E2 · 出版卷 24

数据库与文件存储

可查询性、不可变性、大对象、缓存与归档

学习目标

  • 解释为什么可查询性、不可变性、大对象、缓存与归档需要显式语义建模。
  • 设计在交换过程中保留“数据库与文件存储”含义的身份、关系与约束。
  • 区分硬性发布质量门、诊断指标与解释选择。
  • 使用合成证据产出一份包含可复现派生与恢复测试的存储责任图。

只有当学习者能够为模型和发布决定同时辩护时，本章才算完成。没有证据、测试或声明限制的整洁模式仍是未经验证的设计。考核成果必须让假设可见，并区分来源主张与派生结论。

决定情境

数据放置应依据变更模式、查询形态、大小、一致性、共享与保留要求。实体注册表和当前关系通常适合数据库；原始采集、模型几何与已发布分析快照通常适合不可变对象。单纯方便不是架构判据。

从决定记录开始：写明预期用途、所需证据、错误后果、可接受不确定性以及有权接受残余风险的角色。随后检查拟议模型能否在不依赖文件名惯例、行顺序、无文档默认值或个人记忆的情况下回答决定问题。这样可避免技术选择掩盖缺失的语义要求。

同一记录可能适合一种用途而不适合另一种用途。快速探索视图可以容忍正式交换发布不能接受的条件。因此，适用性应针对用途、契约版本与质量门声明，而不能永久贴在数据上。

核心概念

数据库与文件解决不同的存储问题。数据库支持受约束更新、索引查询与并发事务；不可变文件适合便携交换、可复现快照与经济的大对象存储。合理架构通过明确的记录系统与派生边界组合二者。

本章工作范围是可查询性、不可变性、大对象、缓存与归档。对范围内每个项目，都要区分对象本身、来源使用的标签、关于它的主张以及承载主张的记录。身份不等于显示名称，数值不等于单位，观测不等于模型，“当前”也不等于“有效”。这些区分为更正、不确定性与竞争解释提供明确位置。

良好的语义设计应先能用句子解释，再进行编码。每个句子都识别主语、属性或关系、宾语或结果，以及主张成立的上下文。物理表和文件是这些句子的投影，而不是含义来源。

语义模型

可定义四种角色：权威可变记录、不可变源对象、派生查询存储和缓存。每个派生存储都指向源版本与转换清单。缓存可随时丢弃，绝不能成为唯一副本。归档把内容、元数据、模式、词汇和完整性证据作为一个保存包。

用七个问题检验每种拟议记录：什么具有身份？它是什么类型？主张了哪个属性或关系？适用哪些时空上下文？哪个状态或限定符修饰主张？哪些证据支持它？哪个版本和活动产生了当前存储表示？缺失答案都应成为显式契约缺口。

规范化用于分离独立事实，而不是追求最多表数。只要身份、约束与来源保持显式，紧凑嵌套对象也可以语义健全；相反，如果关系和单位只存在于文档或应用代码中，即使高度规范化的数据库仍可能含糊。

约束与不变量

| 不变量 | 可执行或审查测试 | | --- | --- | | 每类主张只有一个记录系统 | 为每类数据记录权威来源与冲突解决规则。 | | 发布对象不可变 | 更正创建新版本和替代链接。 | | 派生存储可复现 | 记录准确来源、代码、参数与验证。 | | 缓存不具权威性 | 丢失或驱逐缓存不能毁掉唯一证据。 |

不变量是在存储、导出、更正与再处理过程中必须始终成立的条件。应尽可能在权威边界实施，并在交换边界重复检查。记录规则标识符、版本、严重级别、评价范围、观测值与结果，使失败可复现。

硬性质量门保护身份、语义有效性、必需来源与授权使用；诊断检查揭示异常值或模式，但需要解释。没有经审查规则和保留的源证据，不得把诊断阈值直接转化为删除或更正。

定量推理

工作负载应以扫描行或对象数、选择列、空间窗口、更新频率与一致性要求描述。可测量缓存命中率 H = n_h / n_q 和复现成功率，但二者都要结合新鲜度解释。快速返回过期契约版本的缓存属于失败，而不是性能成功。

每个比率都应声明分子、分母、排除项与评价时间。当汇总可能隐藏局部失败时，按来源、实体类型、契约版本或处理运行分层报告。百分比应同时附计数，避免很小分母造成的表面巨大变化被忽略。

精度属于含义的一部分。不能只因存储类型允许就增加小数位，也不能在没有声明容差和测试时舍入身份、区间或坐标字段。定量摘要支持发布决定，但不能替代语义审查。

证据与不确定性

存储证据包括事务日志或版本历史、对象指纹、备份测试、恢复测试与依赖清单。持久性主张必须由经过测试的恢复支持。没有版本化语义的复制，可能只是忠实保存一个无法解释的数据集。

证据包应包含保留的来源引用、采集或主张上下文、适用方法、验证结果、审查决定及派生物链接。当分类会改变处理方式时，把不确定性区分为观测、语义、结构、参数或政策相关。“未知”在证据不足以支持更强主张时是有效状态。

矛盾证据应保持可用。模型可以选择一条当前主张，但要保留理由、竞争主张与生效时间。这样才能支持后续重解释，而不假装早期证据从未存在。

接口与存储

接口应暴露稳定逻辑契约，而不是存储内部结构。查询服务返回契约版本与分页语义；对象清单返回不可变位置、媒体类型、大小和校验和。使用者不应需要知道响应来自哪个缓存或物理分区。

接口设计应从逻辑契约向外展开。在选择序列化前，先指定标识符、类型、基数、单位、值状态、坐标与时间参考、版本协商、验证行为和结构化错误；物理表示随后声明它如何映射这些逻辑元素。

存储优化可以分区、压缩、索引或缓存数据，但不能改变身份或悄然移除上下文。派生表示应指向不可变输入与处理清单。缓存携带新鲜度和契约版本信息，绝不被当作唯一证据副本。

治理与访问

保留、删除、冻结、访问与保存政策应按数据类别和版本应用，并记录生命周期动作。迁移在权威性切换前要证明记录计数、键相等、约束、校验和及代表性查询均符合要求。

治理通过角色名称、审查状态与版本化决定表达，而不依赖任何特定组织。应定义谁可以提议、验证、批准、替代和撤回每类受治理资源。审计记录保存角色和事件，同时避免不必要的个人数据。

对源证据与派生物应用最小必要访问。访问控制不能删除理解获授权发布所需的标识符、血缘或质量元数据。政策未解决时，应以明确理由和升级路径隔离输出。

集成检查点

权威记录、不可变对象、查询存储与缓存
权威记录、不可变对象、查询存储与缓存

图中概括本章控制流。应从源证据开始，经过语义结构与验证，读到可供决定使用的成果。每个箭头都应对应声明关系或转换，每个边界都应有契约，每个发布节点都应具有身份、版本与来源指针。

把一份包含可复现派生与恢复测试的存储责任图加入持续演进的合成数据包。验证早期成果仍可解析，并确认新模型没有覆盖前几章引入的观测、标识符、数值或版本。记录每项变化的假设。

合成算例

一个合成架构把实体身份与当前状态保存在关系存储中，把原始仪器文件和模型网格保存为不可变对象，使用列式快照进行分析，并设置可丢弃地图缓存。学习者把一个显示值从缓存、快照和转换一路追溯到原始对象与注册记录。

按四轮完成算例：

  1. 保留接收记录并写出预期决定，不先进行任何更正。
  2. 识别实体、主张、上下文、不确定性与政策约束，标记每个未解决项。
  3. 应用版本化规则，创建派生物，并记录准确转换与验证证据。
  4. 给出接受、拒绝或隔离决定，并说明独立审查者如何复现。

由于示例全部为合成内容，其数值只用于演示方法。重要结果是从接收证据到有依据决定的链条。若缺少必需事实，解答应记录缺口，而不是制造一个看似合理的值。

练习任务

按权威性、可变性、查询模式、对象大小、保留和可复现性对十二个合成数据产品分类。为每项选择存储角色，绘制派生链接，定义缓存失效，并演示一次恢复以及从不可变输入重建。

采用以下验收标准：

  • 所有必需标识符与引用都解析到声明类型。
  • 每次转换都保留接收证据并记录派生关系。
  • 无效、未知与不适用状态保持区分且可机器测试。
  • 输出标识所用契约、词汇与处理版本。
  • 第二位读者无需私下知识即可复现验证结果。

提交源快照、编写的契约或模型、验证输出、派生物、清单和简短决定记录。截图本身不足以证明准确输入、版本或规则执行。

常见失效模式

  • 共享文件夹成为无文档的记录系统。
  • 缓存成为派生产品的唯一副本。
  • 已发布对象被原地覆盖。
  • 虽有备份，但恢复与语义依赖从未测试。

这些失败具有共同模式：便利的表示被误认为已经验证的含义。诊断时应找到假设最早变为隐式的边界。修复时恢复源证据，把假设转为版本化字段或规则，重新运行依赖转换，并通过替代而非覆盖发布受影响成果。

不要用无文档默认值修复失败。带明确缺失依赖的阻止结果，比一个无法重建含义却看起来完整的结果更安全、更可复用。

复习问题

  1. 哪个存储角色拥有某项主张？
  2. 为什么不可变性有助于复现？
  3. 什么使缓存可以安全丢弃？
  4. 记录系统迁移前需要哪些证据？

对每个答案，都要指出适用不变量、评价所需证据以及不变量失败时的发布行为。高质量答案会区分科学不确定性与语义缺失，也会区分可恢复警告与硬性契约违规。

来源与延伸阅读