寫給新人的資料庫指南

我們進入第四周資料庫的內容，在資料分析師的職業生涯中，資料庫與sql會是他們價效比最高的技能之一。

資料庫是邏輯上的概念，它是一堆互相關聯的資料，放在物理實體上，是一堆寫在磁碟上的檔案，檔案中有資料。這些最基礎的資料組成了表(table)，我們把它想象成一張excel的sheet。

資料表的抽象概念如上圖。

id是資料庫中重要的概念，叫做唯一識別符號／主鍵，用來表示資料的唯一性。我們把它理解成資料的身份證號。我知道身份證，也就知道資料在**了。

id不會有現實的業務意義，就是一串單純的數字，每張表只能有乙個主鍵。

資料庫是表的集合，乙個資料庫中可以放多張表，我們給每張表命名，表與表之間能互相聯絡。

聯絡就是資料能夠對應匹配，正式名稱叫聯接，對應的操作叫做join，我們想象成excel中的vlookup。

上面就是兩張表，使用者和教育背景，看上去能夠使用姓名進行匹配，可是這裡出現了兩個張三，乙個是北京大學，乙個是上海大學，究竟哪個張三才能和使用者表的張三對應上？都不能。

也許清華大學還有張三，復旦大學，交通大學也有，畢竟全中國姓名相同的人那麼多。正確的用法應該是使用id聯接，而不是姓名。id是產品、運營和資料人員們在工作中接觸最多的內容之一，使用者id文章id商品id等，如果大家還不了解，這裡需要掌握。

上圖就是正確的用法，使用者表和教育表能夠通過id聯接，可能有人疑問，使用者id為1和6的，還是不能對應呀？這個不要緊，因為在資料庫中，不是所有的表都能一一對應，存在部分匹配的可能性，也許那個叫秦路的，他沒讀過書，教育背景表中自然沒有記錄了。

當然，資料庫的設計還要更嚴謹，一般每張表都會有主鍵（主鍵不是必須，但是從效率優化上肯定會加），這個主鍵也不能是其他表的主鍵，防止產生衝突。

這樣就靠譜了，使用者id是使用者表的主鍵，教育背景id是教育背景表的主鍵，我們在教育背景表中加入乙個欄位叫使用者id，它是專門用來聯接使用者表的，它不是主鍵。

是不是有點繞？實際上，並不是所有名字帶id的都叫主鍵，這一點要搞清楚。

資料庫中，表的名字和字段應該是英文。如果是主鍵，只要叫id即可，你要關聯其他表，則以「表名_id」作為聯接。

關聯後的邏輯如下，這種方式叫全聯接，匹配不上的都用null表示，匹配上的我用橙色表示。聯接是關係型資料庫中的核心概念，是操作的基礎，現在迷糊不要緊，多練習幾次就好了。

如果現在我有一張新的表，需要關聯education，聰明的你也一定想到方法了吧。

了解上面的概念，你就知道什麼叫關係型資料庫，簡單說，它是由多張能互相聯接的二維行列**組成的資料庫。

關係型資料庫是基於關係代數模型發展而來。常用的資料庫有sql server、mysql、oracle等，我們後續學習都以mysql為主。

接下來是安裝mysql。

按照教程完成後，我們通過命令列查詢知否成功，win和mac的操作不一樣。

我們當然不會在這麼醜的介面上操作mysql啦，我們還需要安裝gui，這是為我們提供操作介面的。

mac使用者推薦sequealpro，win使用者推薦workbench。後續我會在sequealpro操作。mysql的預設使用者名稱和密碼均是root，建議重新設定一下。

輸入賬號密碼後進入操作介面，資料庫我命名為qin。左側欄是資料庫中的table列表，現在為空。右側是表相關的操作和資訊。

因為現在沒有資料，我們載入曾經使用過的練習資料。資料分析師不需要學習如何建立刪除增改表的操作，因為用不到，我只會講解查詢，大家有興趣可以自行了解。

任何mysql的gui工具，都能載入csv，一般叫import。

encoding選擇autodetect，其餘按預設。

接下來需要設定各字段的資料型別，系統會幫我們自動選上，這裡不用改動。int代表整數數值，varchar代表字串(中文英文標點符號這類)，括號裡面的數字是允許儲存位元組，這塊也不要深入理解，只要知道常用的字段型別即可。

給表取個名字，載入後，就將csv成功匯入到資料庫了，能夠進行資料查詢的操作。

這張表沒有設定主鍵，主要是練習，所以跳過了這一步驟。

下一章，便是講解查詢語言sql。