Databáze

ACID je sada čtyř vlastností databázové transakce: atomicity, consistency, isolation a durability. Zaručuje, že skupina zápisů proběhne jako jeden celek, neporuší definovaná pravidla databáze, nebude se nebezpečně míchat s jinými transakcemi a po potvrzení přežije pád systému, například při převodu peněz.

Booleovské operace jsou logické operace nad hodnotami pravda a nepravda, především AND (konjunkce), OR (disjunkce), NOT (negace) a XOR (nonekvivalence). Tvoří základ Booleovy algebry, řídí podmínky v programovacím kódu, filtry ve vyhledávání i klauzuli WHERE v SQL a na úrovni hardwaru je realizují logická hradla procesoru.

Business intelligence je soubor postupů, datových modelů a nástrojů, které převádějí firemní data na reporty, dashboardy a metriky pro rozhodování. BI obvykle spojuje data z provozních systémů, čistí je, ukládá pro analýzu a zpřístupňuje manažerům, analytikům i týmům, které sledují výkon produktu nebo firmy.

Cizí klíč je databázové omezení, které ukládá, že hodnota ve sloupci nebo skupině sloupců musí odpovídat existujícímu řádku v jiné, případně téže tabulce. Relační databáze tím chrání vazby mezi záznamy, například aby objednávka neodkazovala na neexistujícího zákazníka a data zůstala konzistentní.

Commit je zapsání skupiny změn tak, aby se staly trvalou a nedělitelnou součástí systému. Ve verzovacím systému jako Git jde o snímek obsahu repozitáře s odkazem na předchozí commit, autorem a popisem. V databázi commit uzavírá transakci a potvrzuje všechny její zápisy najednou.

Connection pool je sada předem otevřených spojení k databázi nebo jiné službě, kterou aplikace sdílí mezi požadavky místo toho, aby pro každý požadavek navazovala nové spojení. Požadavek si spojení vypůjčí, provede dotaz a vrátí ho zpět do fondu. Šetří se tím čas na TCP handshake, autentizaci a vznik procesu na straně serveru.

Data pipeline je řízený sled kroků, který přesouvá data ze zdrojů do cílového úložiště nebo aplikace a během cesty je čistí, převádí, obohacuje či kontroluje. Používá se v analytice, strojovém učení i provozních systémech, aby data dorazila včas, ve správném formátu a dohledatelně.

Databázová transakce je řízená skupina databázových operací, která se má provést jako jeden logický celek. Pokud se všechny kroky podaří, změny se potvrdí commitem; při chybě se vrátí rollbackem. Transakce chrání konzistenci dat hlavně při souběžných zápisech, výpadcích a více navazujících změnách.

Databázový pohled je pojmenovaný uložený SELECT dotaz, na který se v databázi odkazuje jako na tabulku. Pohled sám o sobě data neukládá: při každém použití se jeho definice vyhodnotí nad zdrojovými tabulkami. Slouží k zjednodušení složitých dotazů, k omezení přístupu na vybrané sloupce a řádky a ke stabilnímu rozhraní nad měnícím se datovým modelem.

Datová kvalita je míra, do jaké data odpovídají potřebám konkrétního použití, například rozhodování, reportingu, automatizace nebo trénování modelů. Posuzuje se podle vlastností jako přesnost, úplnost, konzistence, aktuálnost, jedinečnost a dohledatelnost původu, nikoli jen podle toho, zda jsou data technicky validní.

Datová sada je uspořádaný soubor datových záznamů, který má společný účel, strukturu a kontext použití. Může jít o tabulku objednávek, kolekci obrázků, logy aplikace nebo trénovací příklady pro model. Důležitá není jen data samotná, ale také popis sloupců, původ, kvalita a pravidla aktualizace.

Datové jezero je centrální úložiště, které uchovává velké objemy strukturovaných, polostrukturovaných i nestrukturovaných dat v původní nebo málo upravené podobě. Slouží jako základ pro analytiku, strojové učení, reporting a pozdější zpracování, kdy se datům dává struktura až při čtení nebo transformaci.

Datový sklad je centrální databázové prostředí určené pro dlouhodobé ukládání, sjednocení a analytické dotazování dat z více provozních systémů. Na rozdíl od transakční databáze optimalizuje čtení, agregace a historické pohledy, takže podporuje reporting, business intelligence, plánování i datové modely nad konzistentními metrikami.

Deadlock je stav, kdy se dva nebo více procesů, vláken nebo transakcí navzájem blokují, protože každý drží prostředek, který potřebuje někdo další. Výpočet pak nemůže pokračovat bez zásahu plánovače, databáze nebo aplikace, typicky u zámků, mutexů, souborů či řádků v databázi.

Denormalizace je záměrné zavedení redundance do datového modelu, typicky zkopírováním nebo předpočítáním hodnot z jiných tabulek, aby čtení nemuselo spojovat mnoho tabulek a agregovat je za běhu. Denormalizace zrychluje dotazy výměnou za větší objem dat, složitější zápisy a riziko, že se kopie hodnoty rozejdou s originálem.

Disaster recovery je soubor plánů, technických opatření a provozních postupů, které umožní obnovit IT služby po havárii, kyberútoku nebo jiné vážné poruše. Řeší zálohy, náhradní infrastrukturu, odpovědnosti lidí, pořadí obnovy a cíle RTO a RPO, aby organizace věděla, co zprovoznit jako první a kolik dat smí ztratit.

Dotazovací plán je postup kroků, kterým databáze skutečně vykoná zadaný SQL dotaz: v jakém pořadí čte tabulky, zda použije index nebo sekvenční průchod a jakou metodou spojí data. Plán sestavuje plánovač na základě statistik o datech a vybírá z více možností tu s nejnižší odhadovanou cenou.

ETL je proces, při kterém se data získají ze zdrojových systémů, upraví do požadované podoby a uloží do cílového úložiště, typicky datového skladu. Používá se pro reporting, analytiku a integraci aplikací, protože odděluje sběr dat, jejich čištění a kontrolované načtení do jednotného modelu.

Fulltextové vyhledávání je způsob hledání v textových dokumentech, který neporovnává jen přesný řetězec znaků, ale pracuje s tokeny, jazykovými tvary a pořadím slov. Vyhledávač si obvykle vytváří index, podle dotazu najde kandidáty a seřadí výsledky podle relevance, případně zvýrazní nalezené pasáže.

Hashování hesla je převod hesla na neobrátitelný otisk pomocí záměrně pomalé funkce, například bcrypt, scrypt nebo Argon2, aby se do databáze nikdy neukládalo heslo v čitelné podobě. Ke každému heslu se přidává náhodná sůl, takže shodná hesla dají různé otisky a útočník nemůže použít předpočítané tabulky.

Index je pomocná datová struktura, která databázi umožní najít řádky podle hodnoty sloupce bez procházení celé tabulky. Zrychluje čtení, zpomaluje zápis a zabírá místo, takže každý index je vědomý kompromis.

Indexace je proces, při kterém systém zpracuje obsah a uloží ho do datové struktury umožňující rychlé vyhledávání. Ve vyhledávačích jde o zařazení stažené stránky do vyhledávacího indexu, v databázích o vybudování indexu nad sloupcem tabulky. Bez indexace by každý dotaz vyžadoval sekvenční průchod všemi daty.

JOIN je operace v SQL, která skládá řádky ze dvou nebo více tabulek podle zadané podmínky, typicky podle shody primárního a cizího klíče. Umožňuje číst normalizovaná data jako jeden výsledek, ale může měnit počet řádků i výkon dotazu.

JSON je textový formát pro zápis strukturovaných dat, který používá objekty, pole, řetězce, čísla a literály true, false a null. Hodí se hlavně pro přenos dat mezi webovým klientem, serverem a službami, protože je čitelný pro člověka, snadno se parsuje a není vázaný na jeden programovací jazyk.

Katalog produktů je strukturovaná databáze zboží a služeb e-shopu, která pro každou položku drží identifikátory, názvy, popisy, parametry, varianty, ceny, dostupnost a obrázky. Katalog produktů tvoří jádro elektronického obchodu: z něj čerpají výpisy kategorií, vyhledávání, filtry, objednávkový proces i exporty do srovnávačů a reklamních systémů.

Migrace databáze je řízená změna struktury, obsahu nebo umístění databáze tak, aby aplikace dál pracovala se správnými daty. V praxi zahrnuje skripty pro úpravu schématu, přesun a čištění dat, testování, zálohy, nasazení ve správném pořadí a plán návratu při selhání.

Normalizace databáze je způsob návrhu relační databáze, při kterém se data rozdělují do tabulek podle významu a závislostí, aby se omezila duplicita a nekonzistence. Typicky se opírá o normální formy, primární klíče a cizí klíče; výsledkem je čistší model, ale někdy složitější dotazy.

NoSQL je skupina databázových systémů, které neukládají data primárně jako relační tabulky s pevným schématem. Patří sem dokumentové, key-value, širokosloupcové a grafové databáze. NoSQL se používá hlavně tam, kde je důležitá pružná struktura dat, horizontální škálování, vysoký počet zápisů nebo nízká latence.

Optimistické zamykání je způsob řízení souběžných zápisů, při kterém se záznam během čtení a úprav nezamyká a konflikt se odhalí až v okamžiku uložení: zápis proběhne jen tehdy, pokud se data mezitím nezměnila. Kontrola se obvykle dělá přes číslo verze nebo časové razítko a při neshodě aplikace operaci zopakuje.

ORM je vrstva softwaru, která mapuje objekty v aplikaci na tabulky a vztahy v relační databázi. Umožňuje pracovat s daty přes třídy, entity a metody místo ručního skládání SQL pro každý dotaz, ale zároveň přidává abstrakci, jejíž chování, výkon a transakce musí vývojář chápat.

Práva subjektu údajů je soubor oprávnění, která GDPR dává fyzické osobě vůči správci zpracovávajícímu její osobní údaje. Patří sem přístup ke kopii údajů, oprava, výmaz, omezení zpracování, přenositelnost, námitka a právo nebýt předmětem čistě automatizovaného rozhodování. Správce musí žádost vyřídit zpravidla do jednoho měsíce a bezplatně.

Právní titul zpracování je důvod uznaný nařízením GDPR, bez kterého správce nesmí osobní údaje vůbec zpracovávat. Článek 6 nabízí šest titulů: souhlas, plnění smlouvy, právní povinnost, ochrana životně důležitých zájmů, veřejný zájem a oprávněný zájem. Správce musí titul určit před zahájením zpracování a nemůže ho pak libovolně měnit.

Primární klíč je databázové omezení, které jednoznačně identifikuje každý řádek tabulky a nedovolí prázdnou ani duplicitní hodnotu. Slouží jako stabilní adresa záznamu pro dotazy, vazby mezi tabulkami i kontroly integrity. V relačních databázích bývá tvořen jedním sloupcem nebo kombinací více sloupců.

Race condition je chyba souběhu, při níž správnost programu závisí na náhodném pořadí nebo načasování operací nad sdíleným stavem. Projeví se typicky ve vláknech, asynchronním kódu, databázových transakcích nebo distribuovaných systémech, kde dvě části programu čtou a mění stejná data bez dostatečné synchronizace.

RAG je architektura pro práci s jazykovým modelem, která před generováním odpovědi vyhledá relevantní informace v externím úložišti a vloží je do kontextu modelu. Díky tomu může aplikace odpovídat z aktuálních firemních dat, dokumentace nebo znalostní báze, aniž by se musel model pokaždé znovu trénovat.

Replikace je průběžné vytváření a udržování kopií dat, služeb nebo stavů na více uzlech systému. V databázích a distribuovaných aplikacích zvyšuje dostupnost, umožňuje číst z blízkých kopií a chrání provoz před výpadkem jednoho stroje, ale současně přináší zpoždění, konflikty a složitější obnovu.

Rollback je návrat systému do posledního známého konzistentního stavu poté, co změna selhala nebo způsobila problém. V databázi ruší všechny zápisy rozpracované transakce, v nasazení vrací aplikaci na předchozí verzi. Cílem je odstranit následky neúspěšné operace bez ručního dohledávání toho, co se stihlo změnit.

Sharding je způsob horizontálního dělení datové sady na menší části, zvané shardy, které běží na oddělených uzlech nebo instancích databáze. Cílem je rozložit velikost dat, zápisy a dotazy tak, aby systém rostl za hranice jednoho serveru, ale za cenu složitějšího směrování, transakcí a provozu.

SQL je deklarativní jazyk pro práci s relačními databázemi, ve kterém se popisuje, jaká data chce uživatel vybrat, změnit nebo definovat, nikoli přesný postup jejich získání. Používá se pro dotazy, vkládání, aktualizace, mazání, tvorbu tabulek, oprávnění i transakční zpracování v mnoha databázových systémech.

SQL injection je zranitelnost, při které útočník vloží do vstupu aplikace text, jenž se stane součástí SQL dotazu a změní jeho význam. Útočník tak čte cizí data, obchází přihlášení nebo maže tabulky. Příčinou je skládání dotazu spojováním řetězců místo použití parametrizovaných dotazů s odděleným kódem a daty.

SSD je úložné zařízení, které data ukládá do polovodičové flash paměti NAND místo na rotující magnetické plotny. Nemá pohyblivé části, takže přístup k libovolnému místu trvá řádově desítky mikrosekund a náhodné čtení je stokrát až tisíckrát rychlejší než u pevného disku. Řadič uvnitř SSD navíc mapuje logické bloky na fyzické buňky.

Stored procedure je pojmenovaný blok databázového kódu uložený přímo v systému řízení databáze a spouštěný příkazem z aplikace, jiného SQL nebo plánované úlohy. Typicky uzavírá opakovanou změnu dat, validaci nebo dávkové zpracování, takže logika běží blízko dat a pod jedním transakčním i bezpečnostním modelem.

Stránkovací parametry jsou hodnoty v URL nebo v těle požadavku, kterými klient určuje, jakou část dlouhého seznamu záznamů má server vrátit. Typicky jde o dvojice page a limit, offset a limit nebo cursor a limit. Server podle nich odřízne výsledky dotazu a spolu s daty vrací informace o dalších stránkách.

Time series je posloupnost měření nebo událostí uspořádaných podle času, kde pořadí a rozestupy mezi záznamy nesou význam. Používá se pro sledování trendů, sezónnosti, výkyvů a změn v čase, například u metrik aplikace, cen akcií, počasí, prodejů nebo senzorových dat.

Trigger je kus kódu uložený v databázi, který se automaticky provede při určité události nad tabulkou, typicky před nebo po operaci INSERT, UPDATE či DELETE. Aplikace ho nevolá: spouští ho sám databázový stroj v rámci téže transakce, takže slouží k auditu, kontrole integrity nebo dopočítávání odvozených hodnot.

Vektorová databáze je databázový systém nebo databázová vrstva určená k ukládání embeddingů, tedy číselných vektorů reprezentujících význam textu, obrázků, zvuku nebo jiných dat. Umožňuje rychle hledat nejpodobnější položky podle vzdálenosti ve vícerozměrném prostoru, často pro RAG, doporučování a sémantické vyhledávání.

Záloha databáze je samostatně uložená kopie databázových dat a potřebných metadat, ze které lze databázi po chybě obnovit. V praxi chrání před smazáním, poškozením, selháním infrastruktury i ransomwarem, ale smysl má jen tehdy, když je pravidelně vytvářená, bezpečně uložená a ověřená obnovou.