Data-Science-For-Beginners/translations/vi/2-Working-With-Data/05-relational-databases

Làm việc với dữ liệu: Cơ sở dữ liệu quan hệ

Làm việc với dữ liệu: Cơ sở dữ liệu quan hệ - Sketchnote của @nitya

Có lẽ bạn đã từng sử dụng bảng tính để lưu trữ thông tin. Bạn có một tập hợp các hàng và cột, trong đó các hàng chứa thông tin (hoặc dữ liệu), và các cột mô tả thông tin (đôi khi được gọi là siêu dữ liệu). Một cơ sở dữ liệu quan hệ được xây dựng dựa trên nguyên tắc cốt lõi này của các cột và hàng trong bảng, cho phép bạn lưu trữ thông tin trên nhiều bảng. Điều này giúp bạn làm việc với dữ liệu phức tạp hơn, tránh trùng lặp và có sự linh hoạt trong cách khám phá dữ liệu. Hãy cùng khám phá các khái niệm về cơ sở dữ liệu quan hệ.

Câu hỏi trước bài giảng

Mọi thứ bắt đầu từ các bảng

Cốt lõi của một cơ sở dữ liệu quan hệ là các bảng. Tương tự như bảng tính, một bảng là tập hợp các cột và hàng. Hàng chứa dữ liệu hoặc thông tin mà chúng ta muốn làm việc, chẳng hạn như tên của một thành phố hoặc lượng mưa. Các cột mô tả dữ liệu mà chúng lưu trữ.

Hãy bắt đầu khám phá bằng cách tạo một bảng để lưu trữ thông tin về các thành phố. Chúng ta có thể bắt đầu với tên và quốc gia của chúng. Bạn có thể lưu trữ thông tin này trong một bảng như sau:

Thành phố	Quốc gia
Tokyo	Nhật Bản
Atlanta	Hoa Kỳ
Auckland	New Zealand

Lưu ý rằng tên các cột thành phố, quốc gia và dân số mô tả dữ liệu được lưu trữ, và mỗi hàng chứa thông tin về một thành phố.

Hạn chế của cách tiếp cận một bảng

Có lẽ bảng trên trông khá quen thuộc với bạn. Hãy bắt đầu thêm một số dữ liệu bổ sung vào cơ sở dữ liệu đang phát triển của chúng ta - lượng mưa hàng năm (tính bằng milimét). Chúng ta sẽ tập trung vào các năm 2018, 2019 và 2020. Nếu chúng ta thêm dữ liệu cho Tokyo, nó có thể trông như sau:

Thành phố	Quốc gia	Năm	Lượng mưa
Tokyo	Nhật Bản	2020	1690
Tokyo	Nhật Bản	2019	1874
Tokyo	Nhật Bản	2018	1445

Bạn nhận thấy gì về bảng của chúng ta? Có thể bạn nhận thấy rằng chúng ta đang lặp lại tên và quốc gia của thành phố nhiều lần. Điều này có thể chiếm khá nhiều dung lượng lưu trữ và phần lớn là không cần thiết. Rốt cuộc, Tokyo chỉ có một tên mà chúng ta quan tâm.

Được rồi, hãy thử một cách khác. Hãy thêm các cột mới cho từng năm:

Thành phố	Quốc gia	2018	2019	2020
Tokyo	Nhật Bản	1445	1874	1690
Atlanta	Hoa Kỳ	1779	1111	1683
Auckland	New Zealand	1386	942	1176

Mặc dù cách này tránh được việc lặp lại các hàng, nhưng nó lại gây ra một số thách thức khác. Chúng ta sẽ cần thay đổi cấu trúc của bảng mỗi khi có một năm mới. Ngoài ra, khi dữ liệu tăng lên, việc sử dụng các năm làm cột sẽ khiến việc truy xuất và tính toán giá trị trở nên khó khăn hơn.

Đây là lý do tại sao chúng ta cần nhiều bảng và các mối quan hệ. Bằng cách chia nhỏ dữ liệu, chúng ta có thể tránh trùng lặp và có nhiều sự linh hoạt hơn trong cách làm việc với dữ liệu.

Các khái niệm về mối quan hệ

Hãy quay lại dữ liệu của chúng ta và xác định cách chúng ta muốn chia nhỏ nó. Chúng ta biết rằng chúng ta muốn lưu trữ tên và quốc gia của các thành phố, vì vậy điều này có lẽ sẽ hoạt động tốt nhất trong một bảng.

Thành phố	Quốc gia
Tokyo	Nhật Bản
Atlanta	Hoa Kỳ
Auckland	New Zealand

Nhưng trước khi tạo bảng tiếp theo, chúng ta cần tìm cách tham chiếu đến từng thành phố. Chúng ta cần một dạng định danh, ID hoặc (trong thuật ngữ cơ sở dữ liệu kỹ thuật) một khóa chính. Một khóa chính là một giá trị được sử dụng để xác định một hàng cụ thể trong bảng. Mặc dù điều này có thể dựa trên một giá trị cụ thể (chúng ta có thể sử dụng tên của thành phố, chẳng hạn), nhưng nó gần như luôn luôn nên là một số hoặc định danh khác. Chúng ta không muốn ID thay đổi vì điều đó sẽ phá vỡ mối quan hệ. Trong hầu hết các trường hợp, khóa chính hoặc ID sẽ là một số tự động được tạo ra.

✅ Khóa chính thường được viết tắt là PK

cities

city_id	Thành phố	Quốc gia
1	Tokyo	Nhật Bản
2	Atlanta	Hoa Kỳ
3	Auckland	New Zealand

✅ Bạn sẽ nhận thấy rằng chúng ta sử dụng các thuật ngữ "id" và "khóa chính" thay thế cho nhau trong bài học này. Các khái niệm ở đây cũng áp dụng cho DataFrames, mà bạn sẽ khám phá sau. DataFrames không sử dụng thuật ngữ "khóa chính", tuy nhiên bạn sẽ nhận thấy chúng hoạt động tương tự.

Với bảng cities đã được tạo, hãy lưu trữ lượng mưa. Thay vì lặp lại toàn bộ thông tin về thành phố, chúng ta có thể sử dụng ID. Chúng ta cũng nên đảm bảo rằng bảng mới tạo có một cột id, vì tất cả các bảng nên có một ID hoặc khóa chính.

rainfall

rainfall_id	city_id	Năm	Lượng mưa
1	1	2018	1445
2	1	2019	1874
3	1	2020	1690
4	2	2018	1779
5	2	2019	1111
6	2	2020	1683
7	3	2018	1386
8	3	2019	942
9	3	2020	1176

Lưu ý cột city_id trong bảng rainfall mới được tạo. Cột này chứa các giá trị tham chiếu đến các ID trong bảng cities. Trong thuật ngữ dữ liệu quan hệ kỹ thuật, đây được gọi là khóa ngoại; nó là một khóa chính từ bảng khác. Bạn có thể nghĩ về nó như một tham chiếu hoặc con trỏ. city_id 1 tham chiếu đến Tokyo.

[!NOTE] Khóa ngoại thường được viết tắt là FK

Truy xuất dữ liệu

Với dữ liệu của chúng ta được tách thành hai bảng, bạn có thể tự hỏi làm thế nào để truy xuất nó. Nếu chúng ta sử dụng một cơ sở dữ liệu quan hệ như MySQL, SQL Server hoặc Oracle, chúng ta có thể sử dụng một ngôn ngữ gọi là Structured Query Language hoặc SQL. SQL (đôi khi được phát âm là "sequel") là một ngôn ngữ tiêu chuẩn được sử dụng để truy xuất và sửa đổi dữ liệu trong cơ sở dữ liệu quan hệ.

Để truy xuất dữ liệu, bạn sử dụng lệnh SELECT. Cốt lõi của nó, bạn chọn các cột bạn muốn xem từ bảng chứa chúng. Nếu bạn muốn hiển thị chỉ tên các thành phố, bạn có thể sử dụng:

SELECT city
FROM cities;

-- Output:
-- Tokyo
-- Atlanta
-- Auckland

SELECT là nơi bạn liệt kê các cột, và FROM là nơi bạn liệt kê các bảng.

[NOTE] Cú pháp SQL không phân biệt chữ hoa chữ thường, nghĩa là select và SELECT có nghĩa giống nhau. Tuy nhiên, tùy thuộc vào loại cơ sở dữ liệu bạn đang sử dụng, các cột và bảng có thể phân biệt chữ hoa chữ thường. Do đó, một thực hành tốt là luôn coi mọi thứ trong lập trình như phân biệt chữ hoa chữ thường. Khi viết các truy vấn SQL, quy ước phổ biến là viết các từ khóa bằng chữ in hoa.

Truy vấn trên sẽ hiển thị tất cả các thành phố. Giả sử chúng ta chỉ muốn hiển thị các thành phố ở New Zealand. Chúng ta cần một dạng bộ lọc. Từ khóa SQL cho điều này là WHERE, hoặc "nơi điều gì đó đúng".

SELECT city
FROM cities
WHERE country = 'New Zealand';

-- Output:
-- Auckland

Kết hợp dữ liệu

Cho đến nay, chúng ta đã truy xuất dữ liệu từ một bảng duy nhất. Bây giờ chúng ta muốn kết hợp dữ liệu từ cả cities và rainfall. Điều này được thực hiện bằng cách kết hợp chúng lại với nhau. Bạn sẽ tạo một liên kết giữa hai bảng và ghép các giá trị từ một cột của mỗi bảng.

Trong ví dụ của chúng ta, chúng ta sẽ ghép cột city_id trong rainfall với cột city_id trong cities. Điều này sẽ ghép giá trị lượng mưa với thành phố tương ứng của nó. Loại kết hợp mà chúng ta sẽ thực hiện được gọi là kết hợp trong (inner join), nghĩa là nếu bất kỳ hàng nào không khớp với bất kỳ hàng nào từ bảng khác, chúng sẽ không được hiển thị. Trong trường hợp của chúng ta, mọi thành phố đều có lượng mưa, vì vậy mọi thứ sẽ được hiển thị.

Hãy truy xuất lượng mưa năm 2019 cho tất cả các thành phố của chúng ta.

Chúng ta sẽ thực hiện điều này theo từng bước. Bước đầu tiên là kết hợp dữ liệu lại với nhau bằng cách chỉ định các cột để liên kết - city_id như đã nêu trước đó.

SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id

Chúng ta đã chỉ định hai cột mà chúng ta muốn, và thực tế rằng chúng ta muốn kết hợp các bảng lại với nhau bằng city_id. Bây giờ chúng ta có thể thêm câu lệnh WHERE để lọc chỉ năm 2019.

SELECT cities.city
    rainfall.amount
FROM cities
    INNER JOIN rainfall ON cities.city_id = rainfall.city_id
WHERE rainfall.year = 2019

-- Output

-- city     | amount
-- -------- | ------
-- Tokyo    | 1874
-- Atlanta  | 1111
-- Auckland |  942

Tóm tắt

Cơ sở dữ liệu quan hệ tập trung vào việc chia thông tin giữa nhiều bảng, sau đó được kết hợp lại để hiển thị và phân tích. Điều này cung cấp mức độ linh hoạt cao để thực hiện các phép tính và thao tác dữ liệu. Bạn đã thấy các khái niệm cốt lõi của một cơ sở dữ liệu quan hệ và cách thực hiện kết hợp giữa hai bảng.

🚀 Thử thách

Có rất nhiều cơ sở dữ liệu quan hệ có sẵn trên internet. Bạn có thể khám phá dữ liệu bằng cách sử dụng các kỹ năng bạn đã học ở trên.

Câu hỏi sau bài giảng

Câu hỏi sau bài giảng

Ôn tập & Tự học

Có nhiều tài nguyên có sẵn trên Microsoft Learn để bạn tiếp tục khám phá các khái niệm về SQL và cơ sở dữ liệu quan hệ

• Mô tả các khái niệm về dữ liệu quan hệ
• Bắt đầu truy vấn với Transact-SQL (Transact-SQL là một phiên bản của SQL)
• Nội dung SQL trên Microsoft Learn

Bài tập

Tiêu đề bài tập

---

Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn thông tin chính thức. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp từ con người. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.