Databas

Vad det är

En databas är en mängd data som hålls i en fast struktur, med regler
för vad som får komma in, så att program kan hitta, ändra och
kontrollera innehållet. Samma ord, ofta förkortat DB, används också
löst om programmet som sköter förvaringen. Det exakta namnet på det
programmet är databashanterare, på engelska database management
system eller DBMS. Ordlistan från NIST återger två definitioner, och
den bredare beskriver ett förråd av information eller data som kan
vara, men inte behöver vara, ett traditionellt
relationsdatabassystem.

Ordet gör tre jobb, och ett samtal går i cirklar när två personer
menar olika saker. Det står för innehållet: kunderna,
beställningarna och sensoravläsningarna som en organisation sparar.
Det står för motorn som lagrar dem: PostgreSQL, SQL Server, SQLite.
Och inuti en server står det för en behållare bland flera.
Handledningen till PostgreSQL ställer upp nivåerna: rader med
namngivna, typade kolumner bildar tabeller, tabeller grupperas i
databaser, och de databaser som en serverinstans hanterar
tillsammans bildar ett databaskluster. SQL Server drar samma gräns
mellan en instans och de databaser den rymmer. ”Databasen är
långsam” kan alltså betyda en tabell, en behållare eller en hel
maskin.

De flesta motorer i dagligt bruk är relationella: de lagrar data som
relationer, den matematiska termen för tabeller, och tar emot
SQL-frågor. Handledningen till PostgreSQL nämner andra upplägg.
Filerna och katalogerna i ett Unix-liknande system bildar en
hierarkisk databas, och objektorienterade databaser kom senare.
Redis beskriver sig som en datastrukturserver: i stället för
tabeller erbjuder den strängar, hashar, listor, mängder och andra
inbyggda typer, som används för cachning, köer och
händelsehantering.

Motorer skiljer sig också i var de körs. En klient/server-motor är
en långlivad process som många program når över ett nätverk. En
inbäddad motor är ett bibliotek inuti ett enda program, och SQLite
håller en hel databas, med tabeller, index, triggers och vyer, i en
enda vanlig fil. Projektet säger själv att det konkurrerar med
`fopen()` snarare än med serverdatabaser. Skillnaden syns i hur ett
program ansluter:

```sh
i# client/server: connect to a service that is already running		engineer.company	70
psql "host=db.internal dbname=shop user=app"

i# embedded: the program opens a file and the engine runs inside it		engineer.company	70
sqlite3 shop.db
```

En tredje familj är byggd för analys. BigQuery lagrar varje kolumn
för sig, medan många traditionella system håller en rads fält
samlade på disk. Radlagring passar när du slår upp en enskild post;
kolumnlagring passar när du summerar ett fält över miljontals rader,
eftersom databasfrågan då läser just den kolumnen och lämnar resten
i fred.

Varför det spelar roll

Filer rymmer också data. En databas lägger till löften om
innehållet, för det läge då många program använder det på samma
gång.

Det första löftet är en konsistent bild vid samtidig användning.
PostgreSQL ger varje sats en ögonblicksbild av datan som den såg ut
vid en viss tidpunkt, en design som kallas multiversion concurrency
control, MVCC, så att läsning aldrig blockerar skrivning och
skrivning aldrig blockerar läsning. SQLite tillåter hur många läsare
som helst samtidigt och en skrivare åt gången, medan övriga skrivare
väntar på sin tur. De två passar olika antal skrivare, och det
antalet gör en stor del av valet.

Det andra löftet är att datan behåller sin form. Ett databasschema
anger vilka kolumner en tabell har och vilken typ var och en håller;
nycklar och villkor anger vilka rader som får finnas. När databasen
själv upprätthåller reglerna följer varje program som skriver till
den dem. När reglerna bara finns i applikationskoden lämnar det
första program som hoppar över dem rader efter sig, och varje senare
databasfråga måste sedan försvara sig mot dem.

Det tredje är ett gemensamt språk, med dialekter. SQL är standarden
ISO/IEC 9075, senast reviderad som SQL:2023, men bilagan om
standardefterlevnad i dokumentationen för PostgreSQL noterar att
inget nuvarande system gör anspråk på full överensstämmelse med
standardens Core. Ett schema och dess databasfrågor hör till sin
motor, och att flytta dem till en annan är ett eget projekt med egen
testning.

Dokumentationen för SQLite gör valet av motor till en kort
checklista. Data som ligger på andra sidan ett nätverk från koden
som skickar SQL, många processer som skriver i samma ögonblick eller
innehåll på väg mot terabyteklassen pekar var och en mot
klient/server; annars är SQLite det enklare svaret. Rapportering i
stor skala lägger till en fråga till: om tunga läsningar hör hemma
på en separat analyskopia, fylld via ETL, så att en lång rapport
aldrig konkurrerar med de databasfrågor som kunderna väntar på.

Så ser det ut i praktiken

Databaserna här sträcker sig från över 100 i en och samma roll till
en enda SQLite-fil.

I den stora änden skapades, förvaltades och optimerades över 100
databaser i PostgreSQL, Microsoft SQL Server och Google BigQuery
inom en roll som databasingenjör på ett snabbväxande teknikföretag.
De flesta av dem lagrade GIS-data och tidsseriedata som
sensoravläsningar, loggar och mätvärden i realtid. Arbetet gav
normaliserade och denormaliserade scheman för PostgreSQL och SQL
Server, med spatial indexering (PostGIS på PostgreSQL-sidan) och
tidsseriepartitionering, medan BigQuery bar stora mängder
tidsseriedata i tidspartitionerade, klustrade tabeller. Med
indexering, materialiserade vyer och cachning på plats minskade
svarstiderna för databasfrågor mot GIS- och tidsseriedata med 40–60
i%, och automatiserad övervakning minskade driftstoppen med 50 %.		engineer.company	70

I ett dokumenterat utvecklingsskede lagrade ett mindre system fakta
bakom ett CV, ett referensblad, en portfölj och ett personligt brev
i en enda SQLite-fil på tre språk. Databasens tjugotre tabeller
fylldes av en datapipeline i nitton ordnade steg, och ett enda
kommando byggde hela databasen från grunden; varje steg var
idempotent, alltså säkert att köra igen. Fyrtioen Python-moduler, 10
580 rader sammanlagt, renderade sex utdataformat ur den. En profil
valde vilka resultat som visades och i vilken ordning, så ett
dokument riktat till en viss sorts läsare var, med sidans egna ord,
”en databasfråga snarare än en kopia”. Priset var att systemet
därefter var det enda sättet att ta fram ett dokument. Dessa tal
beskriver det dokumenterade utvecklingsskedet, inte det nuvarande
kodförrådet eller dess språkstöd.

Mellan de storlekarna står frågan som varje hårt belastad databas
till slut möter, och en anteckning om att optimera innan du shardar
besvarar den med en arbetsordning: titta, skärp, flytta läsningarna
från primärnoden, partitionera tabellerna runt den heta punkten och
sharda först när en maskin är full av bra arbete. Att titta betyder
att fråga PostgreSQL själv: `pg_stat_statements` för de satser som
kostar mest totalt, sedan `EXPLAIN (ANALYZE, BUFFERS)` för vad den
dyraste av dem gör.

Var det går fel

De flesta problem med en databas börjar i ett beslut som fattades
tidigt, när datan var liten och beslutet såg gratis ut.

Två kopior av samma uppgift glider isär. CV-generatorn ovan finns
för att fakta som hålls i fyra dokument rättas fyra gånger, tills
två av dem säger emot varandra och ingenting visar vilket som
gäller. Samma sak händer en tabell som exporteras till ett kalkylark
och redigeras där, eller en andra tjänst med en egen kundlista. Ge
varje uppgift en enda plats som äger den, och låt varje annan kopia
säga var den kommer ifrån och när den togs. Anteckningens cache
följer den regeln strikt: den får tala om för en köpare att en vara
är fullt reserverad, men varje ja kommer fortfarande från databasen.

Fler maskiner kommer innan någon har läst frågeplanerna. Att dela
upp data över flera servrar sprider de långsamma satserna över mer
hårdvara utan att göra någon av dem billigare, och det lägger en
bestående kostnad på allt annat. Som anteckningen räknar upp körs
varje databasmigrering, säkerhetskopiering, återställning och
rapport en gång per shard, och en join över flera shards blir
applikationskod. Läs `pg_stat_statements` och frågeplanerna först,
och behåll det de visar som utgångsläge.

En läsning hamnar på en kopia som ligger efter. En strömmande replik
tar läsningar från primärnoden och ligger hela tiden en liten bit
efter den. En användare som just har skrivit något och sedan läser
tillbaka det från repliken kan få se det gamla värdet. Läs en
användares egna nyliga skrivningar från primärnoden.

Rapporter och kunder delar en motor. En rapport som skannar två års
historik håller minne och disk som butikens egna databasfrågor
behöver, och de som handlar märker det. Flytta tung analys till en
kopia i ett analysdatalager, och låt den operativa databasen sköta
de många små läsningar och skrivningar som den finns till för.

Läs mer

  * NIST glossary: database — två korta definitioner ur
publikationer från NIST, varav den ena ger plats för databaser som
inte är relationella.

  * PostgreSQL tutorial: Concepts — tabeller, rader, kolumner,
databaser och databasklustret, på en enda sida.

  * PostgreSQL: Introduction to MVCC — hur ögonblicksbilder låter
läsare och skrivare arbeta utan att blockera varandra.

  * PostgreSQL: SQL Conformance — delarna och versionerna av ISO/IEC
9075, och vad överensstämmelse med Core innebär.

  * Appropriate Uses For SQLite — var en inbäddad motor passar, var
en klient/server-motor passar bättre, och en checklista för valet.

  * Overview of BigQuery storage — rad- och kolumnorienterad
lagring, och varför analys gynnar den senare.

hDen här sidan på webben	URL:https://engineer.company/sv/glossary/database/	engineer.company	70
