Úvod

Databáze

Kdy ukládat data do databáze?

V geoinformatické praxi pracujeme se třemi typy zdrojů dat. V prvé řadě se jedná o data uložená v souborovém systému. Hovoříme-li o vektorových datech, tak může jít typicky o data v zastaralém, leč stále nejpoužívanějším formátu Esri Shapefile, případně OGC GML. Dalším typem jsou webové služby, jmenovitě OGC WFS (Web Feature Service). V případě WFS si aplikace vyžádá pomocí souboru ve značkovacím jazyce XML data na vzdáleném serveru po síti. Posledním typem uložení dat, kterému je věnováno toto školení, je databáze. Většina současných databází, ať již open source nebo ryze proprietárních, podporuje v nějaké míře ukládání a dotazování prostorových prvků. Ať už MySQL, Oracle, nebo MSSQL a v neposlední řadě PostgreSQL, kterému je věnován tento kurz.

Poznámka pro pokročilé

Hranice mezi jednotlivými typy zdrojů dat nemusí být vždy jednoznačná. Existují například takzvané souborové databáze, tedy soubory, které se chovají podobným způsobem jako databázový server, ovšem bez řady výhod, které poskytuje plnohodnotný databázový systém. Na druhou stranu se s nimi o poznání snáze manipuluje. Příkladem může být MS Access nebo open source SQLite (a jeho prostorové nadstavby OGC GeoPackage a SpatiaLite).

Provoz databáze přináší ve srovnání s daty v souborech určité požadavky na režii. O její správu a nastavení se musí starat kvalifikovaný specialista, má určité nároky na hardware apod. Co nám tedy přináší a kdy je pro nás nezastupitelná?

V první řadě je třeba vzít v potaz objem dat. Od jistého objemu není možné efektivně pracovat s daty uloženými v souborech. Naproti tomu v databázi můžeme pomocí indexů přistupovat přímo k jednotlivým záznamům tak, jak jsou uloženy na datových stránkách.

Referenční integrita

Další benefit, který nám databáze může přinést je "hlídání" tzv. referenční integrity.

Referenční integrita znamená, že tabulky jsou mezi sebou provázány cizími klíči. Tedy pokud podřízená (slave) tabulka obsahuje položku s odkazy do jiné nadřízené tabulky, není možné do podřízené tabulky přidat záznam, pokud v nadřízené tabulce neexistuje hodnota, na kterou odkazuje cizí klíč. Nemůžeme tedy například do tabulky jednotlivých vozidel přidat vozidlo s odkazem na typ tříkolka, pokud nemáme v tabulce typů vozidel typ tříkolka. Nebo pokud máme tabulku staveb a parcel, při správně nastavené referenční integritě nám databáze nedovolí vložit budovu na neexistující parcele a pod.

Další užitečnou vlastnosti je možnost nastavit chování podřízeného záznamu při smazání souvisejícího záznamu v nadřízené tabulce. Můžeme zvolit RESTRICT nebo CASCADE. V případě CASCADE se související záznamy mažou, v případě RESTRICT není možné nadřízený záznam smazat, dokud jsou na něj navázány záznamy v podřízených tabulkách.

Spolupráce

Není obvyklé, aby k jednomu souboru přistupovalo více klientských aplikací zároveň, protože by si ho přepisovaly "pod rukama". Databáze je v tomhle daleko pokročilejší a umožňuje, aby nad jednou datovou sadou mohlo pracovat více klientů najednou. V databázi je navíc možné nastavovat práva na zápis, čtení a manipulaci s tabulkami, schématy, funkcemi... Podobně jako v souborovém systému.

Transakce

Transakčnost databáze znamená, že se série změn provede buď celá nebo vůbec. Typická (a tím pádem pěkně otřepaný případ) je situace, kdy převádíme peníze z účtu na účet. Tedy, nebylo by dobré, aby byly z jednoho účtu peníze odečteny, aniž by na cílový účet byly přidány.

Seznam požadavků na transakční databázi bývá označován zkratkou ACID. Znamená to Atomic, Consistent, Isolated, Durable. Znamená to, že transakce je nedělitelná, před i po jejím proběhnutí musí být platná referenční integrita, transakce se navzájem neovlivňují a změny jsou trvalé i po případné havárii databázového serveru.

Co je databáze?

Databázi, ať už relační nebo dokumentovou, si můžeme představit jako knihovnu. V knihách (tabulkách) máme nějaké informace. Informace pro nás vyhledávají knihovnice (obslužné programy). K tomu používají katalogy a rejstříky (indexy). Organizace knihovny je plně pod naší kontrolou, ovlivňujeme hardware (kolik bude mít budova pater (disků), kolik bude volných regálů a manipulačního prostoru atd.), kolik bude mít knihovna fyzických zaměstnanců (počet jader procesoru). Dále ovlivňujeme organizaci, budou knihy řazeny podle abecedy podle názvů, podle klíčových slov, podle jména autora? Jak často budeme aktualizovat katalogy a rejstříky (aktualizovat indexy)? Kolik místa vlastně na katalogy/indexy vyhradíme? Jak budeme nakládat s místem po vyřazených svazcích (proces VACUUM)? A tak dále. Se svými zaměstnanci komunikujeme v jazyce SQL (pokud tedy hovoříme o relační databázi).

Tabulky

V relační databázi ukládáme data do tabulek (tzv. relací). Tabulka je svisle dělena na jednotlivé sloupce (často označovány jako atributy nebo položky) a vodorovně na řádky (záznamy). Data v jednom sloupci musí mít stejný datový typ (datum, celé číslo, číslo s plovoucí desetinnou čárkou, textový řetězec apod.).

Schémata

Schémata můžeme vnímat podobně jako adresářovou strukturu, ovšem bez možnosti dalšího zanořování, případně jako jmenný prostor. Umožňuje nám logicky dělit databázi, což oceníme například při zálohování, při nastavování práv. Databázové tabulky, funkce, indexy apod. musí mít v rámci schématu (schéma je možné vnímat jako součást názvu) unikátní název. Tudíž můžeme mít v databázi stejně pojmenované tabulky v různých schématech. Příklad využití je napříkad při databázi rozdělené do schémat geograficky. Další výhodné využití je při historizování záznamů, kdy máme schéma historie s podobnou strukturou jako schéma s platnými daty.

Datové typy

Datové typy odpovídají typům z programovacích jazyků typu C. Základem jsou celočíselné typy (integer, bigint apod.) a řetězce (varchar, char, text ...), tím ovšem výčet zdaleka nekončí. Pro prostorovou reprezentaci používáme datový typ geometry nebo geography. Záznamu v tabulce odpovídají kompozitní typy, celé datové struktury je možné ukládat do nerelačních datových typů jako je JSON, hstore nebo XML a dalo by se dále pokračovat.

Indexy

Indexy v databázi slouží k co možná nejrychlejšímu dohledání záznamů v tabulce. Fungují na podobném principu jako rejstřík v knize. Jedná se o jakýsi utříděný seznam klíčů spojených s odkazem na konkrétní datovou stránku, na místo na pevném disku, kde je uložena požadovaná informace. Smyslem indexu je provést při dohledání záznamu minimum porovnání hodnot v indexu s požadovanou hodnotou. U neindexované tabulky bychom museli porovnat požadovanou hodnotu se všemi záznamy.

Poznámka pro pokročilé

Nejčastějším typem indexu je B-tree, zde jsou hodnoty uloženy ve stromovité struktuře založené na dichotomickém větvení. Na každém uzlu porovnáme požadovanou hodnotu s hodnotou na uzlu a zjistíme, jestli je větší nebo menší. S každým patrem je síto jemnější. To je velice efektivní, když si uvědomíme, že při zdvojnásobení objemu dat přibude jen jedno porovnání navíc. B-tree index je možné sestavit jen nad položkami s takovým typem dat, který je možné porovnávat pomocí operátorů < a >. Nehodí se tedy pro data vícedimenzionální, např. prostorová data.

Omezení (constraints)

V odstavci věnovaném referenční integritě je zmíněno, že není možné vložit do sloupce s cizím klíčem hodnotu, která není v nadřízené tabulce. To je příkladem omezení cizího klíče. Dalším častým příkladem je omezení na unikátní hodnotu, což je podmínka pro primární klíč, tedy hodnotu, podle které je možné jednoznačně identifikovat záznam v tabulce. Omezení ovšem můžeme vytvářet dle libosti, například můžeme v tabulce osob nastavit, že není možné do sloupce se jménem vložit jméno František, případně do nějakého číselného sloupce hodnotu, která není dělitelná jedenácti, geometrii s rozlohou větší než hektar apod.

Zde je dobré si uvědomit, že pokud se pokusíte vložit data do sloupce a porušíte omezení, vrátí server chybu. Pokud tedy bude tato dávka součástí transakce, neprovede se celá transakce.

Pohledy (views)

Pohledy jsou uložené dotazy, které se chovají obdobně jako tabulky. Můžeme je dotazovat, nastavovat jim práva. K tabulkám, do kterých pohledy nahlížejí, přistupují s právy toho, kdo je vytvořil. Můžeme tedy pohledem zpřístupnit pro některé uživatele vybraný obsah tabulek, které sami nevidí.

Specifickou záležitostí jsou materializované pohledy. Zde je výstup dotazu uložen do tabulky a zároveň je uložen dotaz, kterým byl materializovaný pohledy vygenerován. Proto může být snadno přegenerován příkazem REFRESH MATERIALIZE VIEW.

Poznámka

Materializované pohledy podporuje PostgreSQL až od verze 9.3.

Triggery

Trigger, neboli spoušť spustí proceduru při nějaké události. Existují dva základní typy triggerů a to DML a DDL triggery.

DML, tedy Data Manipulation Language trigger se spustí při manipulaci s daty, tedy při vložení, smazání, případně aktualizaci záznamu. Obvyklé využití je například archivování smazávaných hodnot, kontrolu dat při vstupu a podobně. Pomocí triggerů lze ošetřit také kontrolu podobně jako u omezení. Pokud nastavíme trigger tak, aby se spustil před vložením záznamu, můžeme eliminovat duplicitní záznamy, dříve než dojde k chybě a tím pádem nedojde k pádu transakce.

DDL, tedy Data Definition Language trigger je v PostgreSQL relativně čerstvá novinka a spustí se při změně ve struktuře, například při přidání tabulky může nastavit práva, replikace apod.

Obdobou triggerů jsou pravidla, ta ovšem nedisponují všemi možnostmi triggerů a nedoporučuje se jich příliš používat. Nicméně občas se mohou hodit, pokud chceme pracovat s pohledem jako s tabulkou a nastavit, co se má dít při vkládání nebo manipulaci s daty.

Funkce

Funkce je v databázi uložená procedura, kterou spustíme dotazem. V PostgreSQL může být napsaná v jazyce SQL, v procedurálním jazyce PosgreSQL PL/pgSQL plpgsql či v dalším z jazyků, které PostgreSQL podporuje jako je Python, Perl, R, Javascript. Případně může být importovaná z externího modulu napsaného například v jazyce C.

Funkce tedy spouští nějaký kód, může vracet jednu hodnotu, jednu hodnotu z více záznamů (agregační funkce), případně může vracet více záznamů, nebo provádět nějaké změny v databázi (například funkce PostGISu AddGeometryColumn). Specifickou skupinou jsou analytické window funkce.

Nastavování práv k funkcím je složitější než u pohledů, je možno nastavit SECURITY DEFINER práva a potom přistupuje funkce k tabulkám s právy svého tvůrce.

A co prostorová databáze?

Prostorová databáze se podobá takové knihovně, ve které jsou kromě knih také mapy, atlasy, globusy... Zkrátka nosiče informací, které zaznamenávají také umístění jednotlivých údajů.

PostGIS používá pro popis prostorových objektů specifikaci OGC Simple Features Access (SFA). Tato specifikace popisuje společnou architekturu pro tzv. jednoduché geoprvky a specifikuje jejich uložení v digitální podobě.

Poznámka

V roce 2004 byla specifikace OGC SFA přijata jako mezinárodní norma označovaná jako ISO 19125 a později v roce 2006 adoptována jako technická norma ČSN 19125.

Specifikace OGC SFA zavádí pro popis geometrie geoprvků nové datové typy jako je např. Point, LineString, Polygon a další.

../_images/sfa-classes.png

Obrázek 1: Přehled jednotlivých typů geometrie specifikace OGC SFA.