程序运行的时候,数据都是在内存中的。当程序终止的时候,通常都需要将数据保存到磁盘上,无论是保存到本地磁盘,还是通过网络保存到服务器上,最终都会将数据写入磁盘文件。 而如何定义数据的存储格式就是一个大问题。如果我们自己来定义存储格式,比如保存一个班级所有学生的成绩单: | 名字 | 成绩 | | Michael | 99 | | Bob | 85 | | Bart | 59 | | Lisa | 87 | 你可以用一个文本文件保存,一行保存一个学生,用`,`隔开: ~~~ Michael,99 Bob,85 Bart,59 Lisa,87 ~~~ 你还可以用JSON格式保存,也是文本文件: ~~~ [ {"name":"Michael","score":99}, {"name":"Bob","score":85}, {"name":"Bart","score":59}, {"name":"Lisa","score":87} ] ~~~ 你还可以定义各种保存格式,但是问题来了: 存储和读取需要自己实现,JSON还是标准,自己定义的格式就各式各样了; 不能做快速查询,只有把数据全部读到内存中才能自己遍历,但有时候数据的大小远远超过了内存(比如蓝光电影,40GB的数据),根本无法全部读入内存。 为了便于程序保存和读取数据,而且,能直接通过条件快速查询到指定的数据,就出现了数据库(Database)这种专门用于集中存储和查询的软件。 数据库软件诞生的历史非常久远,早在1950年数据库就诞生了。经历了网状数据库,层次数据库,我们现在广泛使用的关系数据库是20世纪70年代基于关系模型的基础上诞生的。 关系模型有一套复杂的数学理论,但是从概念上是十分容易理解的。举个学校的例子: 假设某个XX省YY市ZZ县第一实验小学有3个年级,要表示出这3个年级,可以在Excel中用一个表格画出来: ![2015-06-25/558b9f7fb4a65](https://box.kancloud.cn/2015-06-25_558b9f7fb4a65.png) 每个年级又有若干个班级,要把所有班级表示出来,可以在Excel中再画一个表格: ![2015-06-25/558b9f8bdcb0e](https://box.kancloud.cn/2015-06-25_558b9f8bdcb0e.png) 这两个表格有个映射关系,就是根据Grade_ID可以在班级表中查找到对应的所有班级: ![2015-06-25/558b9f97d84d2](https://box.kancloud.cn/2015-06-25_558b9f97d84d2.png) 也就是Grade表的每一行对应Class表的多行,在关系数据库中,这种基于表(Table)的一对多的关系就是关系数据库的基础。 根据某个年级的ID就可以查找所有班级的行,这种查询语句在关系数据库中称为SQL语句,可以写成: ~~~ SELECT * FROM classes WHERE grade_id = '1'; ~~~ 结果也是一个表: ~~~ ---------+----------+---------- grade_id | class_id | name ---------+----------+---------- 1 | 11 | 一年级一班 ---------+----------+---------- 1 | 12 | 一年级二班 ---------+----------+---------- 1 | 13 | 一年级三班 ---------+----------+---------- ~~~ 类似的,Class表的一行记录又可以关联到Student表的多行记录: ![2015-06-25/558b9faa9a4bc](https://box.kancloud.cn/2015-06-25_558b9faa9a4bc.png) 由于本教程不涉及到关系数据库的详细内容,如果你想从零学习关系数据库和基本的SQL语句,推荐Coursera课程: 英文:[https://www.coursera.org/course/db](https://www.coursera.org/course/db) 中文:[http://c.open.163.com/coursera/courseIntro.htm?cid=12](http://c.open.163.com/coursera/courseIntro.htm?cid=12) ### NoSQL 你也许还听说过NoSQL数据库,很多NoSQL宣传其速度和规模远远超过关系数据库,所以很多同学觉得有了NoSQL是否就不需要SQL了呢?千万不要被他们忽悠了,连SQL都不明白怎么可能搞明白NoSQL呢? ### 数据库类别 既然我们要使用关系数据库,就必须选择一个关系数据库。目前广泛使用的关系数据库也就这么几种: 付费的商用数据库: * Oracle,典型的高富帅; * SQL Server,微软自家产品,Windows定制专款; * DB2,IBM的产品,听起来挺高端; * Sybase,曾经跟微软是好基友,后来关系破裂,现在家境惨淡。 这些数据库都是不开源而且付费的,最大的好处是花了钱出了问题可以找厂家解决,不过在Web的世界里,常常需要部署成千上万的数据库服务器,当然不能把大把大把的银子扔给厂家,所以,无论是Google、Facebook,还是国内的BAT,无一例外都选择了免费的开源数据库: * MySQL,大家都在用,一般错不了; * PostgreSQL,学术气息有点重,其实挺不错,但知名度没有MySQL高; * sqlite,嵌入式数据库,适合桌面和移动应用。 作为Python开发工程师,选择哪个免费数据库呢?当然是MySQL。因为MySQL普及率最高,出了错,可以很容易找到解决方法。而且,围绕MySQL有一大堆监控和运维的工具,安装和使用很方便。 为了能继续后面的学习,你需要从MySQL官方网站下载并安装[MySQL Community Server 5.6](http://dev.mysql.com/downloads/mysql/),这个版本是免费的,其他高级版本是要收钱的(请放心,收钱的功能我们用不上)。