Tietokanta on tietokoneen tallentama tietojen ja informaation järjestetty kooste. Tietokannat ovat tiettyä tarkoitusta varten koottuja tiedostokokoelmia, joista hakumenetelmillä saadaan yksittäinen tieto tai tietoyhdistelmiä ja joita voidaan korjailla tai täydentää (päivitys). Laajimmin käytetyt tietokantaohjelmistot (relaatiotietokannat) perustuvat relaatiomalliin. Relaatiomallin vaihtoehtona tietokannat voivat perustua muun muassa oliomalliin tai graafimalliin. On olemassa myös vektoritietokantoja, joita käytetään erityisesti kielimalleissa ja kuvien samanlaisuuden etsimiseen.
Tietokantojen historiaa
Vuonna 1959 perustettu CODASYL-komitea määritteli tietokannan hallintajärjestelmiä, joiden ensimmäinen määrittely julkaistiin vuonna 1969.
Modernien tietokantojen edeltäjiä kehitettiin 1960-luvulla. Hierarkkinen malli toteutettiin ensimmäisenä, sen jälkeen verkkomalli ja sen jälkeen relaatiomalli.
Alan uranuurtaja oli Charles Bachman. Bachmanin artikkeli "The Programmer as Navigator" julkaistiin vuonna 1973 Communications of the ACM -lehdessä. Artikkeli johti navigaatiomallin kehittämiseen. Navigaatiomalli liitetään usein hierarkkisiin ja verkkomallin tietokantoihin.
Tietokantojen relaatiomallin ja käsittelyteorian kehitti Edgar F. Codd, jonka artikkeli "A Relational Model of Data for Large Shared Data Banks" julkaistiin vuonna 1970 Communications of the ACM -lehdessä. Codd työskenteli IBM:n tutkimuslaboratoriossa, ja hän johti ensimmäisten relaatiotietokantojen testiversioiden kehitystyötä. Vuosina 1973–1976 IBM-laboratoriossa kehitettiin relaatiotietokannan prototyyppiä nimeltä System R. IBM:n kaupallinen tietokantatuote DB2 julkaistiin 1983.
Bachmanin ja Coddin näkemyserot aikanaan olivat merkittäviä tietokantojen kehitykselle vaikka varsinaista päätöstä debatille ei syntynyt.
Olio-ohjelmoinnin yleistyttyä myös tietokantoja on kehitetty vastaamaan oliomallin asettamiin tarpeisiin. On kehitetty puhtaita oliotietokantoja, minkä lisäksi perinteisiin relaatiokantoihin on lisätty olio-ohjelmointia tukevia ominaisuuksia. Jälkimmäisistä käytetään nimeä olio-relaatiotietokannat.
NoSQL-tietokannaksi kutsuttiin aluksi Carlo Strozzin vuonna 1998 esittämää järjestelmää, jossa ei käytetty SQL-kyselykieltä. Termi yleistyi vuonna 2009 Johan Oskarssonin järjestämässä tapaamisessa, jossa keskustelun aiheena olivat ei-relaatiomallin mukaiset ohjelmistot, kuten Cassandra ja Voldemort. Relaatiomallin mukaiset tietokannat ovat suunniteltuja varmistamaan tietojen eheys, mutta NoSQL:ssä toisinaan tähdätään myöhempään eheyteen eikä välttämättä välittömään eheyteen. Relaatiomallin mukaiset tietokannat pyrkivät normalisoidun tiedon tallentamiseen, josta toistuvat tiedot on poistettu jotta tallennettavan tiedon määrä on pieni. NoSQL sallii osittain rakenteellista tai täysin rakenteetonta tietoa, jonka käsittely voi olla hitaampaa.
NoSQL-tietokantoja ovat avain-arvotietokannat, sarakkeiset tietokannat, dokumentti-orientoituneet tietokannat ja graafitietokannat. XML-tietokanta on dokumenttiorientoituneen tietokannan tyyppi. XML on hierarkkinen malli eikä tiedon suhteiden kuvaus; XML on itseään kuvaava kun taas relaatiomalli ei ole; ja XML:ssä tiedolla on tietty järjestys tallennettaessa kun taas relaatiomallissa tiedoilla ei ole järjestystä ellei sitä määrätä kyselyssä.Esimerkki dokumentti-orientoituneesta tietokannasta on MongoDB. Etuina siinä on hyvä skaalautuvuus ja joustavuus, joskin ACID-ominaisuudet puuttuvat.
NewSQL on tietokantaluokka, joka pyrkii yhdistämään ACID-ominaisuudet NoSQL-tietokantojen skaalautuvuuteen.
Hajautettu tietokanta on tietokanta, joka ei ole kokonaisuudessaan tallennettuna yhdessä paikassa vaan tietokoneverkon kautta toisiinsa yhdistetyillä tietokoneilla.Distributed database, Its.bldrdoc.gov
Tietokantojen kehityshistoriassa on todettu useita "liikehdintöjä" 1960-luvulta lähtien, mutta usein uusien sovelluksien kehitys palaa relaatiomallin mukaiseksi ja muut suuntaukset jäävät vähemmälle osuudelle.
Hierarkkinen tietokanta pienoiskuva|oikea|Hierarkkinen malli Varhaisin tietokantamalli on hierarkkinen malli. Hierarkkinen malli johti verkkomallin kehitykseen.
Hierarkkisessa tietokannassa tieto järjestetään ylösalaisin käännettyyn puurakenteeseen. Rakenteessa tiedoilla on isäntä–lapsi-suhde, kuten hierarkkisessa tiedostojärjestelmässä: isännällä voi olla useita lapsia mutta lapsella voi olla vain yksi isäntä. Tämä eroaa relaatiotietokannasta, jossa rakenne voidaan vapaasti määrittää.
Hierarkkinen malli oli parannusta toisiinsa liittymättömien tiedostojen käsittelystä. Hierarkkinen malli esittää hyvin yksi–moneen-suhteita, mutta sillä on ongelmia monta–moneen-suhteiden esittämisessä. Uusien riippuvaisuussuhteiden lisääminen vaatii laajaa rakenteen muokkaamista, ja seurauksena on myös sovelluksien muuttaminen.
IBM:n Information Management System (IMS) perustuu hierarkkiseen malliin: järjestelmää on edelleen käytetty vuonna 2013 IBM System Z -alustalla. IMS perustuu Yhdysvaltain avaruusohjelman materiaalihankintojen hallintaan kehitettyyn järjestelmään.
Hierarkkiseen malliin perustuviin järjestelmiin kuuluvat DNS-nimipalvelu ja LDAP-hakemistopalvelut.
Verkkomallin tietokanta pienoiskuva|oikea|Verkkomalli Verkkomallin tietokanta suunniteltiin korjaamaan hierarkkisen mallin ongelmia, etenkin sen joustamattomuutta. Mallin ongelmia ovat esimerkiksi vaikeampi toteutus ja ylläpito. Verkkomalli johti relaatiomallin kehittämiseen. Relaatiomallia pidettiin aluksi epäkäytännöllisenä.
Verkkomallissa tiedot esitetään tietuiden puurakenteena. Riippuvuudet tietuiden välillä esitetään joukkoina, joilla on isäntä (omistaja verkkomallissa) ja lapsia (jäseniä verkkomallissa). Tietueiden liitokset esitetään osoittimina eikä toistettuina sarakkeina kuten relaatiomallissa.
Verkkomalli lisäsi mahdollisuuden useammalle omistajalle ja siten monta–moneen-suhteiden esityksen.
Charles Bachmanin General Electricille kehittämä Integrated Data Store (IDS) perustui verkkomalliin ja vaikutti myös CODASYLin toimintaan.
Relaatiotietokannat
pienoiskuva|oikea|Relaatiomalli Relaatiotietokannat perustuvat predikaattilogiikkaan pohjautuvaan relaatiomalliin, jonka käsitteitä käyttäen tietokannan peruskäsitteet, kuten taulut, määritellään. Relaatiotietokannoissa (, ) taulujen välille luodaan yhteyksiä. Taulujen tiedot yhdistetään toisiinsa toisen taulun avaimella. Yleisimmin ID:llä. Toisessa taulussa yhteyden luovaa saraketta kutsutaan viiteavaimeksi tai vierasavaimeksi ().
Taulujen välisiä suhteita kuvataan usein Äiti-lapsi -termillä. Termin mukaisesti äidillä voi olla useita lapsia, mutta lapsilla ei useita äitejä (suhde 1:n). Esimerkiksi viestillä voi olla vain yksi kirjoittaja (käyttäjä), mutta käyttäjällä useita kirjoituksia. Tällaisessa tapauksessa kirjoittaja/käyttäjä on tietokannallisesti viestin äiti ja kirjoitukset ovat kirjoittajan lapsia.
Yhdistettyjen taulujen tietojen käsittelyä hallitaan viite-eheyksillä, jotka määrittävät, mitä yhdistetyille tiedoille tapahtuu, jos taulujen tiedot vaihtuvat tai ne poistetaan. Viite-eheyksillä voidaan siis määrittää esimerkiksi poistuvatko lapsitiedot, jos äititieto poistetaan (Poistuvatko viestit, jos niiden kirjoittaja poistetaan tietokannasta.).
Esimerkki Esimerkki yksinkertaisesta taulukkorakenteisesta tietokannasta, jossa on kaksi taulua:
+ Henkilöt ID Nimi Sukunimi_ID Ikä 1 Pekka 1 45 2 Tieto 3 23 3 Mauri 2 68 4 Matti 2 62
+ Sukunimet ID Sukunimi 1 Pekkanen 2 Makkonen 3 Kantanen
Huomaa, että esimerkissä Henkilöt-taulun Sukunimi_ID on viittaus Sukunimet-taulun riviin eikä tietoa siten toisteta, vaan kuvataan relaatiolla.
Oliotietokannat pienoiskuva|oikea|Esimerkki oliomallista. Oliomalliin perustuvat tietokannat ilmeistyivät ensi kertaa 1980-luvulla CAD-sovelluksien tarpeisiin. Toisin kuin relaatiomallissa, oliomalli ei linkitä rivejä ja sarakkeita. Oliomallin mukaisessa tietokannassa ei myöskään käytetä kiinteää skeemaa. Monimutkaisen tiedon hakeminen voi olla myös nopeampaa seuraamalla suoraan osoittimia.
Oliotietokantojen tuki kyselykielille kuten SQL on vähäisempää ja käyttö painottuu enemmän olio-ohjelmointikieliin.
Tietokannan rakentaminen
Tietokannan rakentaminen perustuu siihen tallennettavan tiedon mallintamiseen. Tiedon mallintaminen perustuu sen ja sen kuvaaman todellisuuden analyysiin, jonka tuloksena saadaan joukko entiteettejä, niiden välisiä yhteyksiä ja niiden ominaisuuksia. Nämä esitetään yleensä jonkin kuvauskielen tai tekniikan avulla. Yksi yleinen kuvauskieli on UML. Seuraavassa vaiheessa malli kuvataan jonkin reaalisen tietokantatekniikan edellyttämässä muodossa. Yksi yleinen tietokantatekniikka on relaatiotietokanta, joka perustuu relaatiotietomalliin.
Tietomalli on siis malli tiedosta, ei todellisuudesta, jota se mallintaa vain epäsuorasti. BIM (Building Information Modelling, Rakennuksen tietomalli) on vastaavasti rakentamisen käytännön toteutus tietomallista, joka perustuu aina tietokantaan.
Tietokantojen rakentamisen lisäksi tietokoneohjelmien rakentamisen yhteydessä tehdään tietomalli niistä tiedoista, joita ohjelmalla käsitellään. Tietomallia voidaan tarvita myös esimerkiksi kommunikaatioprotokollien rakentamisessa. Tietokannat voivat nykyisin tallentaa myös binääridataa. Tällöin tietomallia suunniteltaessa arvioidaan, onko tietueisiin liittyviä dataobjekteja kuten kuvia järkevintä käsitellä erillisinä tiedostojärjestelmään tallennettuina tiedostoina vai tietokantaan tallennettuina binääritietueina (tietotyypit BLOB ja CLOB).
Jos rakennetaan relaatiotietokantaa, jota hallitaan SQL-kielen avulla, viime vaiheessa tietomallissa kuvatut entiteetit luodaan tietokantaan tauluina SQL-kielen määrittelylauseilla (käytännössä CREATE-lause). Yksinkertaisimmissa tietomalleissa entiteetin sisältämät tietueet ja tietotyypit voivat sellaisinaan vastata tietokannan taulurakennetta. Tietokantajärjestelmät mahdollistavat myös monimutkaisemman toimintalogiikan toteuttamisen jopa niin, että tietokantamoottori voi SQL-kielisten kyselyiden lisäksi ajaa yleisemmillä ohjelmointikielillä toteutettuja tallennettuja proseduureja. Tämä lähestymistapa on hyödyllinen erityisesti tilanteissa, joissa asiakaspäässä on käytössä rajalliset resurssit SQL-kyselyn palauttaman datan tulkitsemiseen, jolloin tulkintaa ja muuta käyttötapaukseen liittyvää logiikkaa voidaan toteuttaa palvelinpäässä.
Tietokannan hallintajärjestelmä
Tietokannan hallintajärjestelmä on ohjelmisto (yksi tai useampia ohjelmia), jonka tehtävänä on hakea, tallentaa ja järjestää tietokoneella olevia tietoja.
Hallintajärjestelmä on toteutettu varusohjelmistona, jonka tehtävänä on tukea varsinaista tietokantamoottoria () mm. optimoimalla kyselyjä käyttäen hyväksi tallennettua hakutilastoa () ja indeksejä. Tietokannan hallintajärjestelmät sisältävät myös ylläpitoa helpottavia apuohjelmia joiden avulla tietokantamoottorin säilyttämä tieto voidaan varmuuskopioida ja palauttaa sekä viedä ja tuoda muihin järjestelmiin. Varusohjelmat mahdollistavat tietokantojen klusteroinnin sekä toisintamisen kun haetaan korkeampaa käytettävyyttä ja saatavuutta. Hallintajärjestelmät sisältävät nykyisin myös rakenteisten dokumenttimuotojen tuen sekä teksti-indeksoinnin laajojen tietomäärien käsittelemiseksi. Hallintajärjestelmä helpottaa ylläpitäjän työtä myös tarjoamalla yhden käyttöliittymän jonka kautta tietokantamoottorien tilaa, ominaisuuksia ja parametrejä voidaan helposti hallita. Käytännössä kuitenkin tietokantojen ylläpitäjät yhä työskentelevät mieluummin komentorivipohjaisen konsolin kautta.
Relaatiotietokantojen hallintajärjestelmistä käytetään lyhennettä RDBMS ja oliotietokantojen hallintajärjestelmistä lyhennettä ODBMS tai OODBMS.
Tietokannat käytännössä