企业官网建设流程全解析

Data-Science-For-Beginners 非关系型数据指南：从电子表格公式到 NoSQL 与 Cosmos DB 文档数据库

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

本文基于 Data-Science-For-Beginners 课程第 6 课（2-Working-With-Data/06-non-relational/README.md）编写，聚焦“数据不只是关系型数据库”这一主题：先用 Microsoft Excel 讲解电子表格的工作簿结构、公式与函数，再将 NoSQL 归纳为键值、图、列式、文档四大类型，并借助 Azure Cosmos DB 模拟器在本地创建、探索和查询文档数据库。读完后，你将能够用电子表格公式计算库存总值、区分四类 NoSQL 数据模型、在模拟器中执行 SQL 查询并上传 JSON 数据。

为什么数据不限于关系型数据库

前一课（05-relational-databases/README.md）围绕 SQL 与关系型数据库展开，而本课明确指出：数据的存储形态并不止于关系表。本课分两条线索展开：

1. 电子表格（Spreadsheets）：配置和上手成本最低的数据存储与探索方式，适合快速建表、计算与可视化；
2. NoSQL：一组“非关系型”数据模型的统称，覆盖键值、图、列式与文档数据库。

课程在仓库中为该课配备了完整可操作的素材：

电子表格基础：工作簿、工作表与单元格

电子表格是一种文件，存放在计算机、设备或云文件系统中；软件本身可以是浏览器端应用，也可以是安装在本地电脑上的应用程序。在 Excel 的术语体系中，这类文件被称为工作簿（workbook），本文后续沿用该称呼。

工作簿由一个或多个**工作表（worksheet）组成，每张工作表由底部标签页（tab）标识。工作表内部是由矩形单元格（cell）**构成的网格，单元格中存放实际数据。关键规则如下：

• 一个单元格是一行与一列的交叉点；
• 列用字母标识（A、B、C……），行用数字标识（1、2、3……）；
• 部分电子表格会在最前面几行放置表头（header），用于描述每个单元格数据的含义。

用 InventoryExample 管理库存

仓库中的 InventoryExample.xltm 是一个格式化的库存模板（源自 Microsoft 官方模板），包含三个工作表，标签页分别为：

• Inventory List（库存清单）
• Inventory Pick List（拣货清单）
• Bin Lookup（货位查找）

其中 Inventory List 工作表的第 4 行是表头，描述表头列下每个单元格数值的含义。

公式（Formulas）：让单元格依赖其他单元格

当某个单元格的值需要依赖其他单元格的值来生成时，就要用到公式。库存清单追踪每件商品的成本，但若要得到整个库存的总价值，就需要逐行计算“数量 × 单价”：

• 该工作表在 **Inventory Value（库存价值）**列使用公式，将 **QTY（数量）**列的值乘以 **COST（单价）**列的值，得到每件商品的库存价值；
• 公式以等号=开头，后跟计算表达式或运算；
• 双击或选中某个单元格即可查看其中的公式。

函数（Functions）：预定义的公式

手动逐格相加求总和是繁琐的。Excel 提供了函数——预定义好的公式，用于对单元格值执行计算：

• 函数需要参数（arguments），即完成计算所必需的输入值；
• 当函数需要多个参数时，参数顺序必须正确，否则可能算不出正确的结果；
• 模板示例使用SUM 函数，把 Inventory Value 列的所有值作为参数求和，总结果显示在第 3 行、B 列（即B3单元格）。

NoSQL：非关系型数据存储的四大类型

NoSQL 是一个伞形术语（umbrella term），涵盖存储非关系型数据的各种方式，可解读为 “non-SQL”“non-relational”（非关系型）或 “not only SQL”（不仅仅是 SQL）。这类数据库系统可归为四类：

1. 键值数据库（Key-Value）

键值数据库把唯一的键与值配对，键是与某个值相关联的唯一标识符。这些键值对借助**哈希表（hash table）和合适的哈希函数（hashing function）**进行存储与检索。

2. 图数据库（Graph）

图数据库描述数据中的关系，表现为一组节点（nodes）与边（edges）：

• 节点代表实体，即真实世界中存在的事物，如学生、银行对账单；
• 边代表两个实体之间的关系；
• 每个节点和每条边都可以携带属性（properties），提供关于它们各自的补充信息。

3. 列式数据库（Columnar）

列式数据存储像关系结构一样把数据组织为行与列，但每个列族（column family）是一个列的分组：同一列族下的数据彼此相关，可以作为单一单元整体检索或修改。

4. 文档数据库（Document）

文档数据库建立在键值数据库的概念之上，由一系列**字段（fields）和对象（objects）**构成。文档数据库的代表性实践——Azure Cosmos DB——是本课的重点，下一节将展开。

用 Cosmos DB 模拟器探索文档数据库

Cosmos DB 恰好符合 “Not Only SQL” 的定义：它的文档数据库使用 SQL 查询数据。第 5 课（05-relational-databases/README.md）讲过 SQL 基础，本课把这些查询知识直接迁移到文档数据库上。

文档长什么样

文档是字段与对象值的集合，字段描述对象值的含义。以下是一个 Cosmos DB 文档示例：

{ "firstname": "Eva", "age": 44, "id": "8c74a315-aebf-4a16-bb38-2430a9896ce5", "_rid": "bHwDAPQz8s0BAAAAAAAAAA==", "_self": "dbs/bHwDAA==/colls/bHwDAPQz8s0=/docs/bHwDAPQz8s0BAAAAAAAAAA==/", "_etag": "\"00000000-0000-0000-9f95-010a691e01d7\"", "_attachments": "attachments/", "_ts": 1630544034 }

• 业务上真正关心的是firstname、id和age三个字段；
• 其余以下划线开头的字段（_rid、_self、_etag、_attachments、_ts）都是Cosmos DB 自动生成的系统字段。

在模拟器中浏览数据

Cosmos DB 模拟器（Emulator）允许在本地电脑上创建和探索文档数据库，无需直接操作云端资源。官方提供 Windows 安装包；macOS 与 Linux 的运行方式可查阅 Cosmos DB 模拟器的官方文档（文档中给出了对应指引）。

模拟器启动后会打开一个浏览器窗口，其中的Explorer 视图用于浏览文档。如果跟着课程操作：

1. 点击“Start with Sample”，生成一个名为SampleDB的示例数据库；
2. 展开 SampleDB，可以看到一个名为Persons的容器（container）；
3. 容器保存一组元素（items），即容器内的文档，Persons下有 4 个可逐个查看的文档。

用 SQL 查询文档数据

点击模拟器工具栏中从左数第二个按钮 “New SQL Query”即可打开查询面板：

• SELECT * FROM c返回容器中的全部文档；
• 加上 WHERE 子句，找出所有年龄小于 40 岁的人：

SELECT * FROM c where c.age < 40

该查询返回两个文档，可以看到每个返回文档的age值都小于 40。

JSON 与文档：API 数据直通文档库

熟悉 JSON（JavaScript Object Notation）的人会注意到：文档的形态与 JSON 几乎一致。这一点有两层实践意义：

1. 课程自带示例数据：本课目录下的 PersonsData.json 包含 6 条firstname+age记录（如 Christophe/32、Prema/20、Keisha/84 等），可通过模拟器中的Upload Item按钮上传到Persons容器；
2. API 数据可直接入库：返回 JSON 的 API 数据通常可以直接转存到文档数据库。例如仓库中的 TwitterData.json 记录了从 Twitter API 拉取、再插入 Cosmos DB 的推文，其中的文档形如：

{ "created_at": "2021-08-31T19:03:01.000Z", "id": "1432780985872142341", "text": "Blank slate. Like this tweet if you've ever painted in Microsoft Paint before. https://t.co/cFeEs8eOPK", "_rid": "dhAmAIUsA4oHAAAAAAAAAA==", "_self": "dbs/dhAmAA==/colls/dhAmAIUsA4o=/docs/dhAmAIUsA4oHAAAAAAAAAA==/", "_etag": "\"00000000-0000-0000-9f84-a0958ad901d7\"", "_attachments": "attachments/", "_ts": 1630537000 }

该文档的业务字段是created_at、id与text，下划线字段同样是 Cosmos DB 自动生成的。

实践挑战：上传 Twitter 数据并用 LIKE 查询

课程给出的挑战步骤如下（在模拟器中操作）：

1. 点击右上角的“New Container”按钮；
2. 选择已有数据库（SampleDB），并为新容器创建一个容器 ID；
3. 将**分区键（partition key）**设置为/id；
4. 点击 OK（由于是小数据集且运行在本地，其余配置项可以忽略）；
5. 打开新容器，用Upload Item按钮上传 TwitterData.json。

完成上传后，尝试编写若干 SELECT 查询，找出text字段中包含 “Microsoft” 的文档。课程给出的提示是使用LIKE 关键字配合通配符（官方 Cosmos DB SQL 查询关键字文档有专门说明），例如按c.text LIKE '%Microsoft%'的思路编写条件。

课后作业：Soda Profits

本课的配套作业是 assignment.md 中的Soda Profits练习，基于 CocaColaCo.xlsx（该文件缺少部分计算，需要你自己补上）：

1. 计算 FY '15、'16、'17、'18 的毛利润（Gross Profit）：
   • Gross Profit = Net Operating revenues - Cost of goods sold
2. 计算所有毛利润的平均值，并尝试用函数完成：
   • Average = Sum of gross profits / 财政年度数量
   • 可参考 AVERAGE 函数的官方文档语法；
3. 该文件虽为 Excel 格式，但应能在任意电子表格平台中编辑。

这组练习把本课的公式/函数知识与真实财务数据结合起来：先用公式逐行算差值，再用 AVERAGE 函数求均值，与 InventoryExample 中的 SUM 用法一脉相承。

小结

• 电子表格以“工作簿—工作表—单元格”的层级组织数据，公式以=开头、函数是带有序参数的预定义公式，二者可快速完成库存价值、利润等派生指标的计算；
• NoSQL 的四种模型各有侧重：键值用哈希表存键值对、图用节点和边表达实体关系、列式以列族为单位存取、文档以字段和对象组织数据；
• Cosmos DB 属于 “Not Only SQL”：文档近似 JSON，但用 SQL 子集查询；借助模拟器即可在本地完成建库（Start with Sample）、浏览（Explorer/Items）、上传（Upload Item）与查询（New SQL Query）的完整闭环；
• 返回 JSON 的 API 数据可以近乎零转换地进入文档数据库，这正是本课用 Twitter 数据做演示的原因。

课程同时建议延伸阅读：电子表格还有本课未覆盖的格式化与高级特性（可查阅 Microsoft 官方 Excel 文档与视频库）；微软架构文档《Non-relational Data and NoSQL》系统梳理了各类非关系型数据的特征；Cosmos DB 作为云端的非关系型数据库，也能存储本课提到的其他 NoSQL 类型（可在 Microsoft Learn 的 Cosmos DB 学习路径中深入）。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners