Od pliku do bazy danych

🧠 Cele wykładu

W tym module poznasz podstawowe pojęcia związane z danymi i bazami danych. Dowiesz się, czym różni się system plikowy od bazy danych, jak wygląda architektura systemu DBMS oraz dlaczego model relacyjny stał się standardem w przechowywaniu informacji.

Na końcu wprowadzimy Cię w świat języka SQL – narzędzia, które pozwala komunikować się z bazą danych.

⸻

1️⃣ Dane, informacja, baza danych

🔹 Dane

Na początku warto zadać pytanie: czym właściwie są dane?

Dane to surowe fakty – liczby, teksty, symbole – które same w sobie nie mają znaczenia. Przykładowo, zapis:

12345
Jan Kowalski
Bazy danych

nie mówi nam jeszcze nic o tym, co oznacza. Może to być numer indeksu, nazwisko klienta albo temat zajęć.

Schemat przedstawiający przejście: ,Dane $\to$ Informacja $\to$ Wiedza' (np. piramida DIKW – Data, Information, Knowledge, Wisdom)

🔹 Informacja

Informacja powstaje wtedy, gdy dane zostaną zinterpretowane w określonym kontekście. Jeśli wiemy, że „12345” to numer indeksu studenta Jana Kowalskiego, który zapisał się na kurs Bazy danych, mamy już informację.

W życiu codziennym często mamy mnóstwo danych (np. z mediów społecznościowych), ale niewiele z nich przekłada się na prawdziwą wiedzę.

⸻

🔹 Baza danych

Baza danych (ang. database) to uporządkowany zbiór danych, przechowywany w sposób umożliwiający szybkie wyszukiwanie, aktualizację i kontrolę spójności. Można ją porównać do dobrze zorganizowanego archiwum, w którym każdy dokument ma swoje miejsce i jest łatwy do odnalezienia.

Wizualizacja bazy danych – zestaw powiązanych tabel w relacyjnym modelu danych.

🔹 System zarządzania bazą danych (DBMS)

System zarządzania bazą danych, czyli DBMS (Database Management System), to oprogramowanie pośredniczące między użytkownikiem a bazą danych.

To ono umożliwia:

  • definiowanie struktur (np. tabel),
  • przechowywanie i wyszukiwanie danych,
  • zapewnienie bezpieczeństwa i spójności,
  • obsługę wielu użytkowników jednocześnie.

Do najpopularniejszych DBMS należą: PostgreSQL, Oracle, MySQL, SQLite, MS SQL Server.

2️⃣ Rodzaje danych

W informatyce dane występują w różnych formach. Można je podzielić według stopnia strukturyzacji.

🔸 Dane ustrukturyzowane

To dane zapisane w tabelach – każda kolumna ma nazwę i określony typ. Znajdujemy je np. w arkuszach kalkulacyjnych lub relacyjnych bazach danych.

ID Imię Nazwisko Miasto
1 Anna Nowak Kraków
2 Jan Kowalski Warszawa

Grafika pokazująca dane tabelaryczne (np. tabela klientów w SQL lub Excelu)

🔸 Dane półustrukturyzowane

Mają pewną strukturę, ale nie tak sztywną jak dane tabelaryczne.
Przykładem mogą być pliki JSON lub XML:

{
  "imie": "Anna",
  "miasto": "Kraków",
  "zainteresowania": ["sport", "muzyka"]
}

Ilustracja: porównanie danych JSON i tabeli SQL (elastyczna struktura vs. sztywna)

🔸 Dane nieustrukturyzowane

To dane, które nie mają jasno zdefiniowanej struktury — na przykład obrazy, pliki audio, wideo czy dokumenty PDF. Ich analiza wymaga specjalistycznych narzędzi (np. rozpoznawania obrazów lub przetwarzania języka naturalnego).

⸻

3️⃣ Pliki jako forma przechowywania danych

Zanim powstały systemy baz danych, dane przechowywano w prostych plikach tekstowych.

Na przykład w pliku CSV:

ID,Imię,Nazwisko,Miasto
1,Anna,Nowak,Kraków
2,Jan,Kowalski,Warszawa
3,Piotr,Wiśniewski,Poznań

Choć taki plik można łatwo otworzyć w Excelu, ma on liczne ograniczenia:

  • brak kontroli poprawności danych,
  • brak powiązań między plikami,
  • brak współbieżności przy edycji.

Grafika: dwa pliki CSV (klienci i zamówienia) – brak relacji między nimi

## 4️⃣ Problemy pracy z plikami

System plikowy działa poprawnie przy niewielkiej liczbie danych i prostych zastosowaniach. Wraz ze wzrostem ilości informacji i liczbą użytkowników pojawiają się jednak poważne ograniczenia, które utrudniają bezpieczne i efektywne zarządzanie danymi.

⚠️ Typowe problemy

Problem Opis
🔁 Redundancja Te same dane pojawiają się w wielu miejscach (np. adres klienta powielony w każdym zamówieniu).
⚠️ Niespójność Różne wersje tej samej informacji w różnych plikach (np. inny numer telefonu u klienta w dwóch plikach).
⛔ Brak współbieżności Trudności przy jednoczesnej edycji — ryzyko nadpisania zmian.
❌ Brak kontroli dostępu Brak ról, uprawnień i mechanizmów audytu.
🧩 Słaba integracja Dane rozproszone po różnych formatach i miejscach, trudne do połączenia.

Schemat: system plików z wieloma niespójnymi plikami vs. centralna baza danych

Przykład (plikowy):

klienci.txt:

1;Anna Nowak;Kraków
2;Jan Kowalski;Warszawa

zamowienia.txt:

10;Laptop;1
11;Monitor;2
12;Kabel HDMI;1

Działa to, ale jeśli zmienimy ID klienta lub nazwę produktu, powstaje trudność w utrzymaniu spójności.

5️⃣ Od pliku do bazy danych

Aby rozwiązać problemy związane z plikami płaskimi, wprowadzono koncepcję systemu zarządzania bazą danych (DBMS). Główne idee to:

  • centralne repozytorium danych,
  • kontrolowany dostęp i uprawnienia,
  • mechanizmy zapewniające spójność i integralność,
  • obsługa współbieżności i transakcji,
  • możliwość zapytań (np. SQL) zamiast pełnego skanowania plików.

Porównanie: plik CSV vs baza danych (SQL)

Cecha Plik CSV Baza danych (SQL)
Struktura danych Tekstowa, dowolna Ściśle zdefiniowana (kolumny, typy)
Spójność danych Nie Zapewniana przez DBMS
Współbieżność Brak Obsługiwana
Wyszukiwanie Pełne skanowanie Zapytania, indeksy
Bezpieczeństwo Brak Kontrola dostępu

Diagram: „Od pliku do bazy” – ewolucja sposobu przechowywania danych

6️⃣ Różnice w przetwarzaniu danych – przykład porównawczy

Rodzaj przetwarzania zależy od typu danych:

Typ danych Przykład Narzędzie przetwarzania Typowe operacje
Tabelaryczne sprzedaż, klienci SQL, Excel sortowanie, sumowanie, filtracja
Tekstowe artykuły, maile wyszukiwanie pełnotekstowe indeksowanie, analiza słów
Obraz zdjęcia, wideo biblioteki CV, AI klasyfikacja, rozpoznawanie obiektów
Dźwięk nagrania, mowa DSP, ML filtracja, transkrypcja

Pytanie do dyskusji: Dlaczego dane tabelaryczne łatwo ująć w relacje, a dźwięk czy obraz — już nie?

Ilustracja: porównanie przetwarzania danych tabelarycznych i multimedialnych

7️⃣ Architektura systemów baz danych (ANSI/SPARC)

Aby osiągnąć niezależność danych od aplikacji, wprowadzono model trójwarstwowy ANSI/SPARC:

Poziom Opis Przykład
Zewnętrzny Widok użytkownika — sposób, w jaki konkretni użytkownicy widzą dane Widok „Studenci z kierunku Informatyka”
Logiczny (koncepcyjny) Globalna struktura danych — tabele, relacje, ograniczenia Schemat bazy uczelni
Wewnętrzny (fizyczny) Fizyczne przechowywanie danych na dysku Indeksy, pliki danych, metody dostępu

Schemat trójwarstwowy ANSI/SPARC: użytkownicy ↔︎ DBMS ↔︎ fizyczne dane

Korzyści:

  • niezależność logiczna danych (zmiana schematu logicznego nie musi wymagać zmian w aplikacjach),
  • niezależność fizyczna danych (zmiana sposobu przechowywania nie wpływa na logikę aplikacji).

8️⃣ Typy baz danych

W zależności od modelu danych i sposobu ich użycia wyróżniamy kilka typów baz:

Typ bazy Opis Przykład
Hierarchiczna Dane ułożone w strukturę drzewa IMS (IBM)
Sieciowa Rekordy połączone są w złożone grafy IDMS
Relacyjna Dane w tabelach, związki przez klucze PostgreSQL, MySQL
Obiektowa Dane jako obiekty z metodami ObjectDB
Dokumentowa (NoSQL) Dane w formacie dokumentów (JSON) MongoDB, CouchDB
Grafowa Modele relacji jako węzły i krawędzie Neo4j

Grafika: schematy — drzewo, sieć, tabela, graf

Uwaga: Model relacyjny jest najpowszechniej stosowany z uwagi na prostotę i solidne podstawy teoretyczne (algebra relacji).

9️⃣ Historia i ewolucja baz danych

Krótka oś czasu najważniejszych etapów:

  1. Systemy plikowe (lata 50–60) — proste pliki, brak centralnej kontroli.
  2. Pierwsze DBMS (lata 60–70) — centralizacja, lepsze zarządzanie danymi.
  3. Modele hierarchiczne i sieciowe — stosowane w dużych organizacjach, lecz trudne w utrzymaniu.
  4. Model relacyjny (E. F. Codd, 1970) — rewolucja: tabele, relacje i algebra relacji.
  5. SQL i standaryzacja — język pozwalający na zdefiniowanie i manipulację danymi.
  6. NoSQL i chmura (XXI wiek) — elastyczność, skalowalność, nowe modele danych.

Oś czasu: rozwój baz danych od plików do NoSQL i rozwiązań chmurowych

🔟 Zalety podejścia relacyjnego

  • redukcja redundancji poprzez normalizację i klucze,
  • łatwość łączenia danych (JOINy),
  • kontrola integralności (ograniczenia, klucze obce),
  • mechanizmy bezpieczeństwa i wielodostępności,
  • przewidywalność i zgodność z formalnymi podstawami matematycznymi.

Schemat relacji między tabelami: STUDENT → ZAPISY → KURS

1️⃣1️⃣ Wprowadzenie do języka SQL

SQL (Structured Query Language) to standardowy język do komunikacji z relacyjnymi bazami danych. Dzieli się na kilka części:

  • DDL (Data Definition Language) — definiowanie struktur (CREATE, ALTER, DROP),
  • DML (Data Manipulation Language) — operacje na danych (SELECT, INSERT, UPDATE, DELETE),
  • DCL (Data Control Language) — kontrola dostępu (GRANT, REVOKE),
  • TCL (Transaction Control Language) — kontrola transakcji (COMMIT, ROLLBACK).