12 KiB
使用数据：非关系型数据
 |
|---|
| 使用 NoSQL 数据 - 速记图由 @nitya 绘制 |
课前测验
数据并不仅限于关系型数据库。本课将重点介绍非关系型数据，并涵盖电子表格和 NoSQL 的基础知识。
电子表格
电子表格是一种流行的数据存储和探索方式，因为它设置和使用起来相对简单。在本课中，您将学习电子表格的基本组成部分，以及公式和函数。示例将以 Microsoft Excel 为例，但大多数部分和主题在其他电子表格软件中也有类似的名称和操作步骤。
电子表格是一个文件，可以通过计算机、设备或基于云的文件系统访问。软件本身可能是基于浏览器的，也可能是需要安装在计算机上的应用程序，或者作为应用下载。在 Excel 中，这些文件也被定义为 工作簿，本课将使用这一术语。
一个工作簿包含一个或多个 工作表，每个工作表通过标签标识。在工作表中有称为 单元格 的矩形区域，用于存储实际数据。单元格是行和列的交叉点，其中列用字母标识，行用数字标识。一些电子表格会在前几行中包含标题，用于描述单元格中的数据。
了解了 Excel 工作簿的这些基本元素后，我们将使用 Microsoft 模板 中的一个库存示例，来演示电子表格的其他部分。
管理库存
名为 "InventoryExample" 的电子表格文件是一个格式化的库存项目表，包含三个工作表，标签分别为 "Inventory List"、"Inventory Pick List" 和 "Bin Lookup"。在 Inventory List 工作表中，第 4 行是标题行，用于描述标题列中每个单元格的值。
有时，一个单元格的值依赖于其他单元格的值来生成。在 Inventory List 电子表格中，我们记录了库存中每个项目的成本，但如果我们需要知道整个库存的总价值该怎么办？公式 用于对单元格数据执行操作，在本例中用于计算库存的总成本。此电子表格在 Inventory Value 列中使用了一个公式，通过将 QTY 标题下的数量与 COST 标题下的成本相乘来计算每个项目的价值。双击或高亮一个单元格可以查看公式。您会注意到，公式以等号开头，后面是计算或操作。
我们可以使用另一个公式将所有 Inventory Value 的值相加，得到总价值。虽然可以通过逐一相加每个单元格的值来计算总和，但这会非常繁琐。Excel 提供了 函数，即预定义的公式，用于对单元格值进行计算。函数需要参数，即执行这些计算所需的值。当函数需要多个参数时，这些参数需要按特定顺序列出，否则函数可能无法正确计算值。本例使用了 SUM 函数，并将 Inventory Value 的值作为参数，生成总和，结果列在第 3 行，第 B 列（也称为 B3）。
NoSQL
NoSQL 是一个总称，涵盖了存储非关系型数据的不同方式，可以解释为 "非 SQL"、"非关系型" 或 "不仅仅是 SQL"。这类数据库系统可以分为四种类型。
键值 数据库将唯一键（唯一标识符）与值配对。这些键值对使用 哈希表 和适当的哈希函数存储。
来源：Microsoft
图形 数据库描述数据中的关系，并以节点和边的集合表示。节点表示实体，即现实世界中存在的事物，如学生或银行对账单。边表示两个实体之间的关系。每个节点和边都有属性，用于提供关于节点和边的附加信息。
列式 数据存储将数据组织为列和行，类似于关系型数据结构，但每列被分为称为列族的组，其中一列下的所有数据是相关的，可以作为一个单元进行检索和更改。
使用 Azure Cosmos DB 的文档数据存储
文档 数据存储基于键值数据存储的概念，由一系列字段和对象组成。本节将通过 Cosmos DB 模拟器探索文档数据库。
Cosmos DB 数据库符合 "不仅仅是 SQL" 的定义，其中 Cosmos DB 的文档数据库依赖 SQL 来查询数据。上一课 已介绍了 SQL 的基础知识，我们可以在这里将一些相同的查询应用于文档数据库。我们将使用 Cosmos DB 模拟器，它允许我们在本地计算机上创建和探索文档数据库。有关模拟器的更多信息，请阅读 此处。
文档是字段和对象值的集合，其中字段描述对象值的含义。以下是一个文档示例。
{
"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
}
此文档中感兴趣的字段包括：firstname、id 和 age。其余带下划线的字段是由 Cosmos DB 生成的。
使用 Cosmos DB 模拟器探索数据
您可以 在此处下载并安装 Windows 版模拟器。有关在 macOS 和 Linux 上运行模拟器的选项，请参阅此 文档。
模拟器会启动一个浏览器窗口，其中的 Explorer 视图允许您探索文档。
如果您正在跟随操作，请点击 "Start with Sample" 以生成一个名为 SampleDB 的示例数据库。如果您点击箭头展开 SampleDB，您会发现一个名为 Persons 的容器。容器包含一组项目，即容器中的文档。您可以探索 Items 下的四个单独文档。
使用 Cosmos DB 模拟器查询文档数据
我们还可以通过点击新 SQL Query 按钮（从左数第二个按钮）来查询示例数据。
SELECT * FROM c 返回容器中的所有文档。让我们添加一个 where 子句，查找年龄小于 40 的人。
SELECT * FROM c where c.age < 40
查询返回了两个文档，注意每个文档的年龄值都小于 40。
JSON 与文档
如果您熟悉 JavaScript 对象表示法 (JSON)，您会注意到文档看起来与 JSON 类似。本目录中有一个 PersonsData.json 文件，包含更多数据，您可以通过模拟器中的 Upload Item 按钮将其上传到 Persons 容器。
在大多数情况下，返回 JSON 数据的 API 可以直接传输并存储到文档数据库中。以下是另一个文档示例，它表示从 Microsoft Twitter 账户获取的推文数据，这些数据通过 Twitter API 检索后插入到 Cosmos DB 中。
{
"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
此文档中感兴趣的字段包括：created_at、id 和 text。
🚀 挑战
目录中有一个 TwitterData.json 文件，您可以将其上传到 SampleDB 数据库。建议将其添加到一个单独的容器中。操作步骤如下：
- 点击右上角的新建容器按钮
- 选择现有数据库 (SampleDB)，为容器创建一个容器 ID
- 将分区键设置为
/id - 点击 OK（可以忽略此视图中的其他信息，因为这是一个在本地计算机上运行的小型数据集）
- 打开新容器，通过
Upload Item按钮上传 Twitter 数据文件
尝试运行一些 SELECT 查询，查找 text 字段中包含 Microsoft 的文档。提示：尝试使用 LIKE 关键字。
课后测验
复习与自学
-
本课未涵盖电子表格中的一些额外格式和功能。Microsoft 提供了一个 丰富的文档和视频库，如果您有兴趣了解更多内容，可以参考。
-
此架构文档详细介绍了非关系型数据的不同类型特性：非关系型数据和 NoSQL
-
Cosmos DB 是一个基于云的非关系型数据库，也可以存储本课中提到的不同 NoSQL 类型。您可以在此 Cosmos DB Microsoft Learn 模块 中了解更多关于这些类型的信息。
作业
免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。