3.5.2 关系型数据库基础

选修章节

本章为选修内容。如果你只想做数据分析和建模，可以暂时跳过。但如果你未来要做 AI 应用开发（如 RAG 系统、AI Agent），数据库知识是必备的。

学习目标

• 理解什么是数据库以及为什么需要它
• 掌握关系型数据库的核心概念
• 理解表、行、列、主键、外键的含义
• 了解常见的数据库管理系统

---

为什么 AI 工程师需要学数据库？

你可能会想：“我已经会用 Pandas 读 CSV 了，为什么还要学数据库？“

flowchart LR
    A["CSV / Excel 文件"] --> B{"数据量"}
    B -->|"几万行"| C["Pandas 足够"]
    B -->|"几百万行"| D["需要数据库"]
    B -->|"多人同时用"| D
    B -->|"需要安全存储"| D

    style C fill:#e8f5e9,stroke:#2e7d32,color:#333
    style D fill:#fff3e0,stroke:#e65100,color:#333

场景	CSV 文件	数据库
数据量	几万行还行，百万行卡死	轻松处理上亿行
多人协作	谁改了不知道，容易冲突	支持并发读写，有权限控制
数据安全	文件删了就没了	有备份、事务、崩溃恢复
查询速度	每次都要全量扫描	有索引，毫秒级查询
数据关联	手动 merge 多个文件	用 SQL JOIN 一句搞定

真实场景举例：

• 做 RAG 系统 → 用户问答记录要存数据库
• 做 AI Agent → 记忆系统需要持久化存储
• 做推荐系统 → 用户行为数据在数据库里
• 做数据分析 → 企业数据 99% 存在数据库中

---

什么是关系型数据库？

用 Excel 来类比

如果你用过 Excel，你已经理解了关系型数据库 80% 的概念：

Excel 概念	数据库概念	说明
一个 Excel 文件	一个数据库（Database）	存放所有数据的容器
一个 Sheet 工作表	一张表（Table）	存放某一类数据
一行	一条记录（Row / Record）	一个具体的数据实体
一列	一个字段（Column / Field）	数据的一个属性
列标题	字段名（Column Name）	属性名称
单元格的数据类型	数据类型（Data Type）	整数、文本、日期等

用一个例子理解

假设你开了一家网店，需要管理用户和订单：

用户表（users）：

• id=1：张三，28 岁，北京，[email protected]
• id=2：李四，35 岁，上海，[email protected]
• id=3：王五，22 岁，广州，[email protected]

订单表（orders）：

• order_id=101：user_id=1，iPhone 16，7999，2024-11-01
• order_id=102：user_id=1，AirPods，999，2024-11-05
• order_id=103：user_id=2，MacBook，14999，2024-11-10

这两张表通过 user_id 关联——这就是关系型数据库名字的由来：表与表之间存在关系。

---

核心概念

主键（Primary Key）

主键是每条记录的唯一标识，就像身份证号一样，不能重复、不能为空。

用户表中：id 是主键 → 每个用户有唯一的 id
订单表中：order_id 是主键 → 每个订单有唯一的 order_id

为什么需要主键？

想象没有主键的情况：有两个都叫”张三”的用户，你怎么区分他们？主键就是解决这个问题的——即使名字相同，id 一定不同。

外键（Foreign Key）

外键是指引用另一张表主键的字段，用于建立表之间的关系。

flowchart LR
    subgraph users["用户表 users"]
        U["id (主键) | name | email"]
    end

    subgraph orders["订单表 orders"]
        O["order_id (主键) | user_id (外键) | product"]
    end

    orders -->|"user_id 引用"| users

    style users fill:#e3f2fd,stroke:#1565c0,color:#333
    style orders fill:#fff3e0,stroke:#e65100,color:#333

订单表中的 user_id 就是外键——它指向用户表的 id，表示”这个订单属于哪个用户”。

常见数据类型

类型	说明	示例
INTEGER	整数	1, 42, -100
REAL / FLOAT	浮点数	3.14, 99.9
TEXT / VARCHAR	文本字符串	”张三”, “hello”
DATE	日期	2024-11-01
DATETIME	日期时间	2024-11-01 14:30:00
BOOLEAN	布尔值	TRUE / FALSE
BLOB	二进制数据	图片、文件（不常用）

约束（Constraints）

约束是对数据的规则限制，保证数据质量：

约束	作用	示例
PRIMARY KEY	主键，唯一且不为空	id
NOT NULL	不能为空	name NOT NULL
UNIQUE	值不能重复	email UNIQUE
DEFAULT	默认值	city DEFAULT '未知'
FOREIGN KEY	外键，引用其他表	user_id REFERENCES users(id)

---

留下的证据

学完这一页，至少保留这张证据卡：

架构

表名、键、关系和示例行

查询

所使用的 SQL 或 Python 数据库代码

输出

结果行、行数，或保存的抽取结果

失败检查

错误的连接键、不安全查询、缺少事务，或 schema 不匹配

期望产出

查询、结果表和一条数据质量说明

常见数据库管理系统

数据库	特点	适用场景
SQLite	零配置，存在单个文件中	学习、小应用、移动端
MySQL	最流行的开源数据库	Web 应用、中小型项目
PostgreSQL	功能最强大的开源数据库	大型项目、AI 应用（支持向量搜索）
SQL Server	微软出品	企业级 Windows 环境

本章使用 SQLite

SQLite 不需要安装任何服务器，Python 自带 sqlite3 模块，最适合学习。所有 SQL 语法在其他数据库中也通用。

第一次学数据库时，最稳的默认顺序

更稳的顺序通常是：

1. 先把“表、主键、外键”看顺
2. 再学 SQL 查询
3. 再让 Python 连数据库
4. 最后再看数据库设计

这样会比一开始就背很多 SQL 细节更不容易乱。

---

动手体验：创建第一个数据库

import sqlite3

# 1. 连接数据库（不存在则自动创建）
conn = sqlite3.connect("my_shop.db")
cursor = conn.cursor()

# 2. 创建用户表
cursor.execute("""
    CREATE TABLE IF NOT EXISTS users (
        id INTEGER PRIMARY KEY AUTOINCREMENT,
        name TEXT NOT NULL,
        email TEXT UNIQUE,
        age INTEGER,
        city TEXT DEFAULT '未知'
    )
""")

# 3. 插入数据
cursor.execute("INSERT INTO users (name, email, age, city) VALUES ('张三', '[email protected]', 28, '北京')")
cursor.execute("INSERT INTO users (name, email, age, city) VALUES ('李四', '[email protected]', 35, '上海')")
cursor.execute("INSERT INTO users (name, email, age, city) VALUES ('王五', '[email protected]', 22, '广州')")

# 4. 提交更改
conn.commit()

# 5. 查询数据
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
for row in rows:
    print(row)
# (1, '张三', '[email protected]', 28, '北京')
# (2, '李四', '[email protected]', 35, '上海')
# (3, '王五', '[email protected]', 22, '广州')

# 6. 关闭连接
conn.close()

恭喜！你刚刚创建了一个数据库、一张表，并存入了 3 条数据。

这个小示例最值得先学到什么？

最值得先学到的不是每个 SQL 关键字， 而是数据库最小工作流其实很朴素：

1. 连上数据库
2. 创建表
3. 插入数据
4. 查询结果

只要这条线先顺了，后面学 SQL 和 Python 连接就不会那么虚。

---

小结

  root(("关系型数据库"))
    核心概念
      数据库 Database
      表 Table
      行 Row
      列 Column
    关键机制
      主键 PK
      外键 FK
      约束 Constraints
      数据类型
    常用数据库
      SQLite（学习用）
      MySQL
      PostgreSQL
      SQL Server

概念	一句话理解
数据库	存放所有表的”文件夹”
表	一类数据的”Excel 工作表”
主键	每条记录的”身份证号”
外键	连接两张表的”纽带”
约束	保证数据质量的”规则”

这节最该带走什么

• 关系型数据库最重要的不是“存很多表”，而是表和表之间能通过键建立关系
• 主键负责唯一标识，外键负责把表接起来
• 这一节先立住了，后面的 SQL 和多表分析才会顺

---

动手练习

练习 1：设计表结构

为一个图书管理系统设计两张表：
- books 表：书名、作者、出版年份、价格、分类
- borrows 表：借阅记录（谁借了哪本书、借阅日期、归还日期）

思考：
1. 每张表的主键是什么？
2. borrows 表需要哪些外键？
3. 哪些字段应该加 NOT NULL 约束？

练习 2：用 SQLite 实践

# 使用 sqlite3 创建上面设计的 books 表和 borrows 表
# 插入 5 本书和 3 条借阅记录
# 查询所有数据并打印

参考实现与讲解

• 简单图书馆数据库通常需要 books 表，以 book_id 作为主键，还需要借阅表，包含自己的 borrow_id 以及指向图书和借阅人的外键。
• 书名、作者、借阅人、借阅日期这类必填字段用 NOT NULL。归还日期等字段可以允许为空，因为借出时还不知道。
• 建表后插入两三行数据并运行一次 join 查询。只有能回答真实问题，schema 设计才有说服力。