TL;DR

E. F. Codd 在 1970 年发表的这篇论文提出了关系数据模型（Relational Model），用数学上的 n 元关系（n-ary relation）来统一表示数据，并用一阶谓词逻辑作为查询语言的基础。这篇论文彻底改变了数据库领域——从此数据管理从”告诉计算机怎么找数据”变成了”告诉计算机你要什么数据”。

1. 背景与动机

1960 年代末的数据库现状

在 Codd 发表这篇论文之前，数据库系统主要依赖两种模型：

  • 层次模型（Hierarchical Model）：如 IBM 的 IMS，数据组织为树形结构
  • 网状模型（Network Model）：如 CODASYL 标准，数据组织为图结构

这两种模型的共同问题：数据独立性极差。程序员必须了解数据的物理存储方式，查询逻辑与数据访问路径强耦合。

Codd 的核心洞察

Codd 在 IBM San Jose 实验室工作期间，观察到三个关键痛点：

  1. 排序依赖（Ordering Dependence）：数据的物理顺序变化会导致应用程序需要修改
  2. 索引依赖（Indexing Dependence）：添加或删除索引会影响程序的正确性
  3. 访问路径依赖（Access Path Dependence）：程序员必须显式指定遍历数据的方式

Codd 的解决方案：用数学关系（relation）抽象数据，让系统而非程序员决定访问路径。

2. 核心思想

2.1 关系作为数据模型

Codd 用一个简单的思想统一了所有数据：所有数据都可以表示为 n 元关系（表）。

一个关系 R 是笛卡尔积 S₁ × S₂ × … × Sₙ 的子集，其中每个 Sᵢ 是一个域（domain）。直观理解就是一张有行和列的表。

关键抽象：

  • 关系的行之间没有隐含的顺序
  • 列由属性名（非位置）标识
  • 每个单元格的值是原子的（第一范式）

2.2 数据独立性

论文最重要的贡献之一是明确定义了两种数据独立性：

  • 逻辑数据独立性：可以在不影响已有查询的情况下添加新的列或关系
  • 物理数据独立性：可以改变存储结构、索引而无需修改查询

2.3 关系代数与关系演算

论文提出了两种等价的查询语言：

  • 关系代数（Relational Algebra）：一组操作原语（选择、投影、连接、并、差、笛卡尔积）
  • 关系演算（Relational Calculus）：基于一阶谓词逻辑的声明式语言 { x | P(x) }

这两种语言奠定了 SQL 的理论基础。

3. 对工业界的影响

直接遗产

  • System R (IBM, 1974-1979)：第一个 SQL 实现，验证了关系模型的工业可行性
  • Ingres (UC Berkeley, 1974-1980)：影响了 PostgreSQL 的设计
  • Oracle (1979)：第一个商业关系数据库

现代系统继承

至今，几乎所有主流数据库都基于关系模型或其扩展：

系统与关系模型的关系
PostgreSQL关系模型 + 对象扩展
MySQL纯关系模型
SQLite嵌入式关系模型
DuckDB列存关系模型，嵌入关系代数优化器

局限性

Codd 的关系模型也面临挑战：

  • 阻抗不匹配（Impedance Mismatch）：关系模型与面向对象编程语言之间的鸿沟催生了 ORM
  • Schema 刚性问题：催生了 NoSQL 运动（但关系模型通过 JSON/JSONB 适应了这一挑战）
  • 分布式扩展：ACID 严格保证在分布式环境下成本高昂，但 NewSQL 在努力弥合

4. 延伸阅读