Hệ cơ sở dữ liệu: nói muốn gì, máy tự biết cách lấy
Hệ cơ sở dữ liệu làm gì sau mỗi lần chuyển khoản hay đặt vé: mô hình quan hệ và SQL, chỉ mục, giao dịch ACID, bộ tối ưu truy vấn, mở rộng ra nhiều máy — và nên bắt đầu học môn này từ đâu.
Ban biên tập OpenER
Cập nhật 09/11/2026 · 19 phút đọc · CC BY 4.0
Sáng mùng Một, bạn chuyển 500.000 đồng lì xì cho em qua ứng dụng ngân hàng. Màn hình báo "Giao dịch thành công", số dư của bạn giảm, số dư của em tăng. Đúng lúc đó, hàng triệu người khác cũng đang chuyển tiền. Nếu điện ở trung tâm dữ liệu chập chờn đúng giây ấy, bạn vẫn tin chắc một điều: tiền hoặc đã sang tài khoản em, hoặc vẫn còn nguyên trong tài khoản bạn — không bao giờ biến mất ở giữa.
Niềm tin đó không đến từ may mắn. Nó đến từ hệ quản trị cơ sở dữ liệu (database management system — DBMS): phần mềm giữ dữ liệu của ngân hàng, của trang bán vé tàu, của sàn thương mại điện tử, của cả trang OpenER bạn đang đọc. Nó phải trả lời câu hỏi trong tích tắc, giữ dữ liệu đúng khi hàng nghìn người sửa cùng lúc, và không làm mất gì kể cả khi máy sập. Môn Hệ cơ sở dữ liệu (Database Systems) học cách xây và dùng những hệ thống như vậy.
Trước khi có hệ quản trị cơ sở dữ liệu
Những chương trình doanh nghiệp đầu tiên lưu dữ liệu trong file — trên bìa đục lỗ, rồi trên băng từ. Mỗi chương trình tự quyết định file của mình trông thế nào: trường "họ tên" dài bao nhiêu ký tự, nằm ở cột thứ mấy, file sắp xếp theo mã khách hàng hay theo ngày. Chương trình tính lương có file nhân viên của nó, chương trình bảo hiểm có file nhân viên của nó — cùng một người, hai bản ghi, và chẳng mấy chốc hai bản ghi nói hai điều khác nhau.
Muốn hỏi một câu mới — "những khách hàng nào ở Đà Nẵng mua hàng trên 10 triệu năm ngoái?" — thì phải nhờ lập trình viên viết một chương trình mới, đọc băng từ từ đầu tới cuối. Đổi cách sắp xếp file thì mọi chương trình đọc file đó phải sửa theo.
Hệ quản trị cơ sở dữ liệu ra đời từng bước:
- Mô hình mạng và mô hình phân cấp — thập niên 1960. Charles Bachman ở General Electric xây IDS (Integrated Data Store), một trong những hệ quản trị cơ sở dữ liệu đầu tiên: dữ liệu nằm chung một chỗ, các bản ghi nối với nhau bằng con trỏ. IBM làm IMS, ban đầu phục vụ việc quản lý linh kiện cho chương trình Apollo, xếp dữ liệu thành cây. Dữ liệu đã được dùng chung, nhưng muốn lấy gì, lập trình viên vẫn phải tự đi theo từng con trỏ, như đi tìm nhà trong ngõ ngách mà không có số nhà.
- Mô hình quan hệ — năm 1970, Edgar F. Codd ở IBM công bố bài báo A Relational Model of Data for Large Shared Data Banks. Ý tưởng của ông: dữ liệu chỉ là những cái bảng, và người dùng chỉ cần nói muốn gì, không cần nói lấy thế nào. Cách dữ liệu nằm trên đĩa là việc của hệ thống, chương trình không cần biết.
- Hệ thống thật và ngôn ngữ SQL — giữa thập niên 1970. Nhiều người nghi ngờ một hệ thống "chỉ nói muốn gì" có thể chạy nhanh. Hai dự án chứng minh điều ngược lại: System R ở IBM, nơi ra đời ngôn ngữ SEQUEL — sau đổi tên thành SQL — và Ingres ở Đại học California, Berkeley, do Michael Stonebraker dẫn dắt. Cuối thập niên 1970, Oracle đưa ra một trong những hệ quản trị cơ sở dữ liệu quan hệ thương mại đầu tiên. SQL thành tiêu chuẩn ANSI năm 1986.
- Giao dịch — thập niên 1970–1980. Jim Gray và các đồng nghiệp làm rõ khái niệm giao dịch (transaction): một nhóm thao tác hoặc xong hết, hoặc như chưa từng xảy ra. Chữ viết tắt ACID xuất hiện đầu thập niên 1980.
- Mở rộng ra nhiều máy — từ giữa thập niên 2000. Google, Amazon cần lưu dữ liệu vượt xa sức một máy chủ, và công bố thiết kế của Bigtable, Dynamo. Làn sóng NoSQL ra đời từ đó.
Bachman, Codd, Gray và Stonebraker đều nhận giải Turing cho những đóng góp này.
Đặt cạnh nhau:
Mỗi chương trình tự giữ file | Có hệ quản trị cơ sở dữ liệu | |
|---|---|---|
Hỏi một câu mới | Viết một chương trình mới | Viết một câu truy vấn, có kết quả trong vài giây |
Cùng một thông tin | Chép ở nhiều file, dần dần mâu thuẫn | Lưu một chỗ, mọi chương trình dùng chung |
Đổi cách lưu trên đĩa | Sửa mọi chương trình đọc file | Chương trình không biết, không phải sửa |
Hai người sửa cùng lúc | Ghi đè lên nhau | Hệ thống xếp lượt, không ai làm hỏng việc của ai |
Máy sập giữa chừng | Dữ liệu dở dang, phải sửa tay | Khởi động lại, mọi thứ về trạng thái đúng |
Ngày nay, "không có cơ sở dữ liệu" vẫn xảy ra hằng ngày, dưới dạng file Excel gửi qua Zalo. Danh sách lớp, bảng kê hàng tồn kho, sổ thu chi của nhóm: mỗi người tải về một bản, sửa trên máy mình, gửi lại "danh-sach-final-v3-ban-sua.xlsx". Hai người sửa cùng lúc, một người mất phần sửa. Muốn biết "tháng này ai chưa đóng tiền" phải dò bằng mắt. Với mười dòng thì không sao. Với mười nghìn dòng và năm người cùng sửa, đó chính là thế giới trước năm 1970 — thu nhỏ trong một nhóm chat.
Môn này trả lời câu hỏi gì
Môn Hệ cơ sở dữ liệu trả lời câu hỏi: làm sao để lưu một lượng dữ liệu rất lớn sao cho tìm nhanh, nhiều người sửa cùng lúc vẫn đúng, và không mất gì khi có sự cố?
Môn học thường có hai nửa. Nửa thứ nhất là dùng cơ sở dữ liệu: mô hình quan hệ, viết SQL, thiết kế bảng cho một ứng dụng. Nửa thứ hai là xây nó: dữ liệu nằm trên đĩa thế nào, chỉ mục chạy ra sao, truy vấn được tối ưu thế nào, giao dịch được bảo đảm bằng cơ chế gì. Các khóa như CMU 15-445 hay Berkeley CS 186 dành phần lớn thời gian cho nửa sau, kèm dự án tự viết các thành phần lõi của một hệ quản trị cơ sở dữ liệu.
Vì sao cần học? Vì gần như mọi ứng dụng có người dùng đều đứng trên một cơ sở dữ liệu, và phần lớn sự cố "web chạy chậm" hay "dữ liệu bị sai" bắt nguồn từ đó: thiếu một chỉ mục, một truy vấn viết không khéo, hai yêu cầu chen nhau mà không có giao dịch.
Năm ý tưởng cốt lõi
Mọi ví dụ dưới đây dùng SQLite, hệ quản trị cơ sở dữ liệu có sẵn trong Python qua thư viện sqlite3 — không cần cài gì thêm.
1. Mô hình quan hệ và SQL: nói muốn gì, không nói làm thế nào
Trong mô hình quan hệ (relational model), dữ liệu là những bảng (table), mỗi bảng có các cột (column) cố định và nhiều hàng (row). Muốn lấy dữ liệu, ta viết một câu truy vấn (query) bằng SQL:
import sqlite3
db = sqlite3.connect(":memory:")
db.execute("CREATE TABLE ve (id INTEGER PRIMARY KEY, ga_di TEXT, ga_den TEXT, ngay TEXT, gia INTEGER)")
db.executemany("INSERT INTO ve (ga_di, ga_den, ngay, gia) VALUES (?, ?, ?, ?)", [
("Hà Nội", "Vinh", "2027-02-03", 350000),
("Hà Nội", "Đà Nẵng", "2027-02-03", 750000),
("Sài Gòn", "Đà Nẵng", "2027-02-04", 800000),
("Hà Nội", "Đà Nẵng", "2027-02-04", 780000),
])
for dong in db.execute("""
SELECT ngay, gia FROM ve
WHERE ga_di = 'Hà Nội' AND ga_den = 'Đà Nẵng'
ORDER BY gia
"""):
print(dong)
# ('2027-02-03', 750000)
# ('2027-02-04', 780000)Để ý câu SELECT: nó nói muốn gì — vé từ Hà Nội đi Đà Nẵng, xếp theo giá — mà không nói gì về cách lấy: duyệt từ đầu bảng hay nhảy thẳng tới đúng chỗ, sắp xếp bằng thuật toán nào. Ngôn ngữ như vậy gọi là ngôn ngữ khai báo (declarative language). Giống như ra quầy nói "cho tôi một vé Hà Nội – Đà Nẵng rẻ nhất ngày 3 tháng 2", chứ không phải tự vào kho lật từng cuốn sổ.
Nhờ tách "muốn gì" khỏi "làm thế nào", hệ thống được tự do đổi cách làm — thêm chỉ mục, đổi cách lưu, chạy trên nhiều nhân — mà câu truy vấn không phải sửa một chữ. Đó chính là điều Codd hướng tới: độc lập dữ liệu (data independence).
Nền toán học của SQL là đại số quan hệ (relational algebra): chọn hàng, chọn cột, nối hai bảng — những phép toán trên tập hợp mà bài Toán rời rạc, logic và chứng minh đã giới thiệu. Môn học cũng dạy thiết kế lược đồ (schema design) và chuẩn hóa (normalization): tách bảng sao cho mỗi thông tin chỉ nằm một chỗ — tên khách hàng nằm trong bảng khách hàng, đơn hàng chỉ giữ mã khách hàng — để không còn chuyện "cùng một người, hai bản ghi nói hai điều khác nhau".
2. Chỉ mục: mục lục của dữ liệu
Một bảng một triệu khách hàng, tìm người có số điện thoại 0912345678. Nếu không có gì hỗ trợ, hệ thống phải đọc từng hàng một — như tìm một cái tên trong cuốn sổ không theo thứ tự. Chỉ mục (index) giống mục lục cuối sách: một cấu trúc phụ, xếp sẵn theo số điện thoại, chỉ thẳng tới hàng cần tìm.
import sqlite3, random, time
db = sqlite3.connect(":memory:")
db.execute("CREATE TABLE khach (id INTEGER PRIMARY KEY, sdt TEXT, ten TEXT)")
random.seed(1)
db.executemany("INSERT INTO khach (sdt, ten) VALUES (?, ?)",
((f"09{random.randrange(10**8):08d}", f"Khách {i}") for i in range(1_000_000)))
cau_hoi = "SELECT ten FROM khach WHERE sdt = '0912345678'"
def thu():
print(db.execute("EXPLAIN QUERY PLAN " + cau_hoi).fetchall()[0][-1])
t = time.perf_counter()
for _ in range(20):
db.execute(cau_hoi).fetchall()
print(f"mỗi lần tìm: {(time.perf_counter() - t) / 20 * 1000:.3f} ms")
thu() # chưa có chỉ mục
db.execute("CREATE INDEX idx_sdt ON khach(sdt)")
thu() # đã có chỉ mụcKết quả trên một máy tính để bàn bình thường:
SCAN khach
mỗi lần tìm: 56.150 ms
SEARCH khach USING INDEX idx_sdt (sdt=?)
mỗi lần tìm: 0.003 msEXPLAIN QUERY PLAN cho xem kế hoạch hệ thống định dùng. Trước khi có chỉ mục: SCAN — quét cả bảng. Sau một dòng CREATE INDEX: SEARCH ... USING INDEX — nhảy thẳng tới đích, nhanh hơn hàng nghìn lần. Câu truy vấn không đổi một chữ; chỉ có cách làm thay đổi — ý tưởng thứ nhất, tách "muốn gì" khỏi "làm thế nào", hiện ra ngay trước mắt.
Bên trong, chỉ mục của hầu hết cơ sở dữ liệu là một cây B+ (B+ tree) — họ hàng của cây B mà bài Cấu trúc dữ liệu và giải thuật đã kể vì sao tìm trên đó rất nhanh. Điểm riêng của cây B+ là mọi dữ liệu nằm ở tầng lá, và các lá nối nhau thành một chuỗi, nên truy vấn theo khoảng — "đơn hàng từ ngày 1 đến ngày 15" — chỉ cần tìm điểm đầu rồi đi dọc chuỗi.
Chỉ mục không miễn phí: mỗi lần thêm hay sửa một hàng, mọi chỉ mục trên bảng đó cũng phải cập nhật, và chúng chiếm thêm chỗ. Chọn chỉ mục nào là một quyết định thiết kế, không phải "càng nhiều càng tốt".
3. Giao dịch và ACID: hoặc xong hết, hoặc như chưa làm gì
Chuyển tiền gồm hai thao tác: cộng vào tài khoản người nhận, trừ khỏi tài khoản người gửi. Nếu máy dừng giữa hai thao tác, tiền sẽ tự sinh ra hoặc tự mất đi. Giao dịch (transaction) gói hai thao tác thành một khối không chia cắt:
import sqlite3
db = sqlite3.connect(":memory:")
db.execute("CREATE TABLE tai_khoan (ten TEXT PRIMARY KEY, so_du INTEGER CHECK (so_du >= 0))")
db.executemany("INSERT INTO tai_khoan VALUES (?, ?)", [("An", 1_000_000), ("Bình", 0)])
db.commit()
def chuyen_tien(tu, den, so_tien):
try:
with db: # mở giao dịch: hoặc xong cả hai lệnh, hoặc không lệnh nào
db.execute("UPDATE tai_khoan SET so_du = so_du + ? WHERE ten = ?", (so_tien, den))
db.execute("UPDATE tai_khoan SET so_du = so_du - ? WHERE ten = ?", (so_tien, tu))
print("Chuyển xong")
except sqlite3.IntegrityError:
print("Không đủ tiền — hủy cả giao dịch")
print(db.execute("SELECT * FROM tai_khoan").fetchall())
chuyen_tien("An", "Bình", 300_000)
chuyen_tien("An", "Bình", 5_000_000)Chuyển xong
[('An', 700000), ('Bình', 300000)]
Không đủ tiền — hủy cả giao dịch
[('An', 700000), ('Bình', 300000)]Ở lần chuyển thứ hai, lệnh cộng 5 triệu cho Bình đã chạy xong, rồi lệnh trừ tiền An vi phạm điều kiện "số dư không âm". Hệ thống hoàn tác (rollback) cả lệnh cộng trước đó: Bình không nhận được đồng nào từ trên trời rơi xuống.
Các bảo đảm của giao dịch được gói trong bốn chữ ACID:
- Atomicity — tính nguyên tử: hoặc xong hết, hoặc như chưa làm gì, như ví dụ trên.
- Consistency — tính nhất quán: dữ liệu luôn thỏa các luật đã khai báo, như "số dư không âm".
- Isolation — tính cô lập: nhiều giao dịch chạy cùng lúc mà kết quả như thể chạy lần lượt.
- Durability — tính bền vững: đã báo "thành công" thì mất điện ngay sau đó cũng không mất.
Tính cô lập là phần khó nhất. Mùa vé tàu Tết, hai người cùng thấy ghế số 12 toa 5 còn trống và cùng bấm "Đặt" trong cùng một giây. Không có cô lập, cả hai đều được báo thành công, và sáng hôm đi tàu có hai người cầm vé cùng một ghế. Hệ quản trị cơ sở dữ liệu dùng khóa (lock) hoặc nhiều phiên bản dữ liệu (multiversion concurrency control — MVCC) để một trong hai người phải chờ hoặc được báo "ghế vừa có người đặt" — vấn đề tranh chấp mà bài Hệ điều hành đã nói, nay ở quy mô hàng nghìn giao dịch mỗi giây.
Còn tính bền vững dựa vào nhật ký ghi trước (write-ahead log — WAL): trước khi sửa dữ liệu, ghi "tôi sắp sửa gì" vào nhật ký và bảo đảm nó đã nằm trên đĩa. Máy sập thì khởi động lại, đọc nhật ký để làm nốt những giao dịch đã báo thành công và xóa dấu vết những giao dịch dở dang — cùng ý tưởng với nhật ký của hệ thống file.
4. Bộ tối ưu truy vấn: người lập kế hoạch thầm lặng
Vì SQL chỉ nói "muốn gì", phải có ai đó quyết định "làm thế nào". Người đó là bộ tối ưu truy vấn (query optimizer). Với một câu truy vấn nối hai bảng, có thể có hàng chục cách chạy: đọc bảng nào trước, dùng chỉ mục nào, nối bằng thuật toán nào. Với mười bảng, số cách lên tới hàng triệu, và cách tốt nhất có thể nhanh hơn cách tệ nhất hàng nghìn lần.
import sqlite3
db = sqlite3.connect(":memory:")
db.executescript("""
CREATE TABLE khach (id INTEGER PRIMARY KEY, ten TEXT, tinh TEXT);
CREATE TABLE don_hang (id INTEGER PRIMARY KEY, khach_id INTEGER, tong INTEGER);
CREATE INDEX idx_don_khach ON don_hang(khach_id);
""")
cau_hoi = """
SELECT k.ten, d.tong FROM khach k JOIN don_hang d ON d.khach_id = k.id
WHERE k.tinh = 'Huế'
"""
for dong in db.execute("EXPLAIN QUERY PLAN " + cau_hoi):
print(dong[-1])
# SCAN k
# SEARCH d USING INDEX idx_don_khach (khach_id=?)Kế hoạch SQLite chọn: duyệt bảng khách hàng, giữ những người ở Huế, rồi với mỗi người dùng chỉ mục để nhặt đúng đơn hàng của họ — thay vì, chẳng hạn, đọc toàn bộ bảng đơn hàng. Ta không viết dòng nào về thứ tự đó.
Năm 1979, Patricia Selinger và các đồng nghiệp trong nhóm System R công bố cách làm mà đến nay hầu hết hệ thống vẫn dựa vào: tối ưu dựa trên chi phí (cost-based optimization) — giữ số liệu thống kê về từng bảng (có bao nhiêu hàng, mỗi cột có bao nhiêu giá trị khác nhau), ước lượng chi phí của từng kế hoạch, rồi chọn cái rẻ nhất. Ước lượng sai — vì thống kê cũ, vì dữ liệu lệch — thì kế hoạch tệ, và đó là lúc một truy vấn đang chạy một giây bỗng chạy một phút.
5. Khi một máy không đủ: nhân bản, phân mảnh và cái giá phải trả
Đêm săn sale 11/11, lượng người truy cập một sàn thương mại điện tử có thể gấp nhiều lần ngày thường. Một máy chủ cơ sở dữ liệu dù mạnh đến đâu cũng có giới hạn. Có hai cách chính để vượt qua:
- Nhân bản (replication): giữ nhiều bản sao của dữ liệu trên nhiều máy. Đọc thì chia cho các bản sao; một máy hỏng thì máy khác thay thế.
- Phân mảnh (sharding / partitioning): chia dữ liệu ra nhiều máy, chẳng hạn khách hàng mã chẵn ở máy này, mã lẻ ở máy kia. Mỗi máy chỉ gánh một phần.
Cái giá là sự phức tạp. Khi dữ liệu nằm ở nhiều máy nối với nhau qua mạng, mạng có thể đứt. Lúc đó hệ thống phải chọn: dừng phục vụ để chắc chắn mọi bản sao giống nhau, hay tiếp tục phục vụ và chấp nhận có lúc ai đó đọc phải dữ liệu cũ. Đó là ý chính của định lý CAP (CAP theorem) mà Eric Brewer nêu ra năm 2000 dưới dạng giả thuyết và được chứng minh hai năm sau. Nhiều hệ thống NoSQL chọn vế thứ hai: bỏ bớt bảo đảm của giao dịch và của SQL để đổi lấy khả năng mở rộng ra hàng nghìn máy. Số lượt "thích" của một bài đăng lệch vài giây không sao; số dư tài khoản thì không được lệch.
Không có lựa chọn nào đúng cho mọi trường hợp. Môn học dạy bạn đặt câu hỏi đúng: dữ liệu này sai một chút thì có sao không, cần mở rộng tới đâu, và trả giá bằng gì.
Hệ cơ sở dữ liệu nằm ở đâu trong chồng tầng
Trong chồng tầng của bài Từ electron đến ứng dụng, hệ quản trị cơ sở dữ liệu nằm ngay trên hệ điều hành và ngay dưới ứng dụng. Bên dưới, nó dùng file và bộ nhớ do hệ điều hành cấp, nhưng thường tự quản lý bộ đệm trang và thứ tự ghi đĩa, vì nó biết rõ dữ liệu của mình hơn hệ điều hành. Nó dùng cây và bảng băm của cấu trúc dữ liệu, thuật toán sắp xếp và nối của thiết kế và phân tích thuật toán. Bên trên, gần như mọi ứng dụng web gửi truy vấn xuống nó — chính trang OpenER cũng lưu khóa học, lộ trình và tài khoản trong một cơ sở dữ liệu PostgreSQL.
Đưa lên
Những cái bảng, một ngôn ngữ để hỏi (SQL), và lời hứa của giao dịch — đã báo thành công thì đúng và còn mãi, dù nhiều người sửa cùng lúc hay máy sập ngay sau đó.
Giấu đi
Dữ liệu nằm ở trang nào trên đĩa, chỉ mục nào được dùng, truy vấn chạy theo thứ tự nào, ai đang giữ khóa, nhật ký được ghi và đọc lại ra sao khi khởi động sau sự cố.
Học trước và học sau
· 5 mônCấu trúc dữ liệu và giải thuật
Data Structures and Algorithms
Cây B, bảng băm, sắp xếp — những viên gạch bên trong mọi hệ quản trị cơ sở dữ liệu. Nên học trước.
Toán rời rạc, logic và chứng minh
Mathematics for Computer Science
Tập hợp, quan hệ, logic vị từ — nền toán của mô hình quan hệ và SQL. Học trước giúp đại số quan hệ trở nên tự nhiên.
Hệ điều hành
Operating Systems
File, bộ nhớ ảo, luồng và khóa. Phần "xây" của môn cơ sở dữ liệu dùng lại gần như tất cả, nên học trước hoặc song song.
Ứng dụng web
Web Applications
Nơi cơ sở dữ liệu được dùng nhiều nhất: mỗi trang web có tài khoản, giỏ hàng, bình luận đều đứng trên một cơ sở dữ liệu.
Hệ phân tán
Distributed Systems
Nhân bản, đồng thuận, giao dịch trên nhiều máy — phần tiếp theo khi một máy không còn đủ.
Ứng dụng thật và nghề nghiệp
- Kỹ sư phần mềm, nhất là phía máy chủ (backend): thiết kế bảng, viết truy vấn, thêm chỉ mục, dùng giao dịch đúng chỗ — việc hằng ngày của hầu hết lập trình viên web và ứng dụng di động.
- Kỹ sư dữ liệu (data engineer): xây đường ống đưa dữ liệu từ hệ thống bán hàng vào kho dữ liệu để phân tích.
- Chuyên viên phân tích dữ liệu: SQL là công cụ đầu tiên và dùng nhiều nhất của nghề này.
- Quản trị cơ sở dữ liệu (database administrator — DBA) và kỹ sư vận hành: sao lưu, khôi phục, theo dõi hiệu năng, nâng cấp không làm gián đoạn dịch vụ — đặc biệt quan trọng ở ngân hàng, viễn thông, thương mại điện tử.
- Kỹ sư xây hệ quản trị cơ sở dữ liệu: làm việc trên chính PostgreSQL, MySQL, SQLite hay các hệ thống mới — ít người, nhưng là nơi phần "xây" của môn học được dùng trọn vẹn.
Học xong làm được gì, bắt đầu từ đâu
Sau môn này bạn có thể:
- thiết kế bảng cho một ứng dụng thật — cửa hàng, lớp học, hệ thống đặt vé — sao cho dữ liệu không lặp, không mâu thuẫn;
- viết SQL để trả lời những câu hỏi phức tạp: nối nhiều bảng, gom nhóm, tính tổng;
- đọc kế hoạch truy vấn, biết vì sao một truy vấn chậm và nên thêm chỉ mục nào;
- dùng giao dịch đúng chỗ, hiểu vì sao hai người có thể đặt trùng một ghế nếu làm sai;
- hiểu bên trong một hệ quản trị cơ sở dữ liệu: trang dữ liệu, cây B+, thuật toán nối, khóa, nhật ký ghi trước;
- cân nhắc khi nào cần nhân bản, phân mảnh hay một hệ NoSQL, và cái giá của mỗi lựa chọn.
Nên biết trước: lập trình cơ bản, và cấu trúc dữ liệu — ít nhất là cây và bảng băm. Muốn học phần "xây" như CMU 15-445 thì cần thêm lập trình C++ khá vững và hiểu hệ điều hành ở mức luồng và khóa.
Bắt đầu trên OpenER: trang chủ đề Database Systems có các khóa học đã chọn lọc, và hướng dẫn học gợi ý thứ tự đi qua chúng. Khóa học chính là Data Base Management System của IIT Kharagpur trên NPTEL, đi theo trình tự sách của Silberschatz từ mô hình quan hệ, SQL, thiết kế lược đồ tới chỉ mục và giao dịch. Muốn luyện SQL nhẹ nhàng với nhiều bài tập chấm tự động, có khóa Databases: Relational Databases and SQL của Stanford do Jennifer Widom giảng. Muốn biết bên trong hệ thống chạy ra sao, đi tiếp CMU 15-445 hoặc MIT 6.830.
Lời khuyên cho môn này: luôn có một cơ sở dữ liệu thật để nghịch. SQLite có sẵn trong Python; tạo một bảng một triệu hàng, viết truy vấn, gõ EXPLAIN, thêm chỉ mục, xem kế hoạch đổi thế nào. Hiểu một khái niệm qua thí nghiệm của chính mình nhớ lâu hơn mười trang lý thuyết.
Tài liệu tham khảo
- Abraham Silberschatz, Henry F. Korth, S. Sudarshan — Database System Concepts, giáo trình theo trình tự của khóa chính trên NPTEL.
- Raghu Ramakrishnan, Johannes Gehrke — Database Management Systems, giáo trình của nhiều khóa, trong đó có UC Berkeley CS 186.
- Hector Garcia-Molina, Jeffrey D. Ullman, Jennifer Widom — Database Systems: The Complete Book, giáo trình gắn với các khóa cơ sở dữ liệu của Stanford.
- CMU 15-445/645 Database Systems (Fall 2024) — trang khóa học có video bài giảng, ghi chú, slide và dự án.
- MIT 6.830 Database Systems (Fall 2010) — bài giảng mở trên MIT OpenCourseWare.
- Stanford Databases: Relational Databases and SQL — khóa của Jennifer Widom trên edX.
- Edgar F. Codd — A Relational Model of Data for Large Shared Data Banks, Communications of the ACM, 1970.
- Joseph M. Hellerstein, Michael Stonebraker, James Hamilton — Architecture of a Database System, Foundations and Trends in Databases, 2007.
- Tài liệu chính thức của SQLite về
EXPLAIN QUERY PLAN, và tài liệu chính thức của PostgreSQL.