数据库系统概论——7.第七章数据库设计[入门笔记1.8]

7. 数据库设计

7.1. 数据库设计概述

数据库应用系统：

数据库领域内， 通常把使用数据库的各类信息系统称为数据库应用系统。

例如：各种管理系统、办公自动化系统、电子商务系统等

数据库设计

广义上：设计整个数据库应用系统

狭义：设计数据库本身

一般定义：

数据库设计是指对于一个给定的应用环境，构造（设计）优化的数据库逻辑模式和物理结构，并据此建立数据库及其应用系统，使之能够有效地存储和管理数据，满足各种用户的应用需求，包括信息管理要求和数据操作要求。

信息管理要求：指数据库应该存储和管理哪些数据对象。

数据操作要求：指对数据对象需要进行哪些操作，如增删改查。

7.4.逻辑结构

7.4.1. E-R图向关系模型的转换

转换内容

• E-R图由实体型、实体的属性和实体型之间的联系三要素组成
• 关系模型的逻辑结构是一组关系模式的集合
• 将E-R图转换为关系模型： 将实体型、实体的属性和实体之间的联系转化为关系模式

转换原则

1. 一个实体型转换为一个关系模式

   • 关系的属性：实体的属性
   • 关系的码：实体的码

2. 实体型间的联系有以下不同情况

   • 一个1:1联系可以转换为一个独立的关系模式， 也可以与任意一端对应的关模式合并

     ①转换为一个独立的关系模式

     • 关系的属性：与该联系相连的各实体的码以及联系本身的属性
     • 关系的候选码： 每个实体的码均是该关系的候选码

     ②与某一端实体对应的关系模式合并

     • 合并后关系的属性：加入对应关系的码和联系本身的属性

     • 合并后关系的码：不变

   • 一个1:n联系可以转换为一个独立的关系模式，也可以与n端对应的关系模式合并

     ①转换为一个独立的关系模式

     • 关系的属性：与该联系相连的各实体的码以及联系本身的属性
     • 关系的码：n端实体的码

     ②与n端对应的关系模式合并

     • 合并后关系的属性：在n端关系中加入1端关系的码和联系本身的属性

     • 合并后关系的码：不变

     • 优点：可以减少系统中的关系个数， 一般情况下更倾向于采用这只方法

   • 一个m:n联系转化为一个关系模式

     • 关系的属性：与该联系相连的各实体的码以及联系本身的属性
     • 关系的码： 各实体码的组合

     [例]“选修”联系是一个m:n联系， 可以将它转化为如下关系模式， 其中学号与课程号为关系模式的组合码：

     选修(学号， 课程号， 成绩)

   • 三个或三个以上实体间的一个多元联系转换为一个关系模式

     • 关系的属性：与该多元联系相连的各实体的码以及联系本身的属性
     • 关系的码：各实体码的组合

   • 具有相同码的关系模式可合并

     • 目的：减少系统中的关系个数

     • 合并方法：

       • 将其中一个关系模式的全部属性加入到另一个关系模式中

       • 然后去掉其中的同义属性(可能同名可以能不同名)

       • 适当调整属性的次序

   附：E-R图转换关系，可以参见：爱课程网7.3节动画《E-R图转换关系(1)》

   转换的示例：

   

   • 部门（部门号，部门名，…）
   • 职工（职工号，职工名，职务，…）
   • 产品（产品号，产品名，…）
   • 供应商（供应商号，姓名，…）
   • 零件（零件号，零件名，…）
   • 参加（职工号，产品号，工作天数，…）
   • 供应（产品号，供应商号，零件号，供应量）
   • 领导（部门号，经理的职工号）
   • 属于（部门号，职工号）
   • 负责（产品号，产品组长的职工号）

7.4.2. 数据模型的优化

• 一般的数据模型还需要向特定数据库管理系统规定的模型进行转换。
• 转换的主要依据是所选用的数据库管理系统的功能及限制。没有通用规则。
• 对于关系模型来说，这种转换通常都比较简单

• 数据库逻辑设计的结果不是唯一的
• 得到初步数据模型后，还应该适当地修改、调整数据模型的结构，以进一步提高数据库应用系统的性能，这就是数据模型的优化。
• 关系数据模型的优化通常以规范化理论为指导

优化数据模型的方法：

1. 确定数据依赖

   按需求分析阶段所得到的语义，分别写出每个关系模式内部各属性之间的数据依赖以及不同关系模式属性之间数据依赖。

2. 对于各个关系模式之间的数据依赖进行极小化处理，消除冗余的联系

3. 按照数据依赖的理论对关系模式进行分析，考察是否存在部分函数依赖、传递函数依赖、多值依赖等，确定各关系模式分别属于第几范式。

4. 按照需求分析阶段得到的各种应用对数据处理的要求，分析对于这样的应用环境这些模式是否合适，确定是否要对它们进行合并或分解。

   附：

   • 并不是规范程度越高的关系就越优
     • 当查询经常涉及两个或多个关系模式的属性时，系统必须经常地进行连接运算
     • 连接运算的代价是相当高的
     • 因此在这种情况下，第二范式甚至第一范式也许是适合的。
   • 非BCNF的关系模式虽然会存在不同程度的更新异常，但如果在实际应用中对此关系模式只是查询，并不执行更新操作，就不会产生实际影响。
   • 对于一个具体应用来说，到底规范化进行到什么程度，需要权衡响应时间和潜在问题两者的利弊才能决定

5. 对关系模式进行必要分解，提高数据操作效率和存储空间的利用率。

   常用分解方法

   • 水平分解
   • 垂直分解

附：

• 水平分解[就是一行为单位分解]

  • 什么是水平分解

    把(基本)关系的元组分为若干子集合，定义每个子集合为一个子关系，以提高系统的效率。

  • 如何分解

    • 对符合80/20的，把经常被使用的数据（约20%）水平分解出来，形成一个子关系。
    • 水平分解为若干子关系，使每个事务存取的数据对应一个子关系。

• 垂直分解[以列的角度]

  • 什么是垂直分解

    把关系模式R的属性分解为若干子集合，形成若干子关系模式。

  • 垂直分解的原则

    经常在一起使用的属性从R中分解出来形成一个子关系模式

  • 垂直分解的优点

    可以提高某些事务的效率

  • 垂直分解的缺点

    可能使另一些事务不得不执行连接操作，降低了效率

  • 垂直分解的适用范围

    决于分解后R关系上的所有事务的总效率是否得到了提高

  • 进行垂直分解的方法

    • 简单情况： 直观分解
    • 复杂情况：用第6章中的模式分解算法
    • 垂直分解必须不损失关系模式的语义（保持无损连接性和保持函数依赖）

7.4.3. 设计用户子模式

• 定义数据库模式主要是从系统的时间效率、空间效率、易维护等角度出发。

• 定义用户外模式时应该更注重考虑用户的习惯与方便。包括三个方面：

  1. 使用更符合用户习惯的别名

     • 合并各分E-R图曾做了消除命名冲突的工作，以使数据库系统中同一关系和属性具有唯一的名字。这在设计数据库整体结构时是非常必要的。
     • 用视图机制可以在设计用户视图时可以重新定义某些属性名，使其与用户习惯一致，以方便使用。

  2. 针对不同级别的用户定义不同的视图， 以保证系统的安全性

     • 假设有关系模式产品（产品号，产品名，规格，单价，生产车间，生产负责人，产品成本，产品合格率，质量等级），可以在产品关系上建立两个视图：

       • 为一般顾客建立视图：

         产品1（产品号，产品名，规格，单价

       • 为产品销售部门建立视图：

         产品2（产品号，产品名，规格，单价，车间， 生产负责人）

7.5. 数据库的物理设计

###什么是数据库的物理设计

• 数据库在物理设备上的存储结构与存取方法称为数据库的物理结构，它依赖于选定的数据库管理系统。
• 为一个给定的逻辑数据模型 选取 一个最适合应用要求的物理结构的过程，就是数据库的物理设计。

数据库的设计步骤

• 确定数据库的物理结构
  • 在关系数据库中主要指存取方法和存储结构;
• 对物理结构进行评价
  • 评价的重点是时间和空间效率
• 若 评价结果满足原设计要求，则可进入到物理实施 阶段。否则，就需要重新设计或修改物理结构，有时 甚至要返回逻辑设计阶段修改数据模型。

7.5.1. 数据库物理设计的内容和方法

设计物理数据库结构的准备工作

• 充分了解应用环境，详细分析要运行的事务，以获得选择物理数据库设计所需参数。
• 充分了解所用关系型数据库管理系统的内部特征，特别是系统提供的存取方法和存储结构。

选择物理数据库设计所需参数

• 数据库查询事务
  • 查询的关系
  • 查询条件所涉及的属性
  • 连接条件所涉及的属性
  • 查询的投影属性
• 数据库更新事务
  • 被更新的关系
  • 每个关系上的更新操作条件所涉及的属性
  • 修改操作要改变的属性值
• 每个事务在个关系上运行的频率和性能要求

关系数据库物理设计的内容

• 为关系模式选择存取方法（建立存取路径）
• 设计关系、索引等数据库文件的物理存储结构

7.5.2. 关系模式存取方法选择

• 数据库系统是多用户共享的系统，对同一个关系要建立多条存取路径才能满足多用户的多种应用要求。
• 物理结构设计的任务之一是根据关系数据库管理系统支持的存取方法确定选择哪些存取方法。
• 存取方法是快速存取数据库中数据的技术，DBMS一般提供多种存取方法。

数据库管理系统常用存取方法

1. B+树索引存取方法
2. Hash索引存取方法
3. 局簇存取方法

1.B+树索引存取方法的选择

选择索引存取方法的主要内容

• 根据应用要求确定
  • 对哪些属性列建立索引
  • 对哪些属性列建立组合索引
  • 对哪些索引要设计为唯一索引

选择索引存取方法的一般规则

• 如果一个（或一组）属性经常在查询条件中出现，则考虑在这个（或这组）属性上建立索引（或组合索引）
• 如果一个属性经常作为最大值和最小值等聚集函数的参数，则考虑在这个属性上建立索引
• 如果一个（或一组）属性经常在连接操作的连接条件中出现，则考虑在这个（或这组）属性上建立索引

关系上定义的索引数过多会带来较多的额外开销

• 维护索引的开销
• 查找索引的开销

2. HASH存取方法的选择

选择Hash存取方法的规则

• 如果一个关系的属性主要出现在等值连接条件中或主要出现在等值比较选择条件中，而且满足下列两个条件之一
  • 该关系的大小可预知， 而且不变
  • 该关系的大小动态改变，但所选用的数据库管理系统提供了动态Hash存取方法。

3. 聚簇存取方法的选择

什么是聚簇

• 为了提高某个属性（或属性组）的查询速度，把这个或这些属性（称为聚簇码）上具有相同值的元组集中存放在连续的物理块中称为聚簇。
• 该属性（或属性组）称为聚簇码（cluster key）
• 许多关系型数据库管理系统都提供了聚簇功能
• 聚簇存放与聚簇索引的区别

聚簇索引

• 建立聚簇索引后，基表中数据也需要按指定的聚簇属性值的升序或降序存放。也即聚簇索引的索引项顺序与表中元组的物理顺序一致。

• 在一个基本表上最多只能建立一个聚簇索引

聚簇索引的适用条件

• 很少对基表进行增删操作
• 很少对其中的变长列进行修改操作

聚簇的用途

• 对于某些类型的查询， 可以提高查询效率

  1. 大大提高按聚簇属性进行查询的效率

     [例] 假设学生关系按所在系建有索引，现在要查询信息系的所有学生名单。

     • 计算机系的500名学生分布在500个不同的物理块上时，至少要执行500次I/O操作。
     • 如果将同一系的学生元组集中存放，则每读一个物理块可得到多个满足查询条件的元组，从而显著地减少了访问磁盘的次数。

  2. 节省存储空间

     聚簇以后，聚簇码相同的元组集中在一起了，因而聚簇码值不必在每个元组中重复存储，只要在一组中存一次就行了。

聚簇的局限性

• 聚簇只能提高某些特定应用的性能

• 建立与维护聚簇的开销相当大

  • 对已有关系建立聚簇，将导致关系中元组的物理存储位置移动，并使此关系上原有的索引无效，必须重建

  • 当一个元组的聚簇码改变时，该元组的存储位置也要做相应改变。

聚簇的适用范围

• 既适用于单个关系独立聚簇，也适用于多个关系组合聚簇

• 当通过聚簇码进行访问或链接是该关系的主要应用， 与聚簇码无关的其他访问很少或者是次要的时， 可以使用聚簇

  • 尤其当SQL语句中包含有与聚簇码有关的ORDER BY, GROUP BY, UNION, DISTINCT等子句或短语时，使用聚簇特别有利，可以省去或减化对结果集的排序操作

选择聚簇存取方法

• 设计候选聚簇
  • 常在一起进行连接操作的关系可以建立组合聚簇
  • 如果一个关系的一组属性经常出现在相等比较条件中，则该单个关系可建立聚簇
  • 如果一个关系的一个（或一组）属性上的值重复率很高， 则此单个关系可建立聚簇
• 检查候选聚簇中的关系， 取消其中不必要的关系
  • 从聚簇中删除经常进行全表扫描的关系
  • 从聚簇中删除更新操作远多于连接操作的关系
  • 从聚簇中删除重复出现的关系

当一个关系同时加入多个聚簇时，必须从这多个聚簇方案（包括不建立聚簇）中选择一个较优的，即在这个聚簇上运行各种事务的总代价最小。

7.5.3. 确定数据库的存储结构

• 确定数据库物理结构主要指确定数据的存放位置和存储结构，包括：确定关系、索引、聚簇、日志、备份等的存储安排和存储结构，确定系统配置等。
• 确定数据的存放位置和存储结构要综合考虑存取时间、存储空间利用率和维护代价3个方面的因素。

影响数据库存放位置和存储结构的因素

• 硬件环境

• 应用需求

  • 存取时间

  • 存储空间利用率

  • 维护代价

  这三个方面常常是相互矛盾的。 必须进行权衡， 选择一个折中方案

基本原则

• 根据应用情况将

  • 易变部分与稳定部分分开存放
  • 经常存取部分与存取频繁较低部分分开存放

  [例]

  • 可以将比较大的表分别放在两个磁盘上，以加快存取速度，这在多用户环境下特别有效。
  • 可以将日志文件与数据库对象（表、索引等）放在不同的磁盘以改进系统的性能。

数据库管理系统一般都提供了一些存储分配参数

• 同时使用数据库的用户数
• 同时打开的数据库对象数
• 内存分配参数
• 缓冲区分配参数（使用的缓冲区长度、个数）
• 存储分配参数
• 物理块的大小
• 物理块装填因子
• 时间片大小
• 数据库的大小
• 锁的数目等

---

• 系统都为这些变量赋予了合理的缺省值。

  在进行物理设计时需要根据应用环境确定这些参数值，以使系统性能最优。

• 在物理设计时对系统配置变量的调整只是初步的，要根据系统实际运行情况做进一步的调整，以切实改进系统性能

---

7.5.4. 评价物理结构

• 对数据库物理设计过程中产生的多种方案进行评价，从中选择一个较优的方案作为数据库的物理结构。

• 评价方法

  • 定量估算各种方案

    • 存储空间

    • 存取时间

    • 维护代价

  • 对估算结果进行权衡、比较， 选择出一个较优的合理的物理结构