{"canonical_url":"https://engineer.company/sv/glossary/database/","content_markdown":"# Databas\n\n## Vad det är\n\nEn databas är en mängd data som hålls i en fast struktur, med regler för vad som får komma in, så\natt program kan hitta, ändra och kontrollera innehållet. Samma ord, ofta förkortat DB, används\nockså löst om programmet som sköter förvaringen. Det exakta namnet på det programmet är\ndatabashanterare, på engelska database management system eller DBMS. Ordlistan från NIST återger\ntvå definitioner, och den bredare beskriver ett förråd av information eller data som kan vara,\nmen inte behöver vara, ett traditionellt relationsdatabassystem.\n\nOrdet gör tre jobb, och ett samtal går i cirklar när två personer menar olika saker. Det står för\ninnehållet: kunderna, beställningarna och sensoravläsningarna som en organisation sparar. Det står\nför motorn som lagrar dem: PostgreSQL, SQL Server, SQLite. Och inuti en server står det för en\nbehållare bland flera. Handledningen till PostgreSQL ställer upp nivåerna: rader med namngivna,\ntypade kolumner bildar tabeller, tabeller grupperas i databaser, och de databaser som en\nserverinstans hanterar tillsammans bildar ett databaskluster. SQL Server drar samma gräns mellan\nen instans och de databaser den rymmer. ”Databasen är långsam” kan alltså betyda en tabell, en\nbehållare eller en hel maskin.\n\nDe flesta motorer i dagligt bruk är relationella: de lagrar data som relationer, den matematiska\ntermen för tabeller, och tar emot SQL-frågor. Handledningen till PostgreSQL nämner andra upplägg.\nFilerna och katalogerna i ett Unix-liknande system bildar en hierarkisk databas, och\nobjektorienterade databaser kom senare. Redis beskriver sig som en datastrukturserver: i stället\nför tabeller erbjuder den strängar, hashar, listor, mängder och andra inbyggda typer, som används\nför cachning, köer och händelsehantering.\n\nMotorer skiljer sig också i var de körs. En klient/server-motor är en långlivad process som många\nprogram når över ett nätverk. En inbäddad motor är ett bibliotek inuti ett enda program, och\nSQLite håller en hel databas, med tabeller, index, triggers och vyer, i en enda vanlig fil.\nProjektet säger själv att det konkurrerar med `fopen()` snarare än med serverdatabaser. Skillnaden\nsyns i hur ett program ansluter:\n\n```sh\n# client/server: connect to a service that is already running\npsql \"host=db.internal dbname=shop user=app\"\n\n# embedded: the program opens a file and the engine runs inside it\nsqlite3 shop.db\n```\n\nEn tredje familj är byggd för analys. BigQuery lagrar varje kolumn för sig, medan många\ntraditionella system håller en rads fält samlade på disk. Radlagring passar när du slår upp en\nenskild post; kolumnlagring passar när du summerar ett fält över miljontals rader, eftersom\ndatabasfrågan då läser just den kolumnen och lämnar resten i fred.\n\n## Varför det spelar roll\n\nFiler rymmer också data. En databas lägger till löften om innehållet, för det läge då många\nprogram använder det på samma gång.\n\nDet första löftet är en konsistent bild vid samtidig användning. PostgreSQL ger varje sats en\nögonblicksbild av datan som den såg ut vid en viss tidpunkt, en design som kallas multiversion\nconcurrency control, MVCC, så att läsning aldrig blockerar skrivning och skrivning aldrig blockerar\nläsning. SQLite tillåter hur många läsare som helst samtidigt och en skrivare åt gången, medan\növriga skrivare väntar på sin tur. De två passar olika antal skrivare, och det antalet gör en stor\ndel av valet.\n\nDet andra löftet är att datan behåller sin form. Ett databasschema anger vilka kolumner en tabell\nhar och vilken typ var och en håller; nycklar och villkor anger vilka rader som får finnas. När\ndatabasen själv upprätthåller reglerna följer varje program som skriver till den dem. När reglerna\nbara finns i applikationskoden lämnar det första program som hoppar över dem rader efter sig, och\nvarje senare databasfråga måste sedan försvara sig mot dem.\n\nDet tredje är ett gemensamt språk, med dialekter. SQL är standarden ISO/IEC 9075, senast\nreviderad som SQL:2023, men bilagan om standardefterlevnad i dokumentationen för PostgreSQL\nnoterar att inget nuvarande system gör anspråk på full överensstämmelse med standardens Core. Ett\nschema och dess databasfrågor hör till sin motor, och att flytta dem till en annan är ett eget\nprojekt med egen testning.\n\nDokumentationen för SQLite gör valet av motor till en kort checklista. Data som ligger på andra\nsidan ett nätverk från koden som skickar SQL, många processer som skriver i samma ögonblick eller\ninnehåll på väg mot terabyteklassen pekar var och en mot klient/server; annars är SQLite det\nenklare svaret. Rapportering i stor skala lägger till en fråga till: om tunga läsningar hör hemma\npå en separat analyskopia, fylld via ETL, så att en lång rapport aldrig konkurrerar med de\ndatabasfrågor som kunderna väntar på.\n\n## Så ser det ut i praktiken\n\nDatabaserna här sträcker sig från över 100 i en och samma roll till en enda SQLite-fil.\n\nI den stora änden\n[skapades, förvaltades och optimerades över 100 databaser i PostgreSQL, Microsoft SQL Server och Google BigQuery](/sv/portfolio/ran-100-postgresql-ms-sql-bigquery-warehouses/)\ninom en roll som databasingenjör på ett snabbväxande teknikföretag.\nDe flesta av dem lagrade GIS-data och tidsseriedata som sensoravläsningar, loggar och mätvärden i\nrealtid. Arbetet gav normaliserade och denormaliserade scheman för PostgreSQL och SQL Server, med\nspatial indexering (PostGIS på PostgreSQL-sidan) och tidsseriepartitionering, medan BigQuery bar\nstora mängder tidsseriedata i tidspartitionerade, klustrade tabeller. Med indexering,\nmaterialiserade vyer och cachning på plats minskade svarstiderna för databasfrågor mot GIS- och\ntidsseriedata med 40–60 %, och automatiserad övervakning minskade driftstoppen med 50 %.\n\nI ett dokumenterat utvecklingsskede [lagrade ett mindre system fakta bakom ett CV, ett referensblad, en portfölj och ett personligt brev i en enda SQLite-fil](/sv/portfolio/built-a-database-driven-cv-generator/) 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.\n\nMellan de storlekarna står frågan som varje hårt belastad databas till slut möter, och\n[en anteckning om att optimera innan du shardar](/sv/notes/optimise-before-you-shard/) besvarar\nden med en arbetsordning: titta, skärp, flytta läsningarna från primärnoden, partitionera\ntabellerna runt den heta punkten och sharda först när en maskin är full av bra arbete. Att titta\nbetyder att fråga PostgreSQL själv: `pg_stat_statements` för de satser som kostar mest totalt,\nsedan `EXPLAIN (ANALYZE, BUFFERS)` för vad den dyraste av dem gör.\n\n## Var det går fel\n\nDe flesta problem med en databas börjar i ett beslut som fattades tidigt, när datan var liten och\nbeslutet såg gratis ut.\n\n**Två kopior av samma uppgift glider isär.** CV-generatorn ovan finns för att fakta som hålls i\nfyra dokument rättas fyra gånger, tills två av dem säger emot varandra och ingenting visar vilket\nsom gäller. Samma sak händer en tabell som exporteras till ett kalkylark och redigeras där, eller\nen andra tjänst med en egen kundlista. Ge varje uppgift en enda plats som äger den, och låt varje\nannan kopia säga var den kommer ifrån och när den togs. Anteckningens cache följer den regeln\nstrikt: den får tala om för en köpare att en vara är fullt reserverad, men varje ja kommer\nfortfarande från databasen.\n\n**Fler maskiner kommer innan någon har läst frågeplanerna.** Att dela upp data över flera servrar\nsprider de långsamma satserna över mer hårdvara utan att göra någon av dem billigare, och det\nlägger en bestående kostnad på allt annat. Som anteckningen räknar upp körs varje\ndatabasmigrering, säkerhetskopiering, återställning och rapport en gång per shard, och en join\növer flera shards blir applikationskod. Läs `pg_stat_statements` och frågeplanerna först, och\nbehåll det de visar som utgångsläge.\n\n**En läsning hamnar på en kopia som ligger efter.** En strömmande replik tar läsningar från\nprimärnoden och ligger hela tiden en liten bit efter den. En användare som just har skrivit något\noch sedan läser tillbaka det från repliken kan få se det gamla värdet. Läs en användares egna\nnyliga skrivningar från primärnoden.\n\n**Rapporter och kunder delar en motor.** En rapport som skannar två års historik håller minne och\ndisk som butikens egna databasfrågor behöver, och de som handlar märker det. Flytta tung analys\ntill en kopia i ett analysdatalager, och låt den operativa databasen sköta de många små läsningar\noch skrivningar som den finns till för.\n\n## Läs mer\n\n- [NIST glossary: database](https://csrc.nist.gov/glossary/term/database) — två korta\n  definitioner ur publikationer från NIST, varav den ena ger plats för databaser som inte är\n  relationella.\n- [PostgreSQL tutorial: Concepts](https://www.postgresql.org/docs/current/tutorial-concepts.html)\n  — tabeller, rader, kolumner, databaser och databasklustret, på en enda sida.\n- [PostgreSQL: Introduction to MVCC](https://www.postgresql.org/docs/current/mvcc-intro.html) —\n  hur ögonblicksbilder låter läsare och skrivare arbeta utan att blockera varandra.\n- [PostgreSQL: SQL Conformance](https://www.postgresql.org/docs/current/features.html) — delarna\n  och versionerna av ISO/IEC 9075, och vad överensstämmelse med Core innebär.\n- [Appropriate Uses For SQLite](https://www.sqlite.org/whentouse.html) — var en inbäddad motor\n  passar, var en klient/server-motor passar bättre, och en checklista för valet.\n- [Overview of BigQuery storage](https://cloud.google.com/bigquery/docs/storage_overview) — rad-\n  och kolumnorienterad lagring, och varför analys gynnar den senare.\n\n\u003chttps://engineer.company/sv/glossary/database/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Vad ordet databas står för, hur server-, inbäddade och analytiska motorer skiljer sig åt, hur du väljer och vilka vanor som gör en databas svår att leva med.","formats":{"gemtext":"https://engineer.company/sv/glossary/database/index.gmi","gopher":"https://engineer.company/sv/glossary/database/gophermap","html":"https://engineer.company/sv/glossary/database/","json":"https://engineer.company/sv/glossary/database/index.json","markdown":"https://engineer.company/sv/glossary/database/index.md","pdf":"https://engineer.company/sv/glossary/database/index.pdf"},"kind":"page","language":"sv","title":"Vad är en databas?","url":"https://engineer.company/sv/glossary/database/","version":1}