实现一个微型数据库

自己写一个简单的数据库， 原理 大概有以下几点： 一、数据以文本形式保存 将所要保存的数据写入文本文件，这个文本文件就是数据库。 为了方便读取，数据必须分为记录，每一条记录的长度规定为等长。 举例：假定每条记录的长度是800字节，那么第5条记录的开

自己写一个简单的数据库，原理大概有以下几点：

一、数据以文本形式保存

将所要保存的数据写入文本文件，这个文本文件就是数据库。

为了方便读取，数据必须分为记录，每一条记录的长度规定为等长。

举例：假定每条记录的长度是800字节，那么第5条记录的开始位置就在3200字节。

大多数的时候我们不知道某一条记录在第几个位置，只知道主键的值。这时为了读取数据，可以一条条比对记录。但是这样做的效率太低。实际应用中，数据库往往采用B树格式存储数据。

二、关于B树

要理解B树先需要理解二叉查找树

说二叉查找树是一种查找效率非常高的数据结构，它有三个特点：

(1)每个节点最多只有两个子树。

(2)左子树都为小于父节点的值，右子树都为大于父节点的值。

(3)在n个节点中找到目标值，一般只需要log(n)次比较。

二叉查找树的结构不适合数据库，因为他的查找效率与层数有关。越处在下层的数据，就需要越多次的比较。极端的情况下，n个数据需要n次比较才能找到目标值。对于数据库来说，每进入一层，就要从硬盘读取一次数据，这非常致命，因为硬盘的读取时间远远大于数据处理时间，数据库读取硬盘的次数越少越好。

B树是对二叉查找树的改进。它的设计思想是，将相关数据尽量集中在一起，以便一次读取多个数据，减少硬盘操作次数。

B树的特点：

(1)一个节点可以容纳多个值。

(2)除非数据已经填满，否则不会增加新的层，也就是说，B树追求“层”越少越好。

(3)子节点的值，与父节点中的值有严格的大小对应关系。一般来说，如果父节点有a个值，那么就有a+1个子节点。比如上图中，父节点有两个值(7和16),就应对应三个子节点，第一个子节点都是小于7的值，最后一个子节点都是大于16的值，中间的子节点就是7和16之间的值。

这种数据结构非常有利于减少读取硬盘的次数。假定一个节点可以容纳100个值，那么3层的B树可以容纳100万个数据，如果换成二叉查找树，则需要20层。假定操作系统一次读取一个节点，并且根节点保留在内存中，那么B树在100万个数据中查找目标值，只需要读取两次硬盘。

三、索引

数据库以B树格式存储，只解决了按照“主键”查找数据的问题。如果想查找其他字段，就需要建立检索(index)。

所谓索引，就是以某个字段为关键字的B树文件，假定一张“雇员表”，包含了员工号(主键)和姓名两个字段，可以对姓名建立索引文件，该文件以B树格式对姓名进行存储，每个姓名后面是其在数据库中的位置(即第几条记录)。查找姓名的时候，先从索引中找到对应的第几条记录，然后再从表格中读取。这种索引查找方法，叫做“索引顺序存取方法”，缩写为ISAM。它已经有多种实现，只要使用这些代码库，就能自己写一个最简单的数据库。

四、高级功能

部署了最基本的数据存取(包括索引)以后，还可以实现一些高级功能。

(1)SQL语言是数据库通用操作语言，所以需要一个SQL解析器，将SQL命令解析为对应的ISAM操作。

(2)数据库连接(join)是指数据库的两张表通过“外键”，建立连接关系。你需要对这种操作进行优化。

(3)数据库事务(transaction)是指批量进行一系列数据库操作，只要有一步不成功，整个操作都不成功。所以需要有一个“操作日志”，以便失败时对操作进行回滚。

(4)备份机制：保存数据库的副本。

(5)远程操作：使得用户可以在不同的机器上，通过TCP/IP协议操作数据库。

部分内容来自点击打开链接，后续依然会不断更新完善。