【保研复习】数据库复习笔记

数据库保研复习笔记

数据库相关概念

基本概念

数据Data

数据是数据库中存储的基本对象。数据的种类可以是数字、文本、图像、音频、视频等多种。

数据与信息的区别：

数据库 DB

数据库即存放数据的仓库。数据库中数据有永久存储、有组织、可共享三个特点。

数据库管理系统 DBMS

数据库管理系统是进行数据库管理的基础软件，其功能包括数据定义、组织、存储、管理、操纵，数据库的建立和维护，事务管理、运行管理等。

外模式：应用程序

模式：逻辑结构

内模式：物理结构

物理独立性：内模式改变不影响模式

逻辑独立性：模式改变不影响外模式

二级映像：

• 外模式/模式映像：数据库的每一个外模式都有一个外模式/模式映像，它定义了外模式和模式之间的对应关系，一般在外模式中描述。当对某个字段重新修改关系、类型等时，只需要修改外模式/模式映像，而不需要修改外模式，由于应用程序是根据外模式编写的，因此应用程序也不需要修改，从而保证了逻辑独立性
• 模式/内模式映像：这一映像存在于模式和内模式之间，定义了模式和内模式之间的对应关系。模式/内模式映像在数据库中是唯一的，因为一个数据库只有一个模式和内模式。

数据库系统 DBS

数据库系统是由数据库、数据库管理系统、应用程序和数据库管理员组成的存储、管理、处理和维护数据的系统。

与人工管理和文件系统相比，数据库系统的特点有：

1. 数据结构化：指数据之间存在结构关系
2. 数据共享性高、冗余度低且易扩充
3. 数据独立性高
   • 物理独立性：用户应用程序与数据库中数据的物理存储相互独立，应用程序不需要了解数据库中是如何进行物理存储的
   • 逻辑独立性：用户应用程序与数据库中数据的逻辑结构相互独立，如果数据逻辑结构改变，应用程序也可以不变
4. 数据是由数据库管理系统统一管理控制的。DBMS需要提供以下功能：
   • 数据安全性控制
   • 数据完整性控制
   • 并发控制
   • 数据库恢复

数据模型

数据模型可以分为两类，第一类是概念模型，第二类是逻辑模型和物理模型。

概念模型用于将现实世界抽象为某种信息结构，这种抽象与具体的数据库实现无关，可以应用于任何一种数据库。

逻辑模型是按计算机观点对数据建模，主要用于数据库管理系统的实现。

物理模型是对数据最底层的抽象，它描述数据在系统内部的表示方式和存取方法。

概念模型

概念

实体：客观存在并可相互区别的事物称为实体

属性：实体的某种特性

码：唯一标识实体的属性，例如对学生而言，学号是码

实体型：用实体名和属性名集合来抽象刻画同类实体，称为实体型。例如：学生（学号，性别，年龄，所在院系）

实体集：同一类型的实体集合

联系：一对一、一对多、多对多

ER图

实体型用矩形表示，属性用椭圆表示，联系用菱形表示。用m、n、p表示多个，用1表示单个。（例题见第一次作业）

逻辑模型

层次模型、网状模型、关系模型

关系模型

一个关系对应一个表，表中的一行为一个元组，表中的一列是一个属性。分量指元组中的一个属性值。

关系数据库

候选码：能唯一标识一个元组的属性

主码：在候选码中选出一个属性来唯一标识元组，称为主码

完整性

实体完整性：主键不能为空

参照完整性：如果某元组的外键不为空，那么这个外键必须能够在外部表中有对应元组

用户定义完整性：用户自定义的一些约束

关系代数

并union：∪

差execpt：-

交intersection：∩

笛卡尔积cartesian product：×

选择selection：σ_选择条件(关系R) 该运算的作用是从R中提取符合条件的元组

投影projection：Π_A® A是属性列，R是关系，该运算的作用是提取R中的列A

连接join：从两个关系的笛卡尔积中选择符合条件的元组（如果符号下没有写条件，则）

除运算division：

如果R(A, B, C)、S(B, C, D)，则R÷S的结果是包含S中所有B、C组合的R中A的取值集合

运算符：>、<、=、≥、≤、<>(不等于)

SQL

表操作

定义表

定义一个属于用户WANG的模式

CREATE SCHEMA AUTHORIZATION WANG;

定义表

CREATE TABLE STUDENT(
	id VARCHAR(9) PRIMARY KEY,
    name VARCHAR(20),
    sex VARCHAR(2),
    major VARCHAR(10)
);

主键只有一个时，可以直接在属性后标注，如果主键由多个属性组成，必须作为表级完整性进行定义

CREATE TABLE Student(
	id VARCHAR(8),
    name VARCHAR(20),
    sex VARCHAR(2),
    PRIMARY KEY(id, name),
);

外键定义方法：

表示外键major参照Major表中的id属性

CREATE TABLE Student(
	id VARCHAR(8) PRIMARY KEY,
    name VARCHAR(20),
    major VARCHAR(10),
    FOREIGN KEY(major) REFERENCES Major(id), 
);

数据类型

类型	原名	含义
CHAR(n)	CHARACTER	长度为n的定长字符串
VARCHAR(n)	CHARACTERVARYING	最大长度为n的字符串
INT	INTEGER	长整数（4字节）
SMALLINT	/	短整数（2字节）
BIGINT	/	大整数（8字节）
REAL	/	单精度浮点数，其精度取决于机器
DOUBLE PRECISION	/	双精度浮点数，其精度取决于机器
FLOAT(n)	/	自定义精度浮点数，精度至少为n位数字
BOOLEAN	/	布尔值
DATE	/	日期，包括年月日
TIME	/	时间，包括时分秒
TIMESTAMP	/	时间戳类型
INTERVAL	/	时间间隔类型

修改表

// 修改Student表，加入入学时间列entrance，类型为DATE
ALERT TABLE Student ADD entrance DATE;
// 修改Student表，添加完整性约束
ALERT TABLE Student ADD FOREIGN KEY(entrance) REFERENCES date_table(date_id);
// 修改Student表，删除列entrance
ALERT TABLE Student DROP entrance;
// 修改Student表，删除完整性约束
ALERT TABLE Student DROP CONSTRAINT<完整性约束名>
// 修改Student表，将sex列的类型修改为BOOLEAN类型
ALERT TABLE Student sex BOOLEAN;

删除表

DROP TABLE <TABLE_NAME> RESTRICT|CASCADE;

RESTRICT表示约束，意味着如果表上有视图，则表不能删除。

CASCADE表示级联，意味着如果表上有视图，则删除表时将视图也级联删除。

数据操作

增

INSERT INTO Student(id, name, major)
VALUES(1, Meng, SOFTWARE);
// 插入子查询结果：将按照系分组后各系的平均成绩插入Grade表中
INSERT INTO Grade(major_id, avg_grade)
SELECT major, AVG(grade)
FROM Student
GROUP BY major;

删

DELETE
FROM Student
WHERE id=''20039454;
// 带子查询的删除
DELETE
FROM Student
WHERE id in
	(SELECT id
    FROM Student
    WHERE major = 'CS')

改

UPDATE Student
SET age=20
WHERE id='19373178';

UPDATE Student
SET age = age + 1;
// 带子查询的修改操作：将CS系的所有学生成绩置为0
UPDATE Student
SET grade = 0
WHERE id in
	(SELECT id
     FROM Student
    WHERE major='CS')

查

SELECT [all|distinct] id, name   // 默认为all，distinct为去重操作
FROM Student
[WHERE <条件表达式>]
[GROUP BY <按列分组>]
[ORDER BY <按列排序>] // 升序ASC，降序DESC，默认升序

WHERE子句的常用谓词

比较大小：>，<，=，>=，<=，!=，<>，!>(不大于)，!<(不小于)，NOT+上述运算符

确定范围：BETWEEN AND, NOT BETWEEN AND

确定集合：IN, NOT IN

字符匹配：LIKE, NOT LIKE（%任意长度字符串，_表示任意单个字符，\转义字符）

空值：IS NULL, IS NOT NULL

多重条件逻辑运算：AND, OR, NOT

WHERE age BETWEEN 20 AND 30
WHERE major IN ('CS', 'SOFTWARE', 'MATH')
WHERE name LIKE '张%'
WHERE grade IS NULL
WHERE name LIKE 'DB\_Design' ESCAPE'\'; // ESCAPE表示\是转义字符，字符串中的_不是通配符，而是本来的字符

ORDER BY

SELECT *
FROM Student
ORDER BY major, age DESC; // 学生按系号升序排列，同系学生按年龄降序排列

聚集函数

COUNT(*) // 统计元组数量

COUNT([ALL|DISTINCT] <列名>) // 统计一列中值的个数（去重）

SUM([ALL|DISTINCT] <列名>) // 统计一列中值的总和

AVG([ALL|DISTINCT] <列名>) // 统计一列中值的平均值

MAX([ALL|DISTINCT] <列名>) // 统计一列中值的最大值

MIN([ALL|DISTINCT] <列名>) // 统计一列中值的最小值

注意：WHERE子句中不能用聚集函数，聚集函数只能用于SELECT子句或GROUP BY子句中的HAVING子句

GROUP BY

GROUP BY按照某列分组，HAVING只输出符合某条件的分组

如下，按照专业分组，只输出专业人数大于3人的分组

SELECT *
FROM Student
GROUP BY major
HAVING COUNT(*) > 3

连接查询

SELECT Student.*, SC.course_name
FROM Student, SC
WHERE Student.id=SC.student_id

外连接

如下是一个左外连接的例子，左外连接列出左侧表中所有元组，如果左侧表中元组在右侧表中没有对应，就把对应位置置为NULL

SELECT Student.*, SC.course_name
FROM Student LEFT OUTER JOIN SC ON(Student.id = SC.student_id)

嵌套查询

in谓词

select * from student
where id in
	(select id from Major
    where major = 'CS')

比较运算符与ALL|ANY

select * from Student 
where grade > 
	(select AVG(grade)
    FROM SC
    WHERE Student.id = SC.id)

>ANY大于子查询中的任意一个值

>ALL大于子查询中的所有值

select * from Student
where grade > ALL(select grade from SC where Student.id=SC.id)

EXISTS谓词

若子查询结果不为空，则EXISTS谓词返回真，否则返回假

select * from Student
where EXISTS
	(select *
    from SC
    where Student.id=SC.id)

集合查询

交INTERSECT、并UNION、差EXCEPT

select * from Student
where major='CS'
UNION
select * from Student
where age>19;

派生表

select Sno, Cno
FROM SC, (select Sno, AVG(grade) FROM SC GROUP BY Sno) AS Avg_sc(avg_sno, avg_grade)
WHERE SC.Sno=Avg_sc.Sno and SC.grade>Avg_sc.avg_grade

索引

顺序文件上的索引、散列索引、B+树索引、位图索引等多种

如下语句意思是建立某表中某列对整个表的索引

CREATE [UNIQUE|CLUSTER] INDEX <索引名> ON <表名>(列名 [ASC|DSEC])

UNIQUE：此索引的每个索引值只对应一条记录

CLUSTER：此索引是聚簇索引

修改索引：

ALTER INDEX <旧索引名> RENAME TO <新索引名>

删除索引：

DROP INDEX <索引名>

索引的原理

B树

B+树

视图

视图是从一个或几个基本表中导出的表，但与基本表不同，视图是一个虚表，数据库中只存放视图的定义，视图包括的数据仍然存放在基本表中。

建立视图

CREATE VIEW <视图名> [(列名, 列名)]
AS <子查询>
WITH CHECK OPTION;

WITH CHECK OPTION表示对视图进行更新、插入、删除操作时要满足视图定义中的谓词条件，即子查询中的表达式

例如

CREATE VIEW Student_view(no, name, age)
AS
SELECT Sno, Sname, Sage
FROM Student
WHERE major='CS'
WITH CHECK OPTION

加上WITH CHECK OPTION后，对视图进行更新操作时，系统会自动加上where major='CS’的条件，也就是只能对视图内部的数据进行操作

使用视图进行查询时，将视图当作基本表来使用即可

删除视图

DROP VIEW <视图名>

可以说派生表是临时的，视图是永久的

Student(Sid, Sname, Ssex, Sage)

Course(Cid, Cname, Tname)

SC(Cid, Sid, grade)

---1．检索年龄大于20岁的男生的学号和姓名。
select Sid, Sname
from Student
where Sage>20 and Ssex='男'
---2．检索选修了姓刘的老师所教授的课程的女学生的姓名。
select distinct Sname
from SC, Student
where SC.Sid=Student.Sid and Ssex='女'
	and Cid in
	(select Cid
	from Course
	where Tname='刘老师')
---3．检索李想同学不学的课程的课程号和课程名。
select distinct Cid, Cname
from Course
where Cid not in
	(select Cid
    from SC, Student
    where SC.Sid=Student.Sid and Sname='李想')
---4．检索至少选修了两门课程的学生的学号。
select Sid
from SC
group by Sid
having COUNT(Cid) >= 2
---5．求刘老师所教授课程的每门课的平均成绩。
select AVG(grade)
from SC,Course
where SC.Cid=Course.Cid and Tname='刘老师'
group by Cid
---6．假设不存在重修的情况，请统计每门课的选修人数(选课人数超过两人的课程才统计)。要求显示课程号和人数，查询结果按人数降序排列，若人数相同，按课程号升序排列。
select Cid, COUNT(*)
from SC
group by Cid
having COUNT(*) > 2
order by COUNT(*) DSEC, Cid ASC
---7．求年龄大于所有女生年龄的男生的姓名和年龄。
select Sname, Sage
from Student
where Ssex='男' and Sage > ALL
	(select Sage
    from Student
    where Ssex='女')
---8．假定不存在重修的情况，求选修了所有课程的学生的学号姓名。(可以不用相关子查询做)
select Sid, Sname
from Student,
	(select Sid, COUNT(*)
    from SC
    group by Sid)
    AS Num(num_id, course_num)
where Student.Sid=Num.num_id and course_num = (select count(*) from Course)
---9．查询重修次数在2次以上的学生学号，课程号，重修次数
select Sid, Cid, COUNT(*)
from SC
group by Sid, Cid
having COUNT(*) > 2
---10.查询重修学生人数最多的课程号，课程名，教师姓名
select SC.Cid, Cname, Tname
from SC, Course
where SC.Cid=Course.Cid
group by Cid, Sid
having COUNT(*) >= ALL
	(select COUNT(*)
    from SC
    group by Cid, Sid)

数据库保护

数据库安全性

用户身份鉴别（口令、生物特征、智能卡等）

存取控制

• 用户权限（用户是否能进行某操作）、合法权限（指令是否合法）
• 自主存取控制（授权）、强制存取控制（密级比较，用户许可证大于等于数据库密级可读，小于等于可写）

数据库完整性

数据库完整性是指数据的正确性和相容性。正确性指数据符合现实世界语义，相容性指数据库不同表之间逻辑关系合理。

实体完整性：主键唯一且不为空。违约处理：拒绝操作。

参照完整性：外键的值在参照表中有对应数据项。违约处理：1.拒绝操作；2.级联操作（参照表中数据项删除，则将作为外键引用该项的数据也删除）；3.设置为空（参照表中数据项删除，则将作为外键引用位置置为空）

用户定义的完整性：用户自定义的约束，例如某列非空NOT NULL，列值唯一UNIQUE，检查是否满足某个表达式CHECK等

完整性约束使用CONSTRAINT子句定义

存储过程和触发器？

数据依赖

函数依赖

函数依赖：一个属性的值确定后另一个属性的值也唯一确定了。例如学号确定后，学生姓名也唯一确定，学生所在院系也唯一确定。类似于函数关系，自变量确定后因变量也唯一确定。

X函数确定Y或Y函数依赖于X，记作X→Y。

平凡的函数依赖：X→Y，且Y⊆X，则称X→Y是平凡的函数依赖。平凡的函数依赖一定成立。

非平凡的函数依赖：X→Y，且Y⊄X，则称X→Y是非平凡的函数依赖。

完全函数依赖：X函数确定Y，且X的任意真子集都无法函数确定Y

部分函数依赖：X函数确定Y，但X的某个真子集也可以函数确定Y，即Y不是完全函数依赖于X

传递函数依赖：X→Y，Y→Z，则X→Z

多值依赖

对于 Z=U-X-Y，给定一对值 (x, z)，得到一组 Y，Y 只与 X 有关，与 Z 无关（X 是中转）

码

超码：一个元组部分依赖于一组属性，则这组属性称为超码。

候选码：一个元组完全依赖于一组属性，则这组属性称为候选码。

主码：选定一个候选码为主码。

全码：整个属性组构成一个主码，称为全码。

外码：表中存在其他表的主码。

码：候选码和主码统称为码

主属性：候选码或主码中的属性

非主属性：不在候选码中也不在主码中的属性

超码能唯一确定元组，而候选码是最小超码，也就是没有冗余元素。

范式

1NF：属性不可分。每个分量是不可分的数据项。

1NF存在的问题：

1. 数据冗余。例如学生表中存了系和系主任，系主任在学生表中大量重复出现
2. 更新异常。由于数据冗余，当系主任名字需要更新时，需要修改大量数据。
3. 插入异常。如果把系存放在学生表中，当一个系刚成立还没有学生的时候无法插入。
4. 删除异常。如果该系所有学生全部毕业，将学生删除后这个系及其系主任的信息也丢失了。

2NF：每个非主属性完全依赖于任何一个候选码。（消除表内的部份依赖）

反例：有的非主属性完全依赖于候选码中的一个属性，而部分依赖于候选码。

3NF：不存在非主属性传递依赖于码的情况，都是直接依赖（消除表内传递依赖）

BCNF：对每个X→Y，X中必有码

4NF：不存在多值依赖

事务

事务是数据库的逻辑工作单位，是进行数据库恢复和并发控制的基本单位

ACID特性：

原子性（Atomicity）：事务中的操作要么都做要么都不做

一致性（Consistency）：事务的执行结果是将数据库从一个一致性状态变到另一个

隔离性（Isolation）：一个事务的执行不能被其他事务干扰

持续性（Durability）：也称永久性，指一个事务一旦提交，它对数据库中数据的改变是永久性的

BEGIN TRANSACTION;
COMMIT;
ROLLBACK;

数据库恢复

原理：冗余

技术：数据转储和登记日志文件

• 数据转储：定期保存到后备副本。故障发生时，将后备副本重新装入，然后运行自转储以后的所有事务。
  • 静态转储：在无事务运行时进行转储，得到的一定是一个数据一致性的副本
  • 动态转储：转储期间允许对数据库进行存取或修改。有可能转储结束后后备副本已经过时。
• 登记日志文件：先写日志文件，再写数据库。日志文件中需要记录：事务的开始、结束标志和事务的更新操作

恢复策略：

• 事务故障的恢复（事务内部发生错误，导致事务还未完成时发生故障）
  • 反向扫描日志文件，查找该事务的更新操作
  • 对更新操作执行逆操作
  • 直到读到事务的开始标记
• 系统故障的恢复（系统发生故障。已提交事务可能还留在缓冲区没有写入数据库，未完成事务对数据库的更新可能已经写入数据库）（对已提交数据库进行REDO，对未完成事务进行UNDO）
  • 正向扫描日志文件，找出在故障发生时已经提交的事务（既有BEGIN TRANSACTION记录也有COMMIT记录）
  • 将其事务标记入重做队列REDO-LIST
  • 找出故障时尚未完成的事务（只有BEGIN TRANSACTION没有COMMIT）
  • 将事务标记入撤销队列
• 介质故障（磁盘上的物理数据和日志文件被破坏）
  • 装入最新的后备副本
  • 装入日志文件副本，重做已完成的事务

检查点

记录检查点时刻所有正在执行的事务清单，以及这些事务最近一个日志记录的地址。

使用检查点可以提高恢复效率。

数据库写入发生在检查点建立之前或之时，那么在检查点之前提交的事务一定已经写入数据库，不需要REDO。检查点建立时正在执行的事务需要REDO。系统故障时未完成的事务需要UNDO。

使用检查点进行恢复的步骤：

• 找到最后一个检查点
• 由该检查点得到检查点建立时刻所有正在执行的任务清单ACTIVE-LIST。将ACTIVE-LIST暂时放入UNDO队列，REDO队列暂为空
• 从检查点开始正向扫描日志文件：
  • 如果有新开始的事务，将其暂时放入UNDO队列
  • 如果有提交的事务，将其从UNDO队列移到REDO队列
  • 这样就实现了，系统故障时已完成的事务进行REDO操作，系统故障时未完成的事务执行UNDO操作
• 对UNDO队列中的所有事务执行UNDO操作，对REDO队列的所有事务执行REDO操作

并发控制

并发操作破坏事务的隔离性，其带来的数据不一致问题有：

1. 丢失修改：T1、T2两个事务同时读入同一数据并进行修改，T2提交的结果覆盖了T1的提交，导致T1的修改丢失。
2. 不可重复读：事务T1读取某数据后，事务T2对其进行了修改，导致T1无法再现前一次的读取结果。
3. 读脏数据：事务T1修改某一数据并将其写回磁盘后，事务T2读了这部分数据，但是随后T1由于某些原因被撤销，此时T2读到的数据与磁盘数据不一致，称之为脏数据。

控制方法：

• 封锁
• 时间戳
• 乐观控制法
• 多版本并发控制

排他锁（写锁X锁）：一个事务对数据对象加排他锁后，其他事务不能再对该对象加任何锁

共享锁（读锁S锁）：一个事务对数据对象加共享锁后，其他事务只能只能读而不能修改

一级封锁协议：修改之前必须加X锁，事务结束释放，防止丢失修改

二级封锁协议：读取之前必须加S锁，读完释放，防止读脏数据

三级封锁协议：读取之前必须加S锁，事务结束释放，防止不可重复读

活锁：事务饿死（T1封锁，T2、T3等待，分配给T3，T2、T4等待，分配给T4；T2一直等待）

防止活锁：先来先服务

死锁：循环等待

死锁的预防：

• 一次封锁法
• 顺序封锁法

死锁的诊断：

• 超时法（事务超时即认为存在死锁）
• 等待图法（等待图存在回路即认为存在死锁）

并发调度的可串行性

可串行化即并发执行的结果与按某一次序串行的结果相同。只有并发调度是可串行的，才认为它是正确调度。

冲突操作：不同事务的读写操作和写写操作。

不同事务的冲突操作和同一事务的操作是不可交换的，其他操作是可交换的。如果一个并发操作可以通过交换得到一个串行序列，则称它是冲突可串行的。

冲突可串行是可串行的充分条件。（不是必要）

两段锁协议：

事务分为两段，第一段是获得封锁，称为扩展阶段，第二阶段是释放封锁，称为收缩阶段