所有應用軟體之中，資料庫可能是最複雜的。MySQL的手冊有3000多頁，PostgreSQL的手冊有2000多頁，Oracle的手冊更是比它們相加還要厚。
但是，自己寫一個最簡單的資料庫，做起來并不難。Reddit上面有一個文章，隻用了幾百個字，就把原理講清楚了。下面是我根據這個文章整理的内容。
資料以文本形式儲存
第一步，就是将所要儲存的資料，寫入文本檔案。這個文本檔案就是你的資料庫。
為了友善讀取，資料必須分成記錄，每一條記錄的長度規定為等長。比如，假定每條記錄的長度是800位元組，那麼第5條記錄的開始位置就在3200位元組。
大多數時候，我們不知道某一條記錄在第幾個位置，隻知道主鍵（primary key）的值。這時為了讀取資料，可以一條條比對記錄。但是這樣做效率太低，實際應用中，資料庫往往采用B樹（B-tree）格式儲存資料。
什麼是B樹
要了解B樹，必須從二叉查找樹（Binary search tree）講起。
二叉查找樹是一種查找效率非常高的資料結構，它有三個特點。
（1）每個節點最多隻有兩個子樹。
（2）左子樹都為小于父節點的值，右子樹都為大于父節點的值。
（3）在n個節點中找到目标值，一般隻需要log(n)次比較。
二叉查找樹的結構不适合資料庫，因為它的查找效率與層數相關。越處在下層的資料，就需要越多次比較。極端情況下，n個資料需要n次比較才能找到目标值。對于資料庫來說，每進入一層，就要從硬碟讀取一次資料，這非常緻命，因為硬碟的讀取時間遠遠大于資料處理時間，資料庫讀取硬碟的次數越少越好。
B樹是對二叉查找樹的改進。它的設計思想是，将相關資料盡量集中在一起，以便一次讀取多個資料，減少硬碟操作次數。
B樹的特點也有三個。
（1）一個節點可以容納多個值。比如上圖中，最多的一個節點容納了4個值。
（2）除非資料已經填滿，否則不會增加新的層。也就是說，B樹追求"層"越少越好。
（3）子節點中的值，與父節點中的值，有嚴格的大小對應關系。一般來說，如果父節點有a個值，那麼就有a+1個子節點。比如上圖中，父節點有兩個值（7和16），就對應三個子節點，第一個子節點都是小于7的值，最後一個子節點都是大于16的值，中間的子節點就是7和16之間的值。
這種資料結構，非常有利于減少讀取硬碟的次數。假定一個節點可以容納100個值，那麼3層的B樹可以容納100萬個資料，如果換成二叉查找樹，則需要20層！假定作業系統一次讀取一個節點，并且根節點保留在記憶體中，那麼B樹在100萬個資料中查找目标值，隻需要讀取兩次硬碟。
索引
資料庫以B樹格式儲存，隻解決了按照"主鍵"查找資料的問題。如果想查找其他字段，就需要建立索引（index）。
所謂索引，就是以某個字段為關鍵字的B樹檔案。假定有一張"雇員表"，包含了員工号（主鍵）和姓名兩個字段。可以對姓名建立索引檔案，該檔案以B樹格式對姓名進行儲存，每個姓名後面是其在資料庫中的位置（即第幾條記錄）。查找姓名的時候，先從索引中找到對應第幾條記錄，然後再從表格中讀取。
這種索引查找方法，叫做"索引順序存取方法"（Indexed Sequential Access Method），縮寫為ISAM。它已經有多種實作（比如C-ISAM庫和D-ISAM庫），隻要使用這些代碼庫，就能自己寫一個最簡單的資料庫。
進階功能
部署了最基本的資料存取（包括索引）以後，還可以實作一些進階功能。
1：SQL語言是資料庫通用操作語言，是以需要一個SQL解析器，将SQL指令解析為對應的ISAM操作。
2：資料庫連接配接（join）是指資料庫的兩張表通過"外鍵"，建立連接配接關系。你需要對這種操作進行優化。
3：資料庫事務（transaction）是指批量進行一系列資料庫操作，隻要有一步不成功，整個操作都不成功。是以需要有一個"記錄檔"，以便失敗時對操作進行復原。
4：備份機制：儲存資料庫的副本。
5：遠端操作：使得使用者可以在不同的機器上，通過TCP/IP協定操作資料庫。
原文釋出時間為：2018-09-21
原文作者：上海小胖
本文來自雲栖社群合作夥伴“
Python專欄”，了解相關資訊可以關注“
”。