12 KiB
使用數據：非關聯式數據
 |
|---|
| 使用 NoSQL 數據 - 草圖筆記由 @nitya 繪製 |
課前測驗
數據並不限於關聯式數據庫。本課程專注於非關聯式數據，並將涵蓋試算表和 NoSQL 的基礎知識。
試算表
試算表是一種流行的數據存儲和探索方式，因為它的設置和使用起來相對簡單。在本課程中，您將學習試算表的基本組成部分，以及公式和函數。示例將以 Microsoft Excel 為例，但大多數部分和主題在其他試算表軟件中名稱和步驟相似。
試算表是一個文件，可以在計算機、設備或基於雲的文件系統中訪問。軟件本身可能是基於瀏覽器的，也可能是需要安裝在計算機上的應用程序，或者下載為應用程式。在 Excel 中，這些文件被定義為 工作簿，本課程將使用這一術語。
一個工作簿包含一個或多個 工作表，每個工作表通過標籤進行標記。在工作表中有稱為 儲存格 的矩形，這些儲存格包含實際數據。儲存格是行和列的交叉點，其中列用字母標記，行用數字標記。一些試算表會在前幾行中包含標題，用於描述儲存格中的數據。
了解了 Excel 工作簿的這些基本元素後，我們將使用來自 Microsoft 模板 的一個關於庫存的示例，來進一步了解試算表的其他部分。
管理庫存
名為 "InventoryExample" 的試算表文件是一個格式化的庫存項目試算表，包含三個工作表，標籤分別為 "Inventory List"、"Inventory Pick List" 和 "Bin Lookup"。在 Inventory List 工作表中，第 4 行是標題行，描述了標題列中每個儲存格的值。
有時，一個儲存格的值依賴於其他儲存格的值來生成。在 Inventory List 試算表中，我們記錄了庫存中每個項目的成本，但如果我們需要知道整個庫存的總價值該怎麼辦？公式 用於對儲存格數據執行操作，在此示例中用於計算庫存的成本。該試算表在 Inventory Value 列中使用了一個公式，通過將 QTY 標題下的數量與 COST 標題下的成本相乘來計算每個項目的價值。雙擊或高亮顯示一個儲存格即可查看公式。您會注意到，公式以等號開頭，後面是計算或操作。
我們還可以使用另一個公式將所有 Inventory Value 的值相加，從而獲得其總價值。雖然可以通過逐一相加每個儲存格來計算總和，但這樣做會非常繁瑣。Excel 提供了 函數，即預定義的公式，用於對儲存格值進行計算。函數需要參數，即執行這些計算所需的值。如果函數需要多個參數，則需要按特定順序列出，否則函數可能無法正確計算值。在此示例中，我們使用了 SUM 函數，並使用 Inventory Value 的值作為參數來生成總和，該總和列於第 3 行，第 B 列（也稱為 B3）。
NoSQL
NoSQL 是一個總稱，涵蓋了存儲非關聯式數據的不同方式，可以解釋為 "非 SQL"、"非關聯式" 或 "不僅僅是 SQL"。這類數據庫系統可以分為四種類型。
鍵值 數據庫將唯一鍵（作為唯一標識符）與值配對。這些配對使用 哈希表 和適當的哈希函數進行存儲。
來源：Microsoft
圖形 數據庫描述數據中的關係，並以節點和邊的集合表示。節點代表實體，即現實世界中存在的事物，例如學生或銀行對賬單。邊則表示兩個實體之間的關係。每個節點和邊都有屬性，提供有關節點和邊的附加信息。
列式 數據存儲將數據組織為列和行，類似於關聯式數據結構，但每列被劃分為稱為列族的組，其中一列下的所有數據是相關的，可以作為一個單元檢索和更改。
使用 Azure Cosmos DB 的文檔數據存儲
文檔 數據存儲基於鍵值數據存儲的概念，由一系列字段和對象組成。本節將通過 Cosmos DB 模擬器探索文檔數據庫。
Cosmos DB 數據庫符合 "不僅僅是 SQL" 的定義，其中 Cosmos DB 的文檔數據庫依賴於 SQL 來查詢數據。上一課 涵蓋了 SQL 的基礎知識，我們可以在這裡將一些相同的查詢應用於文檔數據庫。我們將使用 Cosmos DB 模擬器，該模擬器允許我們在計算機上本地創建和探索文檔數據庫。更多有關模擬器的信息請參閱此處。
文檔是字段和對象值的集合，其中字段描述對象值的含義。以下是一個文檔示例。
{
"firstname": "Eva",
"age": 44,
"id": "8c74a315-aebf-4a16-bb38-2430a9896ce5",
"_rid": "bHwDAPQz8s0BAAAAAAAAAA==",
"_self": "dbs/bHwDAA==/colls/bHwDAPQz8s0=/docs/bHwDAPQz8s0BAAAAAAAAAA==/",
"_etag": "\"00000000-0000-0000-9f95-010a691e01d7\"",
"_attachments": "attachments/",
"_ts": 1630544034
}
此文檔中的關鍵字段包括：firstname、id 和 age。其餘帶下劃線的字段是由 Cosmos DB 自動生成的。
使用 Cosmos DB 模擬器探索數據
您可以在此處下載並安裝 Windows 版模擬器。有關如何在 macOS 和 Linux 上運行模擬器的選項，請參閱此文檔。
模擬器會啟動一個瀏覽器窗口，其中的 Explorer 視圖允許您探索文檔。
如果您正在跟隨操作，點擊 "Start with Sample" 以生成一個名為 SampleDB 的示例數據庫。如果您點擊 SampleDB 左側的箭頭展開，您會發現一個名為 Persons 的容器。容器包含一系列項目，即容器內的文檔。您可以探索 Items 下的四個單獨文檔。
使用 Cosmos DB 模擬器查詢文檔數據
我們還可以通過點擊 "New SQL Query" 按鈕（左側第二個按鈕）來查詢示例數據。
SELECT * FROM c 將返回容器中的所有文檔。我們可以添加一個 where 子句，查找年齡小於 40 的人。
SELECT * FROM c where c.age < 40
查詢返回了兩個文檔，注意每個文檔的 age 值都小於 40。
JSON 與文檔
如果您熟悉 JavaScript Object Notation (JSON)，您會發現文檔看起來與 JSON 類似。本目錄中有一個 PersonsData.json 文件，您可以將其上傳到模擬器中的 Persons 容器，方法是使用 Upload Item 按鈕。
在大多數情況下，返回 JSON 數據的 API 可以直接將數據傳輸並存儲到文檔數據庫中。以下是另一個文檔示例，它表示從 Microsoft Twitter 帳戶檢索的推文，這些推文是通過 Twitter API 獲取後插入到 Cosmos DB 中的。
{
"created_at": "2021-08-31T19:03:01.000Z",
"id": "1432780985872142341",
"text": "Blank slate. Like this tweet if you’ve ever painted in Microsoft Paint before. https://t.co/cFeEs8eOPK",
"_rid": "dhAmAIUsA4oHAAAAAAAAAA==",
"_self": "dbs/dhAmAA==/colls/dhAmAIUsA4o=/docs/dhAmAIUsA4oHAAAAAAAAAA==/",
"_etag": "\"00000000-0000-0000-9f84-a0958ad901d7\"",
"_attachments": "attachments/",
"_ts": 1630537000
此文檔中的關鍵字段包括：created_at、id 和 text。
🚀 挑戰
目錄中有一個 TwitterData.json 文件，您可以將其上傳到 SampleDB 數據庫。建議您將其添加到一個單獨的容器中。操作步驟如下：
- 點擊右上角的 "New Container" 按鈕
- 選擇現有數據庫（SampleDB），為容器創建一個容器 ID
- 將分區鍵設置為
/id - 點擊 OK（可以忽略此視圖中的其他信息，因為這是一個小型數據集，運行在您的本地機器上）
- 打開新容器，使用
Upload Item按鈕上傳 Twitter Data 文件
嘗試運行一些 SELECT 查詢，查找 text 字段中包含 Microsoft 的文檔。提示：嘗試使用 LIKE 關鍵字。
課後測驗
回顧與自學
-
該試算表中還添加了一些本課未涵蓋的格式和功能。如果您有興趣了解更多，Microsoft 提供了 大量的 Excel 文檔和視頻。
-
此架構文檔詳細介紹了不同類型非關聯式數據的特性：非關聯式數據與 NoSQL。
-
Cosmos DB 是一個基於雲的非關聯式數據庫，也可以存儲本課中提到的不同 NoSQL 類型。了解更多請參閱此 Cosmos DB Microsoft Learn 模組。
作業
免責聲明：
本文檔已使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。