IT 论文精读 · PAPER 32
E. F. Codd · IBM San Jose Research · CACM 1970
1970 年，IBM 的一位数学家 Edgar F. Codd 提出了关系模型（relational model）——一句话：把数据统统装进规规矩矩的表格里，一行是一条记录、一列是一个字段。今天你用的几乎每个数据库（MySQL、PostgreSQL、Oracle，还有你银行账户、淘宝订单背后那套东西）都长在这个想法上。它看着平平无奇，却是数据库世界的「牛顿定律」。
在这篇之前，数据不是摆成表，而是像用绳子把珠子串起来：一条「顾客」记录里，藏着一个指向它第一张订单的物理地址（指针），那张订单又指向下一张……要查「张三的所有订单」，程序得像走迷宫一样，顺着一根根指针一跳一跳地摸过去。
真正要命的是：这条摸索路线被写死在了程序里。哪天管理员为了让查询更快，重新排了一下数据、或换了套索引，存储的样子一变——所有依赖老路线的程序全部报废，得推倒重写。数据和程序焊死在了一起。
Codd 说：别再用指针把数据焊在一起，改用「表格 + 共享的值」。把数据摊平成一张张干净的表；两张表之间不靠指针连，而靠「共用一个值」来对上号——顾客表里每人有个「顾客号」，订单表里每张单也记下它属于哪个「顾客号」，号码一样，就是同一个人的单。谁跟谁的关系，全写在数据本身的值里，跟它存在硬盘哪个角落、怎么排，一点关系都没有。
因为关联靠「对值」而不是「跟指针」，查东西就变成了「说清你要什么」，而不是「一步步教它怎么走」。你只需说「订单表里，顾客号等于张三那个号的所有行」，系统自己去把它们凑齐——你根本不用知道数据存在哪、按什么顺序排、有没有索引。
于是那个「改存储就得重写程序」的老毛病，从根上没了：你从一开始就没依赖过存储长什么样。管理员想怎么调优、加索引、搬数据，都不碰你的程序。数据这才第一次和程序「离了婚」，各过各的。
整个数据库工业。SQL 这门「说清你要什么」的查询语言、Oracle、DB2、PostgreSQL、MySQL……全都是这套表格模型的直系后代。半个世纪过去，它依然是世界上绝大多数数据的存放方式。Codd 也因此拿了 1981 年的图灵奖。
一句诚实话：这套办法刚出来时比老指针法慢得多，业界为它值不值吵了整整十年——直到「查询优化器」和硬件都跟上了，它才真正既优雅又跑得动。
把数据摊成规整的表，表与表之间不靠物理指针、而靠共享的值来关联；查询从此变成「说清你要什么」而非「教它怎么一步步走」，数据终于和存储细节脱钩——这就是今天所有关系型数据库和 SQL 的地基。
想看「值关联」「规范化」「关系运算」的结构图和更硬的细节？ → 切到精读版
Codd 提出把数据统一表示成数学上的关系（relation）——也就是一张张行列规整、每格只装单个值的表；表与表之间不靠物理指针链接，而靠共享的值（主键 / 外键）关联。由此把数据的逻辑结构和物理存储彻底分开（数据独立性），让应用程序面向「数据是什么」而非「数据怎么存、怎么找」，一举摆脱了当时网状 / 层次数据库「存储一改、程序全废」的困境。这是关系型数据库与 SQL 的理论源头。
作者 Edgar F. "Ted" Codd，英国数学家、IBM 圣何塞研究实验室研究员，论文《A Relational Model of Data for Large Shared Data Banks》发表于 1970 年 6 月的《Communications of the ACM》。它正面挑战了当时由 Charles Bachman 的网状模型（CODASYL，Bachman 刚因此拿了 1973 图灵奖）与 IBM 自家 IMS 层次模型主导的格局；下启 IBM 的 System R 与伯克利的 Ingres 两大原型，进而催生 SQL、Oracle、DB2、PostgreSQL 等一整代产品。Codd 本人凭此获 1981 年图灵奖。
1970 年前后，数据库把数据的逻辑含义和它在磁盘上的物理摆法紧紧绑在一起。网状模型里，「顾客」和「订单」之间的联系是一条条实打实的指针：顾客记录里存着通向它订单的地址，程序查数据靠「导航（navigation）」——顺着指针一跳一跳地爬。
Codd 把这种绑定拆成三种依赖，逐一点名：
后果就是：为了性能去调整存储（换顺序、改索引、重排指针），几乎必然要改一大批应用程序。数据与程序死锁在一起，系统又脆又难演进。Codd 想要的，是让程序只依赖数据的逻辑内容，把物理层怎么折腾都挡在门外——这就是数据独立性（data independence）。
Codd 的答案由几个环环相扣的想法组成，核心只有一句：把数据看成数学上的「关系」，用值代替指针，把逻辑和物理彻底分开。
数学里，一个关系是一堆元组的集合——每个元组从若干个域里各取一个值凑成。翻成人话：关系就是一张表，一行是一个元组，一列取自一个域。Codd 主张：无论现实里数据长得多复杂，都统一表示成这种「行列规整、每格只装一个单值」的表。
因为它本质是个集合，几条数学性质随之而来，且都很好用：没有重复行（集合无重元素）、行之间没有先后顺序（集合无序——所以你永远不该依赖物理排序）。这套统一形状，是后面一切的地基。
这是全篇最锋利的一刀。两张表之间的联系，不再用物理指针，而用共享的值来表达。每张表有一个主键唯一认出每一行（如「顾客表」的顾客号）；另一张表若要引用它，就在自己某列里存下同样的值，这列叫外键（如「订单表」里记着该单属于哪个顾客号）。要找关系，就找值相等的行——而不是跟着地址跳。
这一刀砍掉了存取路径依赖：联系是数据的一部分，而不是存储布局的一部分。无论两张表怎么存、怎么排、建不建索引，「值相等即相关」这件事永远成立。程序不再需要知道任何物理路线。
现实数据常是嵌套的：一位顾客「里面」挂着好几张订单（所谓重复组 repeating group）。这种非规整结构没法直接当关系。Codd 给出规范化（normalization）：把带重复组的结构拆成若干张每格只装单个值的平表——顾客归顾客表、订单归订单表，两者靠外键（顾客号）重新挂上钩。
好处是双份的：结构统一（一切皆平表，操作有普适规则），且减少了受更新困扰的冗余——顾客地址只存一处，改一次即可，不会因为散在多张订单里而改漏、改出自相矛盾。这套「拆表消冗余」的思路，正是日后第一范式（1NF）乃至整个规范化理论（2NF、3NF、BCNF）的起点。
数据既然都是关系（集合），就能用对集合的运算来查询与组合，运算结果还是一个关系（可以再喂给下一步）。Codd 勾勒了若干运算，日后长成完整的关系代数（relational algebra），常用的几个直觉如下：
关键不在算子本身，而在它带来的范式转变：你说清「要哪些行、哪些列、和谁拼」，而不必写「先走哪个索引、顺着哪条指针爬」。查询从过程式变成声明式——「怎么高效地找」交给系统去决定。Codd 因此设想一种可嵌进普通编程语言的通用数据子语言（data sublanguage），这正是几年后 SQL 的思想蓝本。
要诚实说：这是一篇理论论文，没有实验、没有基准数字。它的「结果」是概念性的证明——Codd 论证了：现实中一大类数据都能无损地表示成规范化的关系；网状模型里那些靠指针表达的联系，都能改用「值 + 关系运算」等价地表达；而这么做能一举斩断排序、索引、存取路径三种依赖，实现数据独立性。
它真正的「验证」来自随后十余年的工程落地：IBM 的 System R（诞生了 SEQUEL / SQL 与代价式查询优化器）与伯克利的 Ingres（QUEL 语言）两大原型，证明了关系模型不只是漂亮，还能造出跑得动、跑得快的真系统。此后关系型数据库统治了商业数据处理数十年，Codd 也凭这套理论获 1981 年图灵奖。
它奠定了整个关系型数据库工业，也确立了一条影响深远的工程原则：把逻辑模型和物理实现分开，让接口面向「数据是什么」。SQL 成为史上最成功的声明式语言之一；「你说要什么、系统决定怎么算」催生了查询优化器这一整门学问；表、主键、外键、连接、规范化，成了每个工程师的通用词汇。
更深一层，它示范了用一个干净的数学抽象（关系代数）驯服一团工程乱麻的威力——这种「先找对抽象」的思路，影响远超数据库本身。半个世纪后，世界上绝大多数结构化数据，仍然躺在一张张 Codd 式的表里。
① 一句话：把数据统一表示成关系（行列规整、每格单值的表），表间靠共享的值而非指针关联，实现逻辑与物理分离。
② 痛点：网状 / 层次模型把数据与存储焊死，程序背着排序、索引、存取路径三种依赖，一改存储就得重写。
③ 机制一——关系即表：本质是集合，故无重复行、无固定行序，你永远不该依赖物理排序。
④ 机制二——值代替指针：主键唯一认行，外键存同一个值来引用另一张表；值相等即相关，联系写在数据里，不在存储布局里。
⑤ 机制三——规范化：把带重复组的嵌套结构拆成若干平表，统一形状并减少易错冗余（1NF 雏形）。
⑥ 机制四——关系运算（选择 / 投影 / 连接）让查询从「教它怎么走」变成「说清要什么」，声明式，孕育了 SQL 与查询优化器。
⑦ 结果：无实验的理论论文，其正确性由 System R / Ingres、SQL 与数十年工业统治验证；Codd 获 1981 图灵奖。
⑧ 局限：初期性能被质疑（Codd–Bachman 大辩论）；平表不擅嵌套 / 图数据（NoSQL 反弹）；SQL 的重复行与 NULL 偏离了纯模型。