揭秘:全球最受欢迎的数据库竟然是套壳的!

发表时间: 2024-01-23 17:08

世界上最流行的数据库是什么?


Oracle? MySQL? PostGreSQL?


都不是,答案是SQLite。



你可能没听说过它,但是它就在你身边的:


每一台智能手机中(Android 和iOS)

每一台Mac电脑中

每一台Windows 10 电脑中

每一个主要的浏览器中(Chrome, Firefox,Safari)

大部分的机顶盒当中

每个PHP和Python安装目录中

很多流行的桌面应用(微信、QQ、 DropBox、 Skype、iMessage、WhatsApp、 Adobe Acrobat Reader....)

......


不信的话可以在电脑中搜索一下 “*.db”,看看能发现多少个。


每个流行的软件都是为了解决一个痛点问题,SQLite也不例外。


时光回到2000年,Richard Hipp为美国海军的驱逐舰开发软件,这个软件要对船上所有的阀门进行管理和操作。

当时,美国海军使用的是IBM的Informix数据库,这个软件需要通过网络访问它来读取数据。


但是有时候Informix所在的服务器会挂掉,阀门管理软件就会报错:不能连接到服务器!


更糟糕的是,他们对这个数据库服务器没有任何控制权,结果不出意外,谁弹的报错对话框,谁背锅。


为了解决这个问题,Richard团队想了一招:将所有数据读入内存!


好在他们的程序不需要增、删、改数据,只要将数据全部读入内存,就万事大吉了。


此时,Richard脑中闪现出一个大胆的想法:既然如此,还要啥Informix呢?


直接从本地硬盘读取数据就得了!这样只要计算机能正常工作,程序就能正常运行。


这其实就是嵌入式数据库,数据库和用户程序位于同一台机器的同一个进程当中。



不过当时还没有这样的数据库,这时,一位同事提醒Richard:“那你为什么不自己写一个呢?”


当时没事儿可干的Richard决定把这个嵌入式数据库给写出来。


于是,SQLite诞生了!


SQLite第一版的提交历史记录


SQLite第一版其实也是个套壳数据库


SQLite的第一版是在GDBM——可谓是NoSQL的鼻祖——上套了个壳。SQLite第一版的README文件中这样写道:


SQLite: An SQL Database Built Upon GDBM


GDBM衍生自DBM,而DBM(DataBase Manager的缩写)是来自Unix的键值数据库(key-valuedatabase),支持通过主键快速访问数据,最初由计算机界的大佬Ken Thompson编写。



所以,我们可以把GDBM的数据库看作是存储在硬盘上的哈希表。


GDBM仅仅以代码库(library)的形式向用户提供一系列API,并不支持SQL语句。


虽然是套壳数据库,但这个壳套得可不简单。


上世纪90年代,编程语言界诞生了不少基于字节码的语言,也因此出现了各种虚拟机。


例如,Java有JVM,PHP有Zend Engine,Python和Ruby也有自己的虚拟机。


拥有丰富编译器经验的Richard也如法炮制,他也搞了虚拟机,将SQL语句转化为字节码,在虚拟机上执行。


下面我们就来梳理一下SQLite第一版的架构,看看它是怎么套壳GDBM的。


SQLite第一版的架构


SQLite采用了典型的分层架构,一条SQL语句依次经过


  • 用户接口(UI)层

  • 词法分析器(Tokenizer)层

  • 语法解析器(Parser)层

  • 字节码生成器(Code Generator)层

  • 虚拟机(虚拟数据库引擎〔Virtual DataBase Engine〕)层

  • 数据库后端(DataBase BackEnd〔DBBE〕)层


最终到达GDBM数据库层,变为对GDBM数据库的CRUD(通过调用GDBM提供的API)。


这些层在下图中都用方框表示,方框内写有该层的名称,名称下方括号内是实现层的源代码文件。

SQLite第一版的架构


以图中的INSERT INTO语句为例,首先,UI层将用户输入的这条SQL语句传递给Tokenizer(词法分析器)。


Tokenizer会将一条SQL语句分割为Token的序列(通过sqliteGetToken()函数),类似[INSERT,INTO, examp, VALUES, (, 'Hello, World!'...]。


接下来由Parser(语法分析器)根据语法规则(如图中的cmd::= INSERT INTO...)解析来自Tokenizer的Token的序列,并调用与匹配的语法规则对应的处理函数,这里是INSERT语句的语法规则对应的处理函数sqliteInsert()。


值得一提的是,SQLite第一版中的词法分析器和语法分析器(叫做Lemon)都是Richard自己编写的,他从一开始就没有采用lex和yacc等成熟的现成工具,这或许是源于他对自由的极度渴望。


文章最后我们会聊聊Richard在软件世界中的生存态度,到时候就更能理解Richard为什么要重复造轮子了。


回到架构图中,在语法规则处理函数sqliteInsert()中(位于字节码生成器〔Code Generator〕层),SQL语句被翻译(通过sqliteVdbeAddOp()函数)成了如下图左侧黄色方框中的字节码(OpCode)(我这里进行了简化,实际的字节码要比这里的复杂一些)。


可以看到,此时一条INSERT语句被分解成为若干简单的指令:


Open examp——打开名为examp的数据表;

Integer 99——添加一个整型的数据项,值为99;

Put——向数据表中写入记录……


SQLite第一版的架构(续)


当虚拟机(也叫VDBE,Virtual DataBaseEngine,虚拟数据库引擎)接收到这一串指令后,就会根据指令的类型(是Open、是Put,还是……)调用对应的函数。


如对于Put这个指令,就需要调用sqliteDbbePut()来处理。


现在处理流程终于进入到了DBBE(DataBase BackEnd,数据库后端)层,这里才是最贴近GDBM的那层壳。


既然Put指令(对应sqliteDbbePut()函数)要插入记录,那就调用gdbm_store()这个GDBM的API完成数据写入。


至此,SQLite第一版就处理完了一条INSERT语句,向examp表中插入了一条新纪录("Hello,World!", 99)。


设计模式的角度看,DBBE层相当于接口,而GDBM相当于实现类;从MySQL架构的角度看,DBBE层相当于MySQLServer层,而GDBM相当于MyISAM或InnoDB,是一种Pluggable Storage Engine。


也许Richard一开始就想到了不能在GDBM一棵树上吊死,底层的存储引擎应该是可以替换的。


果然,到了2001年,Richard就决定干掉GDBM了。


他从书架上取出高德纳(Donald Knuth)的巨著The Art ofComputer Programming(《计算机程序设计艺术》),用B树替代掉了GDBM。


用B树替代GDBM的提交记录


B树替代GDBM后,README文件的diff


“末日准备者”Richard


最后我们来聊一聊Richard这个人。



世界上有这样一类人,他们在一小块土地上自己种植食物,生活完全靠自给自足,甚至不使用自来水、电、天然气等公共设施。


人们称他们为生存主义者(survivalist)或末日准备者(preppers)。


而Richard仿佛也是他们之中的一员,时刻都在为软件世界的“末日”做着准备:


要是现有的语法分析器不能满足我的需求怎么办?——那我自己写一个吧——于是有了Lemon。


要是版本控制系统不好用怎么办?——那我自己写一个吧——于是有了Fossil。


要是文本编辑器……——那我自己写一个吧。


在一档名为FLOSS Weekly的访谈节目的结尾,主持人问了Richard一个例行问题:“你最喜欢的编辑器是?”


“当然是我自己写的那个,哈哈哈”


为了管理SQLite的代码迭代,Richard还自己造了个叫做Fossil的版本控制系统。


更有意思的是,SQLite的源代码使用Fossil来管理,而Fossil又依赖SQLite来存储代码仓库的信息,这就产生了一个在后人看来类似先有鸡还是先有蛋的问题。


毫不夸张地说,除了C编译器和libc中的一些东西之外,SQLite基本上只依赖Richard自己构建的软件。


而这正是Richard所要的自由——自己编写的组件越多,就越自由,就越少受到束缚。


Richard坚定地认为,如果想要自由,就得自己动手。如果有人跟你说“让我们为你解决问题”,那你就要有所警惕,因为他们真正想说的是,“我们将会剥夺你的一些自由”。


Richard不想让别人控制自己的命运,他要牢牢掌握自己的命运,纵使会付出很多努力。


(完)


本文来自“胡译胡说” 的投稿。


胡译胡说 软件工程师、技术图书译者。译有《图解云计算架构》《图解量子计算机》《计算机是怎样跑起来的》《自制搜索引擎》等。


参考资料:

Building SQlite V1:

https://corecursive.com/066-sqlite-with-richard-hipp/#building-sqlite-v1

第一版提交记录:

https://sqlite.org/src/timeline?a=2000-05-01

第一版的代码仓库:

https://www.sqlite.org/src/tree?ci=e8521fc10dcfa02f

用B树替代GDBM的提交记录:

https://sqlite.org/src/timeline?a=2001-04-14