数据库-计算机三级学习记录-3数据库结构设计

数据库结构设计

参照b站【计算机三级数据库技术】

一个设计良好的数据库，在很大程度上决定了系统的成功与否。
数据库概念设计
一般分为：

• 数据库逻辑设计
• 数据库物理设计

概念设计是数据库设计的核心环节。通过对用户需求进行综合、归纳与抽象，形成一个独立于具体DBMS的概念模型。

1、数据库概念设计的目标

1.定义和描述应用领域设计的数据范围
2.获取信息模型
3.描述数据的属性特征
4.描述数据之间的关系
5.定义和描述数据的约束
6.说明数据的安全性要求
7.支持用户的各种数据处理需求
8.保证信息模型能转化成数据库的逻辑结构
（即数据库模式）

2、概念设计的依据及过程

• 依据:
  数据库概念设计以需求分析的结果为依据，即需求说明书、DFD图以及在需求阶段收集到的应用领域中的各类报表等。
• 结果：
  概念设计的结果是概念模型(ER)与概念设计说明书。

过程:

(1)明确建模目标(模型覆盖范围)
(2)定义实体集(自底向上标识和定义实体集)
(3)定义联系(实体间关联关系)
(4)建立信息模型(构造ER模型)
(5)确定实体集属性（属性描述一个实体集的特征或性质）
(6)对信息模型进行集成与优化(检查和消除命名不一致、结构不一致等)
概念设计是DB设计的核心环节。概念数据模型是对现实世界的抽象和模拟。

3、概念模型设计

概念设计目前采用最广泛的是ER建模方法。将现实世界抽象为具有属性的实体及联系。
1976年，Peter.Chen提出E-R模型(Entity- Relationship Model)，即实体联系模型，用 E-R图来描述数据库的概念模型。

观点：世界是由一组称作实体的基本对象和这些对象之间的联系构成的。

与E-R模型有关的概念

实体(Entity)或实例(Instance)
客观存在并可相互区分的事物叫实体。
如学生张三、工人李四、计算机系、数据库概论，
实体集(Entity Set )
同型实体的集合称为实体集。如全体学生。

属性(Attribute):
实体所具有的某一特性。

一个实体可以由若干个属性来刻画。每个属性的取值范围称为域。
例如，学生可由学号、姓名、年龄系、年级等组成。

码(Key):
实体集中唯一标识每一个实体的属性或属性组合。

用来区别同一实体集中的不同实体的称作主码。
一个实体集中任意两个实体在主码上的取值不能相同。
如学号是学生实体的主码。

联系(Relationship)

• 描述实体之间的相互关系。

如学生与老师间的授课关系，学生与学生间有班长关系。
联系也可以有属性，如学生与课程之间有选课联系，每个选课联系都有一个成绩作为其属性。
同类联系的集合称为联系集。

设计实体间的联系有三类：
实体之间的联系的数量，即一个实体通过一个联系集能与另一实体集相关联的实体的数目。

• 一对一联系（1:1）

如：“系”与”系主任”（一个系只有一个系主任，一个系主任只负责管理一个系）

• 一对多联系(1:n)

如：“系”与”学生”（一个系招收若干学生，一个学生只属于一个系）

• 多对多联系( m:n)

如：“学生”与“课程”（一名学生可选修门课程，每门课程可被多名学生选修）

4、IDEF1X建模方法

IDEF1X与第2章中介绍的IDEFO是一个系列的建模工具。
IDEFO是功能建模方法。
IDEF1X是数据建模方法。

逻辑设计

1、逻辑设计的任务:

将概念模型(如ER图)转化为DBMS支持的数据模型(如关系模型)，并对其进行优化。

2、逻辑设计的依据和阶段目标

依据

• 概念模型
• 数据处理要求
• 数据约束及安全性要求
• DBMS的相关信息

目标

• DBMS可处理的模式
• 数据库物理设计指南

3、补充相关概念>关系模型>数据依赖

候选码、主码、外码>数据规范化>范式

关系模型

有三种主要的数据模型：层次模型、网状模型、关系模型。
其中关系模型简单灵活，并有着坚实的理论基础，已成为当前最流行的数据模型。
关系模型就是用二维表格结构来表示实体及实体之间联系的模型。
关系的描述称为关系模式(Relation Schema)。
关系模式由五部分组成，即它是个五元组:R(U, D, DOM, F)

• R:关系名
• U:组成该关系的属性名集合
• D:属性组U中属性所来自的域1
• DOM:属性到域的映射
  < - F:属性组U上的一组数据依赖

由于D、DOM对模式设计的关系不大，这里把关系模式简化为一个三元组:R，当且仅当U上的一个关系R满足 F时，R称为关系模式R的一个关系。

1、关系数据库设计的核心:关系模式的设计。
2、关系模式的设计目标:按照一定的原则从数量众多而又相互关联的数据中，构造出一组既能较好地反映现实世界，而又有良好的操作性能的关系模式。

新奥尔良法数据库设计步骤：
需求分析$\to$概念结构设计（E-R图）$\to$逻辑结构设计（关系模式设计）$\to$物理结构设计

数据依赖

定义：

设R(U)是一个属性集U上的关系模式， X和Y是U的子集。若对于R(U)的任意一个可能的关系r，r中不可能存在两个元组在X上的属性值相等，而在Y上的属性值不等，则称“X函数确定Y”或”Y函数依赖于X”，记作X→Y.

数据依赖

关系内部属性与属性之间的一种约束关系
是现实世界属性间相互联系的抽象
数据的内在性质
语义的体现

完整性约束的表现形式

限定属性的取值范围，如年龄<60
定义属性间值的相互关联（主要体现于值的相等与否），这就是数据依赖

数据依赖的类型
函数依赖(Functional Dependency,FD)

普遍存在于生活中，这种依赖关系类似于数学中的函数y=f(x)，自变量x确定之后，相应的函数值y也就唯一地确定了。
如关系：公民（身份证号，女姓名，地址，工作单位）身份证号一确定，则其地址就唯一确定，因此地址函数依赖身份证号。
而姓名一确定，不一定能确定地址。

多值依赖(Multivalued Dependency,MD)

教师号可能多值依赖课程号，因为给个（课程号，参考书号)的组合，可能有对多个教师号。这是因为多个老师可以使用相或不同的参考书上同一门课。
简单点讲，函数就是唯一确定的关系；多值依赖却不能唯一确定。

1、平凡函数依赖与非平凡函数依赖

如果X→Y，且Y$⊈$X，则X→Y称为非平凡函数依赖。
若Y$\subseteq$x，则称X→Y为平凡函数依赖
由于Y$\subseteq$X时，一定有X→Y，平凡函数依赖必然成立，没有意义，所以一般所说的函数依赖总是指非平凡函数依赖。

例如：Sno代表学生的学号，Cno代表课程号， Grade代表成绩。
在关系 SC ( Sno, Cno,Grade)中，
非平凡函数依赖：
(Sno,Cno)→Grade
平凡函数依赖：
(Sno,Cno)→Sno
(Sno,Cno)→Cno

2、完全函数依赖与部分函数依赖

如果X→Y，且对于任何X’$\subset$X，都有X’ —^f$\to$Y，则称y完全依赖于x，记作X–\→Y
如果X→Y，但Y不完全依赖于X，则材部分函数依赖于X，记作X—^p→ Y.
例:选课(学号，课程号,课程名，成绩)
(学号，课程号)—^f→成绩
(学号，课程号)—^p→课程名因为课程号→课程
推论:如果X→Y，且X是单个属性，则X—^f→Y

3、传递函数依赖

如果X→Y ，Y→Z，且Y$\subseteq$X，Y—\→ X，则称Z传递函数依赖于X。记作X^传递→Z。
例:学生(学号,姓名，系名，系主任)
显然系主任传递函数依赖于学号
因为学号→系名，系名→系主任

候选码、主码、外码

我们已经知道，如果某属性组的值能唯确定整个元组的值，则称该属性组为候选码或侯选关键字。
例如:(学号，姓名，性别，年龄)中,学号是关键字，(学号，姓名)不是关键字,性别不是关键字。
候选码如果有多个，可以选其中的一个作为主码(Primary Key ).

属性或属性组X不是关系模式R的码(既不是主码也不是候选码)，但X是另一个关系模式的码，则称X是R的外部码，也称外码(Foreign key).
例如:在SC ( Sno，Cno，Grade )中，Sno不是码，但Sno是关系模式S(Sno，Sdept,Sage)的码，则Sno是关系模式SC的外部码。

数据规范化

关系数据库的设计主要是关系模式设计。关系模式设计的好直接影响到数据库设计的成败。将关系模式规范化，是设计较好的关系模式的惟一途径。
关系模式的规范化主要是由关系范式来完成的。
关系模式的规范化：把一个低一级的关系模式分解为高一级关系模式的过程。
关系数据库的规范化理论是数据库逻辑设计的工具。
目的：尽量消除插入、删除异常，修改复杂，数据冗余的问题

范式

范式：关系模式满足的约束条件称为范式。
根据满足规范化的程度不同范式由低到高分为1NF，2NF，3NF， BCNF，4NF，5NF。

• 1NF: 如果关系模式R，其所有属性都是不可再分的基本数据项，则称R属于第一范式，R $\in$ 1NF
• 2NF:如关系模式R $\in$ 1NF，且每个非主属性完全函数依赖于主码，则称R属于第二范式，R $\in$ 2NF。

例:判断R(学号，年龄，课程名称，成绩，学分）是否属于第二范式。
主码（学号，课程名称）
非主属性:姓名，年龄，成绩，学分存在如下决定关系:
（学号，课程名称）→（姓名，年龄，成绩，学分）
但
（课程名称）→（学分）
（学号）→（姓名，年龄）

• 3NF :如果关系模式R为2NF，并且R中的每个非主属性不传递依赖于R的主码，则称关系 R是属于第3范式的，R $\in$ 3NF。

例:判断R(学号，姓名，年龄，所在学院，学院地点，学院电话）是否属于第三范式。
主码：（学号）
非主属性：姓名，年龄，所在学院，学院地点，学院电话

存在非关键字段“学院地点”、“学院电话“对关键字段”学号”的传递函数依赖
3NF要求实体的属性不能存在传递依赖，故R不属于3NF
1NF
$\downarrow$ 消除非主属性对码的部分函数依赖
2NF
$\downarrow$ 消除非主属性对码的传递函数依赖
3NF
$\downarrow$ 消除主属性对码的部分和传递函数依赖
BCNF___________________________$\uparrow \uparrow \uparrow \uparrow \uparrow$（消除决定属性集非码的非平凡函数依赖）
$\downarrow$ 消除非平凡且非函数依赖的多值依赖
4NF

4、数据库逻辑设计方法设计逻辑结构分三步:

1.将概念结构转化为一般的关系模型
2.将转化来的关系模型向特定DBMS支持下的数据模型转换
3.对数据模型进行优化
如果是关系型数据库管理系统，就应将概念模型转换为关系模型，即将E-R图中的实体和联系转换为关系模式。

数据库逻辑设计数据库逻辑模型的产生
概念模型按一定规则可以转换成数据模型。这种转换的原则如下：

①一个实体转换成一个关系模式

实体的属性就是关系的属性，实体的主码就是关系的主码

②一个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系模式合并。

若转换为一个独立的关系模式:
各实体的主码以及联系本身的属性均转换为关系的属性，每个实体的主码均是该关系的候选码。
若与一端的关系模式合并:
则在该关系模式的属性中加入另一个关系模式的主码和联系本身的属性。

③一个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。

与该联系相连的各实体的主码以及联系本身的属性均转换为关系的属性，而关系的主码为n端实体的主码。
联系本身的属性均换为关系的属性，再加1端实体的主码。

④一个m:n联系转换为一个关系模式。

一个m:n联系转换为一个关系模式。与该联系相连的各实体的主码以及联系本身的属性均转换为关系的属性。而关系的主码为各实体主码的组合。

⑤三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。

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。
与该多元联系相连的各实体的主码以及联系本身的属性均转换为关系的属性。而关系的主码为各实体主的组合。

⑥同一实体集的实体间的联系，也可以按1:1、1:n和m:n三种情况分别处理。

可以按:
1:1(一对一)
1:n(一对多)
m:n（多对多）
三种情况分别处理。

数据库物理设计

1、物理设计概述

物理数据库设计是设计数据库的存储结构和物理实现方法。
目的:
将数据的逻辑描述转换为实现技术规范，设计数据存储方案，以便提供足够好的性能并确保数据库数据的完整性、安全性、可靠性

2、数据库的物理结构

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
数据库中的数据以文件形式存储在外设存储介质上。
一个文件在物理上可看作是存放记录的一系列磁盘块组成的，成为物理文件。
数据库的物理结构需要解决如下问题:
文件组织、文件结构、文件存取、索引技术

3、索引

索引( Index)是数据库中独立的存储结构，其作用是提供一种无须扫描每个页面(存储表格数据的物理块)而快速访问数据页的方案。
索引技术(Indexing)是一种快速数据访问技术
索引技术的关键：建立记录域取值(如图书术语)到记录的物理地址(如页码)间的映射关系，即索引。
索引能提高性能，但是有代价的。
设计和创建索引时，应确保对性能的提高程度大于在存储空间和处理资源方面的代价

索引技术分类

• 有序索引
  索引文件机制，利用索引文件(索引记录组成)实现记录域(查找码，排序域)取值到记录物理地址间的映射关系。
  数据文件(主文件)和索引文件(索引记录或索引项的集合)是有序索引技术中的两个主体，数据文件常采用顺序文件结构。

• 哈希(Hash )索引机制
  利用散列函数实现记录域取值到记录物理地址间的直接映射关系。

几种主要的有序索引:

(1)聚集索引(索引项与数据记录排列顺序一致，索引顺利文件)和非聚集索引。一个数据文件只可建立一个聚集索引，但可建立多个非聚集索引。
(2)稠密索引(数据文件中每个查找码都对应索引么记录)和稀疏索引(部分查找码的值对应索引记录)。
(3)主索引(主码属性集上建立的索引)与辅索引(非主属性上建立的索引)。
(4)唯一索引(索引列不包含重复值)
(5)单层索引(线性索引，每个索引项顺非列直接指向数据文件中的数据记录)和多层索引(大数据量文件中的采用多层树型(B,B+树）索引快速定位)。

4、数据库的物理设计目标

目标是得到存储空间占用少，数据访问效率高和维护代价低的数据库物理模式。数据库底层物理存储与存取，与DBS所依赖的硬件环境、操作系统和DBMS密切相关。目前绝大部分DBS都是关系数据库系统。
环节

(1)数据库逻辑模式描述

根据数据库逻辑结构信息设计目标DBMS可支持的关系表(这里称为基本表)的模式信息，这个过程称为数据库逻辑模式描述。
关系模式及其视图转换成基本表和视图，利用完整性机制(如触发器)设计面向应用的业务规则。
SQL Server 采用T-SQL语言。
为基本表选择合适的文件结构(堆文件、顺序文件、聚集文件、索引文件和散列文件)。

(2)文件组织与存取设计

基本原则
根据应用情况将易变部分与稳定部分、存取频率较高部分与存取频率较低部分分开存放，以提高系统性能。
分析理解数据库事务访问特性:使用事务-基本表交叉引用矩阵;估计各事务执行频率;汇总每张基本表各事务操作频率信息;
根据结果设计文件结构。
可以考虑将表和索引分别放在不同的磁盘上。在查询时，由于两个磁盘驱动器分别在工作，因而可以保证物理读写速度比较快。

影响数据文件存储结构的因素
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解决办法
适当冗余
增加聚簇功能
必须进行权衡，选择一个折中方案。

什么是存取路径
在关系数据库中，选择存取路径主要指确定如何建立索引。
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。
物理设计的第一个任务就是要确定选择哪些存取方法。

DBMS常用存取方法
索引方法，目前主要是B+树索引方法聚簇( Cluster)方法 、HASH方法

建立索引原则
一个(组)属性经常在操作条件中出现。
一个(组)属性经常在连接操作的连接条件一个(组)属性经常作为聚集函数的参数。

建立聚集索引原则
检索数据时，常以某个(组)属性作为排序、分组条件。
检索数据时，常以某个(组)属性作为检索限制条件，并返回大量数据。
表中某个(组)的值重复性较大。

(3)数据分布设计

不同类型数据的物理分布
将应用数据(基本表)、索引、日志、数据库备份数据等合理安排在不同介质中。

应用数据的划分与分布

根据数据的使用特征划分(频繁使用分区和非频繁使用分区)
根据时间、地点划分(时间或地点相同的属于同一分区)
分布式数据库系统(DDBS)中的数据划分(水平划分或垂直划分)
派生属性数据分布(增加派生列或不定义派生属性)
关系模式的去规范化(降低规范化提高查询效率)

• 水平划分
  将基本表划分为多张具有相同属性、结构完全相同的子表，子表包含的元组是基本表中元组的子集.
  例如，对商品按照商品的生产年份进行划分就属于水平划分。

• 垂直划分
  将基本表划分为多张子表，每张子表包含的属性是原基本表的子集。
  例如，商品表(商品编号、品名、单价、库存量、销售单价、备注)
  可垂直划分为两张子表:
  商品表(商品编号、品名、销售单价)
  商品表(商品编号、单价、库存量、备注)

(4)确定系统配置

DBMS产品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使用的缓冲区长度、个数时间片大小数据库的大小装填因子锁的数目	需要根据应用环境确定这些参数值,系统都为这些变量赋予了合理的缺省值。但不一定适合每一种应用环境。根据具体情况确定这些参数值以使系统性能最优。

(5)物理模式评估
对数据库物理设计结果从存取时间、存储空间、维护代价等方面进行评估，重点是时间和空间效率。

如果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。