen Sie mir die Werte von Marke und Modell in jeder Zeile der Tabelle Auto“. Nach der Ausführung der Abfrage erhalten wir die Ergebnisse einiger Abfragen. Dabei handelt es sich jeweils um Marke und Modell. Wenn wir uns nur um die Farbe des 1994 zugelassenen Autos kümmern, dann:
der Tabelle verwenden. Hier ist die Fahrgestellnummer:
SELECT Color FROM Car WHERE Year = 1994;
Auf diese Weise fügen wir jedes Mal, wenn das Fahrzeug repariert wird, eine neue Zeile zur Tabelle hinzu und schreiben auf, was wir während der Wartung gemacht haben, welcher Mechaniker es war, wie viel es gekostet hat, wie lange die Wartung gedauert hat usw.
Aber Moment, wir alle wissen, dass für dasselbe Fahrzeug alle Spalten, die sich auf die eigenen Informationen des Fahrzeugs beziehen, unverändert bleiben. Mit anderen Worten: Wenn ich meinen schwarzen 2014 Lexus RX 350 zehnmal renoviere, werden die Informationen jedes Mal wiederholt aufgezeichnet, obwohl sich die Informationen zu Marke, Modell, Jahr und Farbe nicht ändern Ein vernünftiger Ansatz besteht darin, solche Informationen nur einmal zu speichern und bei Bedarf abzufragen.
Was also tun? Wir können eine zweite Tabelle erstellen: Vehicle, die die folgenden Spalten enthält:
| VIN | Make | Model | Year | Color |
Auf diese Weise können wir die Tabelle ServiceHistory auf die folgenden Spalten vereinfachen:
| VIN | Service Performed | Mechanic | Price | Date |
你可能会问，为什么 VIN 会在两张表中同时出现？ 因为我们需要有一个方式来确认在 ServiceHistory 表的 这 辆车指的就是 Vehicle 表中的 那 辆车, 也就是需要确认两张表中的两条记录所表示的是同一辆车。 这样的话,我们仅需要为每辆车的自身信息存储一次即可. 每次当车辆过来维修的时候， 我们就在 ServiceHistory 表中创建新的一行， 而不必在 Vehicle表中添加新的记录。 毕竟， 它们指的是同一辆车。
我们可以通过 SQL 查询语句来展开 Vehicle 与 ServiceHistory 两张表中包含的隐式关系:
SELECT Vehicle.Model, Vehicle.Year FROM Vehicle, ServiceHistory WHERE Vehicle.VIN = ServiceHistory.VIN AND ServiceHistory.Price > 75.00;
该查询旨在查找维修费用大于 $75.00 的所有车辆的 Model 和 Year. 注意到我们是通过匹配 Vehicle 与 ServiceHistory 表中的 VIN 值来筛选满足条件的记录. 返回的将是两张表中符合条件的一些记录, 而 “Vehicle.Model” 与 “Vehicle.Year” , 表示我们只想要 Vehicle 表中的这两列.
如果我们的数据库没有 索引 (indexes) (正确的应该是 indices), 上面的查询就需要执行 表扫描 (table scan) 来定位匹配查询要求的行。 table scan 是按照顺序对表中的每一行进行依次检查， 而这通常会非常的慢。 实际上, table scan 实际上是所有查询中最慢的。
可以通过对列加索引来避免扫描表。 我们可以把索引看做一种数据结构， 它能够通过预排序让我们在被索引的列上快速地找到一个指定的值 (或指定范围内的一些值). 也就是说， 如果我们在 Price 列上有一个索引， 那么就不需要一行一行地对整个表进行扫描来判断其价格是否大于 75.00, 而是只需要使用包含在索引中的信息 “跳” 到第一个价格高于 75.00 的那一行， 并返回随后的每一行（由于索引是有序的， 因此这些行的价格至少是 75.00）。
当应对大量的数据时， 索引是提高查询速度不可或缺的一个工具。当然， 跟所有的事情一样，有得必有失， 使用索引会导致一些额外的消耗： 索引的数据结构会消耗内存，而这些内存本可用于数据库中存储数据。这就需要我们权衡其利弊，寻求一个折中的办法， 但是为经常查询的列加索引是 非常 常见的做法。
得益于数据库能够检查一张表的 schema (描述了每列包含了什么类型的数据), 像索引这样的高级特性才能够实现， 并且能够基于数据做出一个合理的决策。 也就是说, 对于一个数据库而言， 一张表其实是一个 “黑盒” (或者说透明的盒子) 的反义词？
当我们谈到 NoSQL 数据库的时候要牢牢记住这一点。 当涉及 query 不同类型数据库引擎的能力时， 这也是其中非常重要的一部分。
我们已经知道, 一张表的 schema , 描述了列的名字及其所包含数据的类型。它还包括了其他一些信息， 比如哪些列可以为空， 哪些列不允许有重复值， 以及其他对表中列的所有限制信息。 在任意时刻一张表只能有一个 schema, 并且 表中的所有行必须遵守 schema 的规定 。
这是一个非常重要的约束条件。 假设你有一张数据库的表， 里面有数以百万计的消费者信息。 你的销售团队想要添加额外的一些信息 （比如， 用户的年龄）, 以期提高他们邮件营销算法的准确度。 这就需要来 alter (更改) 现有的表 – 添加新的一列。 我们还需要决定是否表中的每一行都要求该列必须有一个值。 通常情况下， 让一个列有值是十分有道理的， 但是这么做的话可能会需要一些我们无法轻易获得的信息（比如数据库中每个用户的年龄）。因此在这个层面上，也需要有些权衡之策。
此外，对一个大型数据库做一些改变通常并不是一件小事。为了以防出现错误，有一个回滚方案非常重要。但即使是如此，一旦当 schema 做出改变后，我们也并不总是能够撤销这些变动。 schema 的维护可能是 DBA 工作中最困难的部分之一。
在 “NoSQL” 这个词存在前， 像 memcached 这样的 键/值 数据存储 (Key/Value Data Stores) 无须 table schema 也可提供数据存储的功能。 实际上， 在 K/V 存储时， 根本没有 “表 （table）” 的概念。 只有 键 (keys) 与 值 （values） . 如果键值存储听起来比较熟悉的话， 那可能是因为这个概念的构建原则与 Python 的 dict 与 set 相一致: 使用 hash table （哈希表） 来提供基于键的快速数据查询。 一个基于 Python 的最原始的 NoSQL 数据库, 简单来说就是一个大的字典 (dictionary) .
为了理解它的工作原理，亲自动手写一个吧！ 首先来看一下一些简单的设计想法：
一个 Python 的 dict 作为主要的数据存储
仅支持 string 类型作为键 (key)
支持存储 integer, string 和 list
一个使用 ASCLL string 的简单 TCP/IP 服务器用来传递消息
一些像 INCREMENT, DELETE , APPEND 和 STATS 这样的高级命令 (command)
有一个基于 ASCII 的 TCP/IP 接口的数据存储有一个好处， 那就是我们使用简单的 telnet 程序即可与服务器进行交互, 并不需要特殊的客户端 (尽管这是一个非常好的练习并且只需要 15 行代码即可完成)。
对于我们发送到服务器及其它的返回信息，我们需要一个 “有线格式”。下面是一个简单的说明：
PUT
参数： Key, Value
目的： 向数据库中插入一条新的条目 (entry)
GET
参数： Key
目的： 从数据库中检索一个已存储的值
PUTLIST
参数： Key, Value
目的： 向数据库中插入一个新的列表条目
APPEND
参数： Key, Value
目的： 向数据库中一个已有的列表添加一个新的元素
INCREMENT
参数： key
目的： 增长数据库的中一个整型值
DELETE
参数： Key
目的： 从数据库中删除一个条目
STATS
参数： 无 (N/A)
目的： 请求每个执行命令的 成功/失败 的统计信息
现在我们来定义消息的自身结构。
一条 请求消息 (Request Message) 包含了一个命令（command），一个键 (key), 一个值 (value), 一个值的类型（type）. 后三个取决于消息类型，是可选项, 非必须。; 被用作是分隔符。即使并没有包含上述可选项， 但是在消息中仍然必须有三个 ; 字符。
COMMAND; [KEY]; [VALUE]; [VALUE TYPE]
COMMAND 是上面列表中的命令之一
KEY 是一个可以用作数据库 key 的 string （可选）
VALUE 是数据库中的一个 integer, list 或 string (可选)
list 可以被表示为一个用逗号分隔的一串 string, 比如说, “red, green, blue”
VALUE TYPE 描述了 VALUE 应该被解释为什么类型
可能的类型值有：INT, STRING, LIST
Examples
"PUT; foo; 1; INT"
"GET; foo;;"
"PUTLIST; bar; a,b,c ; LIST"
"APPEND; bar; d; STRING"
"GETLIST; bar; ;"
STATS; ;;
INCREMENT; foo;;
DELETE; foo;;
一个 响应消息 (Reponse Message) 包含了两个部分， 通过 ; 进行分隔。第一个部分总是 True|False , 它取决于所执行的命令是否成功。 第二个部分是命令消息 (command message), 当出现错误时，便会显示错误信息。对于那些执行成功的命令，如果我们不想要默认的返回值（比如 PUT）, 就会出现成功的信息。 如果我们返回成功命令的值 (比如 GET), 那么第二个部分就会是自身值。
Examples
True; Key [foo] set to [1]
True; 1
True; Key [bar] set to [['a', 'b', 'c']]
True; Key [bar] had value [d] appended
True; ['a', 'b', 'c', 'd']
True; {'PUTLIST': {'success': 1, 'error': 0}, 'STATS': {'success': 0, 'error': 0}, 'INCREMENT': {'success': 0, 'error': 0}, 'GET': {'success': 0, 'error': 0}, 'PUT': {'success': 0, 'error': 0}, 'GETLIST': {'success': 1, 'error': 0}, 'APPEND': {'success': 1, 'error': 0}, 'DELETE': {'success': 0, 'error': 0}}
我将会以块状摘要的形式来展示全部代码。 整个代码不过 180 行，读起来也不会花费很长时间。
下面是我们服务器所需的一些样板代码：
"""NoSQL database written in Python"""
# Standard library imports
import socket
HOST = 'localhost'
PORT = 50505
SOCKET = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
STATS = {
'PUT': {'success': 0, 'error': 0},
'GET': {'success': 0, 'error': 0},
'GETLIST': {'success': 0, 'error': 0},
'PUTLIST': {'success': 0, 'error': 0},
'INCREMENT': {'success': 0, 'error': 0},
'APPEND': {'success': 0, 'error': 0},
'DELETE': {'success': 0, 'error': 0},
'STATS': {'success': 0, 'error': 0},
}很容易看到， 上面的只是一个包的导入和一些数据的初始化。
接下来我会跳过一些代码， 以便能够继续展示上面准备部分剩余的代码。 注意它涉及到了一些尚不存在的一些函数， 不过没关系， 我们会在后面涉及。 在完整版（将会呈现在最后）中， 所有内容都会被有序编排。 这里是剩余的安装代码：
COMMAND_HANDERS = {
'PUT': handle_put,
'GET': handle_get,
'GETLIST': handle_getlist,
'PUTLIST': handle_putlist,
'INCREMENT': handle_increment,
'APPEND': handle_append,
'DELETE': handle_delete,
'STATS': handle_stats,
}
DATA = {}
def main():
"""Main entry point for script"""
SOCKET.bind(HOST, PORT)
SOCKET.listen(1)
while 1:
connection, address = SOCKET.accept()
print('New connection from [{}]'.format(address))
data = connection.recv(4096).decode()
command, key, value = parse_message(data)
if command == 'STATS':
response = handle_stats()
elif command in ('GET', 'GETLIST', 'INCREMENT', 'DELETE'):
response = COMMAND_HANDERS[command](key)
elif command in (
'PUT',
'PUTLIST',
'APPEND', ):
response = COMMAND_HANDERS[command](key, value)
else:
response = (False, 'Unknown command type {}'.format(command))
update_stats(command, response[0])
connection.sandall('{};{}'.format(response[0], response[1]))
connection.close()
if __name__ == '__main__':
main()我们创建了 COMMAND_HANDLERS, 它常被称为是一个 查找表 (look-up table) . COMMAND_HANDLERS 的工作是将命令与用于处理该命令的函数进行关联起来。 比如说， 如果我们收到一个 GET 命令， COMMAND_HANDLERS[command](key) 就等同于说 handle_get(key) . 记住，在 Python 中, 函数可以被认为是一个值，并且可以像其他任何值一样被存储在一个 dict中。
在上面的代码中， 虽然有些命令请求的参数相同，但是我仍决定分开处理每个命令。 尽管可以简单粗暴地强制所有的 handle_ 函数接受一个 key 和一个 value , 但是我希望这些处理函数条理能够更加有条理， 更加容易测试，同时减少出现错误的可能性。
注意 socket 相关的代码已是十分极简。 虽然整个服务器基于 TCP/IP 通信， 但是并没有太多底层的网络交互代码。
最后还须需要注意的一小点: DATA 字典， 因为这个点并不十分重要， 因而你很可能会遗漏它。 DATA 就是实际用来存储的 key-value pair, 正是它们实际构成了我们的数据库。
下面来看一些 命令解析器 (command parser) , 它负责解释接收到的消息：
def parse_message(data):
"""Return a tuple containing the command, the key, and (optionally) the
value cast to the appropriate type."""
command, key, value, value_type = data.strip().split(';')
if value_type:
if value_type == 'LIST':
value = value.split(',')
elif value_type == 'INT':
value = int(value)
else:
value = str(value)
else:
value = None
return command, key, value这里我们可以看到发生了类型转换 (type conversion). 如果希望值是一个 list, 我们可以通过对 string 调用 str.split(',') 来得到我们想要的值。 对于 int, 我们可以简单地使用参数为 string 的 int() 即可。 对于字符串与 str() 也是同样的道理。
下面是命令处理器 (command handler) 的代码. 它们都十分直观，易于理解。 注意到虽然有很多的错误检查， 但是也并不是面面俱到, 十分庞杂。 在你阅读的过程中，如果发现有任何错误请移步 这里 进行讨论.
def update_stats(command, success):
"""Update the STATS dict with info about if executing *command* was a
*success*"""
if success:
STATS[command]['success'] += 1
else:
STATS[command]['error'] += 1
def handle_put(key, value):
"""Return a tuple containing True and the message to send back to the
client."""
DATA[key] = value
return (True, 'key [{}] set to [{}]'.format(key, value))
def handle_get(key):
"""Return a tuple containing True if the key exists and the message to send
back to the client"""
if key not in DATA:
return (False, 'Error: Key [{}] not found'.format(key))
else:
return (True, DATA[key])
def handle_putlist(key, value):
"""Return a tuple containing True if the command succeeded and the message
to send back to the client."""
return handle_put(key, value)
def handle_putlist(key, value):
"""Return a tuple containing True if the command succeeded and the message
to send back to the client"""
return handle_put(key, value)
def handle_getlist(key):
"""Return a tuple containing True if the key contained a list and the
message to send back to the client."""
return_value = exists, value = handle_get(key)
if not exists:
return return_value
elif not isinstance(value, list):
return (False, 'ERROR: Key [{}] contains non-list value ([{}])'.format(
key, value))
else:
return return_value
def handle_increment(key):
"""Return a tuple containing True if the key's value could be incremented
and the message to send back to the client."""
return_value = exists, value = handle_get(key)
if not exists:
return return_value
elif not isinstance(list_value, list):
return (False, 'ERROR: Key [{}] contains non-list value ([{}])'.format(
key, value))
else:
DATA[key].append(value)
return (True, 'Key [{}] had value [{}] appended'.format(key, value))
def handle_delete(key):
"""Return a tuple containing True if the key could be deleted and the
message to send back to the client."""
if key not in DATA:
return (
False,
'ERROR: Key [{}] not found and could not be deleted.'.format(key))
else:
del DATA[key]
def handle_stats():
"""Return a tuple containing True and the contents of the STATS dict."""
return (True, str(STATS))有两点需要注意： 多重赋值 (multiple assignment) 和代码重用. 有些函数仅仅是为了更加有逻辑性而对已有函数的简单包装而已， 比如 handle_get 和 handle_getlist . 由于我们有时仅仅是需要一个已有函数的返回值，而其他时候却需要检查该函数到底返回了什么内容， 这时候就会使用 多重赋值 。
Schauen wir uns handle_append an. Wenn wir versuchen, handle_get aufzurufen, aber der Schlüssel nicht existiert, geben wir einfach das zurück, was handle_get zurückgibt. Darüber hinaus möchten wir in der Lage sein, das von handle_get zurückgegebene Tupel als einzelnen Rückgabewert zu referenzieren. Wenn der Schlüssel dann nicht existiert, können wir einfach return return_value verwenden.
Wenn er existiert, müssen wir den Rückgabewert überprüfen. Darüber hinaus möchten wir auch den Rückgabewert von handle_get als separate Variable referenzieren können. Um die beiden oben genannten Situationen bewältigen zu können und auch die Situation zu berücksichtigen, in der die Ergebnisse separat verarbeitet werden müssen, verwenden wir Mehrfachzuweisungen. Dadurch entfällt die Notwendigkeit, mehrere Codezeilen zu schreiben, während der Code klar bleibt. return_value = exists, list_value = handle_get(key) gibt explizit an, dass wir den Rückgabewert von handle_get auf mindestens zwei verschiedene Arten referenzieren werden.
Das obige Programm ist offensichtlich kein RDBMS, kann aber durchaus als NoSQL-Datenbank bezeichnet werden. Der Grund dafür, dass es so einfach zu erstellen ist, liegt darin, dass wir keine tatsächliche Interaktion mit den Daten haben. Wir führen lediglich eine minimale Typprüfung durch und speichern alles, was der Benutzer sendet. Wenn wir strukturiertere Daten speichern müssen, müssen wir möglicherweise ein Schema für die Datenbank erstellen, um die Daten zu speichern und abzurufen.
Da NoSQL-Datenbanken einfacher zu schreiben, einfacher zu warten und einfacher zu implementieren sind, warum verwenden wir nicht einfach mongoDB? Natürlich gibt es einen Grund: Wir müssen die Durchsuchbarkeit der Datenbank anhand der Datenflexibilität abwägen, die die NoSQL-Datenbank bietet
Angenommen, wir verwenden die oben genannte NoSQL-Datenbank, um die vorherigen Fahrzeugdaten zu speichern. Dann könnten wir VIN als Schlüssel und eine Liste als Wert für jede Spalte verwenden, d. h. jedes Indexes in der Liste verloren Wissen Sie, dass Index 1 irgendwo das Modell des Autos und Index 2 das Jahr speichert.2134AFGER245267 = ['Lexus', 'RX350', 2013, Black]Das Schlimme kommt: Was passiert, wenn wir die vorherige Abfrageanweisung ausführen möchten? Es wird ein Albtraum sein, die Farben aller 1994er Autos zu finden. Wir müssen jeden Wert in
DATADie Autoren von NoSQL-Datenbanken sind sich dieser Probleme sicherlich bewusst und haben (da Abfragen eine sehr nützliche Funktion sind) auch einige Möglichkeiten gefunden, um Abfragen weniger „außer Reichweite“ zu machen. Ein Ansatz besteht darin, die verwendeten Daten wie JSON zu strukturieren, um Verweise auf andere Zeilen zur Darstellung von Beziehungen zu ermöglichen. Gleichzeitig verfügen die meisten NoSQL-Datenbanken über das Konzept des Namespace. Ein einzelner Datentyp kann in einem für diesen Typ eindeutigen „Abschnitt“ in der Datenbank gespeichert werden, wodurch die Abfrage-Engine die „Form“ des Datentyps nutzen kann abzufragende Daten. Obwohl einige ausgefeiltere Methoden zur Verbesserung der Abfragebarkeit existieren (und implementiert werden), ist der Kompromiss zwischen der Speicherung einer kleineren Menge an Schemata und der Verbesserung der Abfragebarkeit immer ein offensichtliches Problem. In diesem Beispiel unterstützt unsere Datenbank nur die Abfrage nach Schlüssel. Wenn wir umfangreichere Abfragen unterstützen müssen, werden die Dinge viel komplizierter.
Zusammenfassung
An dieser Stelle hoffe ich, dass das Konzept von „NoSQL“ sehr klar ist. Wir haben ein wenig über SQL gelernt und gesehen, wie ein RDBMS funktioniert. Wir haben gesehen, wie man Daten aus einem RDBMS abruft (mithilfe einer SQL-
Abfrage
Das obige ist der detaillierte Inhalt vonSo verwenden Sie Python, um eine Beispielcodefreigabe für eine NoSQL-Datenbank abzuschließen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
