{"canonical_url":"https://engineer.company/da/glossary/database/","content_markdown":"# Database\n\n## Hvad det er\n\nEn database er en mængde data, der holdes i en fast struktur med regler for,\nhvad der må komme ind, så software kan finde, ændre og kontrollere indholdet;\nordet, ofte forkortet DB, bruges også løst om det program, der står for\nopbevaringen, og som præcist hedder et databasehåndteringssystem eller DBMS.\nNISTs ordliste har to definitioner, og den bredeste taler om et lager af\ninformation eller data, der kan være et traditionelt relationelt databasesystem,\nmen ikke behøver at være det.\n\nOrdet har tre opgaver, og en samtale kører i ring, når to personer mener hver\nsin. Det betegner dataene: de kunder, ordrer og sensoraflæsninger, en\norganisation gemmer. Det betegner motoren, der passer på dem: PostgreSQL, SQL\nServer, SQLite. Og inde i en server betegner det én beholder blandt flere.\nPostgreSQLs tutorial stiller niveauerne op: rækker med navngivne, typede\nkolonner udgør tabeller, tabeller samles i databaser, og de databaser, som én\nserverinstans forvalter sammen, udgør en databaseklynge. SQL Server skelner på samme måde\nmellem en instans og de databaser, den rummer. »Databasen er langsom«\nkan betyde én tabel, én beholder eller en hel maskine.\n\nDe fleste motorer i daglig brug er relationelle: de gemmer data som relationer,\nden matematiske betegnelse for tabeller, og tager imod spørgsmål på SQL.\nPostgreSQLs tutorial nævner andre ordninger. Filerne og mapperne i et\nUnix-lignende system danner en hierarkisk database, og objektorienterede\ndatabaser kom til senere. Redis kalder sig selv en data structure server: i\nstedet for tabeller tilbyder den strenge, hashes, lister, sæt og andre\nindbyggede typer, der bruges til caching, køhåndtering og behandling af hændelser.\n\nMotorer adskiller sig også i, hvor de kører. En klient/server-motor er en\nproces, der kører hele tiden, og som mange programmer når over et netværk. En\nindlejret motor er et bibliotek inde i ét program, og SQLite holder en hel\ndatabase i én almindelig fil; projektet siger selv, at det konkurrerer med\n`fopen()` og ikke med serverdatabaser. Forskellen ses i, hvordan et program\nforbinder sig:\n\n```sh\n# klient/server: forbind til en tjeneste, der allerede kører\npsql \"host=db.internal dbname=shop user=app\"\n\n# indlejret: programmet åbner en fil, og motoren kører inde i det\nsqlite3 shop.db\n```\n\nEn tredje familie er bygget til analyse. BigQuery gemmer hver kolonne for sig,\nhvor mange traditionelle systemer holder en rækkes felter samlet på disken.\nRækkelagring passer til at slå én post op; kolonnelagring passer til at summere\nét felt over millioner af rækker, fordi databaseforespørgslen læser den kolonne\nog lader resten ligge.\n\n## Hvorfor det betyder noget\n\nFiler kan også rumme data. Det, en database lægger til, er løfter om de data i\ndet øjeblik, mange programmer bruger dem på én gang.\n\nDet første løfte er et sammenhængende billede under samtidig brug. PostgreSQL\ngiver hver sætning et øjebliksbillede af dataene, som de stod på et bestemt\ntidspunkt, et design kaldet multiversion concurrency control, eller MVCC, så\nlæsning aldrig blokerer skrivning, og skrivning aldrig blokerer læsning. SQLite\ntillader et vilkårligt antal læsere ad gangen og én skriver i hvert øjeblik, mens de\nandre skrivere venter på deres tur. De\nto passer til forskellige antal skrivere, og det antal afgør meget af valget.\n\nDet andet løfte er, at data bevarer sin form. Et skema angiver, hvilke kolonner\nen tabel har, og hvilken type hver rummer; nøgler og constraints angiver, hvilke\nrækker der må findes. Når databasen håndhæver reglerne, adlyder hvert program,\nder skriver til den, dem. Når reglerne kun bor i applikationskoden, efterlader\ndet første program, der springer dem over, rækker, som hver senere forespørgsel\nmå gardere sig imod.\n\nDet tredje er et fælles sprog med dialekter. SQL er standarden ISO/IEC 9075,\nsenest revideret som SQL:2023, men PostgreSQLs bilag om overensstemmelse\nbemærker, at intet nuværende system hævder fuld overensstemmelse med standardens\nCore. Et skema og dets forespørgsler hører til deres motor, og at flytte dem til\nen anden er en migrering med sin egen test.\n\nSQLites egen dokumentation gør valget af motor til en kort tjekliste: data, der\nligger over et netværk fra den kode, der sender SQL'en, mange processer, der\nskriver i samme øjeblik, eller indhold på vej mod terabyte-området peger hver\nfor sig mod klient/server, og ellers er SQLite det enklere svar. Rapportering i stor skala\nrejser endnu et spørgsmål: om tunge læsninger skal køres på en særskilt analysekopi,\nder fyldes via ETL, så en lang rapport ikke konkurrerer med de forespørgsler,\nkunderne venter på.\n\n## Sådan ser det ud i praksis\n\nI den store ende blev der i en rolle som databaseingeniør i en hurtigt voksende\nteknologivirksomhed\n[oprettet, administreret og optimeret over 100 databaser i PostgreSQL, Microsoft SQL Server og Google BigQuery](/da/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/),\nprimært med GIS-data og tidsseriedata som sensoraflæsninger, logs og\nrealtidsmetrikker. Arbejdet gav normaliserede og denormaliserede skemaer til\nPostgreSQL og SQL Server med spatial indeksering (PostGIS på PostgreSQL-siden)\nog tidsseriepartitionering, mens BigQuery bar store mængder tidsseriedata i\ntidspartitionerede, clustrede tabeller. Med indeksering, materialiserede views\nog caching på plads faldt svartiderne for forespørgsler på GIS- og tidsseriedata\nmed 40–60 %, og automatiseret overvågning reducerede nedetiden med 50 %.\n\nPå et dokumenteret udviklingsstadie [lagrede et mindre system fakta bag et CV, et referenceark, en portefølje og en ansøgning i én SQLite-database](/da/portfolio/built-a-database-driven-cv-generator/) på tre sprog. Én kommando byggede databasen op med alle treogtyve tabeller: den begyndte med en tom fil og kørte nitten ordnede trin, som hvert var sikkert at gentage. Enogfyrre Python-moduler, i alt 10.580 linjer, gengav seks outputformater fra den. En profil valgte, hvilke resultater der optrådte og i hvilken rækkefølge, så et dokument rettet mod én slags læser med sidens ord var »en databaseforespørgsel og ikke en kopi«. Prisen var, at systemet derefter var den eneste måde at frembringe et dokument på. Disse tal beskriver det dokumenterede udviklingsstadie, ikke det nuværende kodelager eller de sprog, det understøtter.\n\nMellem de to størrelser ligger det spørgsmål, enhver travl database møder, og\n[en note om at optimere før sharding](/da/notes/optimise-before-you-shard/)\nsvarer med en rækkefølge: kig, stram op, tag læsningerne væk fra den primære,\npartitionér tabellerne omkring det varme punkt, og shard først, når én maskine\ner fuld af godt arbejde. At kigge betyder at spørge PostgreSQL selv:\n`pg_stat_statements` for de sætninger, der koster mest i alt, og derefter\n`EXPLAIN (ANALYZE, BUFFERS)` for, hvad den dyreste af dem gør.\n\n## Hvor det går galt\n\nDet meste databasebesvær begynder i en beslutning, der blev truffet tidligt, da\ndataene var små, og beslutningen så gratis ud.\n\n**To kopier af ét faktum glider fra hinanden.** CV-generatoren ovenfor findes,\nfordi fakta, der holdes som fire dokumenter, skal rettes fire gange, indtil to\naf dem er uenige, og intet siger, hvilket der gælder. Det samme sker med en\ntabel, der eksporteres til et regneark og redigeres der, eller med en anden\ntjeneste, der fører sin egen kundeliste. Giv hvert faktum ét lager, der ejer\ndet, og lad enhver anden kopi sige, hvor den kom fra og hvornår. Notens cache\nfølger reglen strengt: den må fortælle en køber, at en vare er fuldt reserveret,\nmen hvert ja kommer fra databasen.\n\n**Flere maskiner kommer, før nogen har læst planerne.** At sprede data over\nflere servere spreder de langsomme sætninger over mere hardware uden at gøre\nnogen af dem billigere, og det lægger en varig regning på alt andet: som noten\nopregner det, kører hver migrering, backup, gendannelse og rapport én gang pr.\nshard, og en join på tværs af shards bliver applikationskode. Læs\n`pg_stat_statements` og planerne først, og gem det, de viser, som udgangspunkt.\n\n**En læsning rammer en kopi, der er bagud.** En streaming-replika tager\nlæsninger væk fra den primære og ligger en smule efter den. En bruger, der lige\nhar skrevet noget og læser det tilbage fra replikaen, kan se den gamle værdi.\nLæs en brugers egne nye skrivninger fra den primære.\n\n**Rapporter og kunder deler én motor.** En rapport, der scanner to års historik,\nbeslaglægger hukommelse og disk, som butikkens egne forespørgsler har brug for,\nog det mærker de, der handler. Flyt tung analyse til en warehouse-kopi, og lad\nden daglige database tage sig af de mange små læsninger og skrivninger.\n\n## Læs mere\n\n- [NIST glossary: database](https://csrc.nist.gov/glossary/term/database) — to\n  korte definitioner fra NIST-publikationer, hvoraf den ene også rummer\n  databaser, der ikke er relationelle.\n- [PostgreSQL tutorial: Concepts](https://www.postgresql.org/docs/current/tutorial-concepts.html)\n  — tabeller, rækker, kolonner, databaser og databaseklyngen på én side.\n- [PostgreSQL: Introduction to MVCC](https://www.postgresql.org/docs/current/mvcc-intro.html)\n  — hvordan øjebliksbilleder lader læsere og skrivere arbejde uden at blokere\n  hinanden.\n- [PostgreSQL: SQL Conformance](https://www.postgresql.org/docs/current/features.html)\n  — delene og versionerne af ISO/IEC 9075, og hvad Core-overensstemmelse\n  betyder.\n- [Appropriate Uses For SQLite](https://www.sqlite.org/whentouse.html) — hvor en\n  indlejret motor passer, hvor en klient/server-motor passer bedre, og en\n  tjekliste til valget.\n- [Overview of BigQuery storage](https://cloud.google.com/bigquery/docs/storage_overview)\n  — række- og kolonneorienteret lagring, og hvorfor analyse foretrækker den\n  sidste.\n\n\u003chttps://engineer.company/da/glossary/database/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Hvad ordet database dækker, hvordan server-, indlejrede og analytiske motorer adskiller sig, hvordan man vælger, og vaner, der gør en database tung at drive.","formats":{"gemtext":"https://engineer.company/da/glossary/database/index.gmi","gopher":"https://engineer.company/da/glossary/database/gophermap","html":"https://engineer.company/da/glossary/database/","json":"https://engineer.company/da/glossary/database/index.json","markdown":"https://engineer.company/da/glossary/database/index.md","pdf":"https://engineer.company/da/glossary/database/index.pdf"},"kind":"page","language":"da","title":"Hvad er en database?","url":"https://engineer.company/da/glossary/database/","version":1}