数据库范式的设计

数据库范式的设计

    关系数据库就是通过二维表（行和列）来保存数据。

• 实体：现实世界中客观存在并可以被区别的事物。比如“一个学生”、“一本书”、“一门课”等等。值得强调的是这里所说的“事物”不仅仅是看得见摸得着的“东西”，它也可以是虚拟的，不如说“老师与学校的关系”。

• 属性：教科书上解释为：“实体所具有的某一特性”，由此可见，属性一开始是个逻辑概念，比如说，“性别”是“人”的一个属性。在关系数据库中，属性又是个物理概念，属性可以看作是“表的一列”。

• 元组：表中的一行就是一个元组。

• 分量：元组的某个属性值。在一个关系数据库中，它是一个操作原子，即关系数据库在做任何操作的时候，属性是“不可分的”。否则就不是关系数据库了。

• 码：表中可以唯一确定一个元组的某个属性（或者属性组），如果这样的码有不止一个，那么大家都叫候选码，我们从候选码中挑一个出来做老大，它就叫主码。

• 全码：如果一个码包含了所有的属性，这个码就是全码。

• 主属性：一个属性只要在任何一个候选码中出现过，这个属性就是主属性。

• 非主属性：与上面相反，没有在任何候选码中出现过，这个属性就是非主属性。

• 外码：一个属性（或属性组），它不是码，但是它别的表的码，它就是外码。

第一范式（1NF):在关系模式R中的每一种具体关系r中，如果每个属性值都是不可再分的最小数据单位，则称R是第一范式的关系。

   第一范式简单的说，就是要求属性具有原子性，不可再分解。

从表中可以看到，在课程选修表里，选修科目设计为一个字段，选修的科目内容用逗号分开，看起来是好像没什么问题，但是，如果想统计哪些人选修那些科目，将变得很困难，如果要统计哪些人选修了化学，可能会用到以下的SQL

    SQL>select  count（*） from course wherer subject like '%化学%';

对于更新的影响也非常大，如李四想在选修的科目中增加一门生物，他必须先读出以前的科目，然后再科目后面合并一个生物，这个表就不满足第一范式。

    可以做如下改进：

做了以上改进后就满足第一范式了，如果想统计哪些人选修了化学，SQL语句可以修改为：

   SQL>select count(*) from course where subject='化学';

如果李四想增加一门生物选修课，只要insert一个新行就可以。

第二范式（2NF）：如果关系模式R（U,F)中所有非主属性都完全依赖于人一个候选关键字，则称关系R数据第二范式。

     第二范式简单的说，就是每个表都有一个主键，其他字段完全依赖于该主键。

    上面的案例满足了第一范式，但不满足第二范式，没有一个唯一确定的主键。如果王五同学想把课程地理改成天文学，他不得不把所有的字段作为查询条件来更新该记录。如图所示，增加一个主键ID（PK).

有了主键，如果能确定哪一行需要修改，用主键就可以定位改行，如果王五想把课程地理改成天文学，就可以根据主键来进行更新：

   SQL> update course set sbuject='天文学'  where id=7;

这样，以上的表符合第二范式了吗，其实还没有，可以看到，编号依赖于ID，但姓名依赖于编号，还是没有唯一的主键，还不符合第二范式。如果张三要换一个名字，就要更改表中的三条记录。如果要统计有多少个学生，也是很麻烦！

   可以做如下修改：父表--学生表  ，子表--课程表

父表：

子表：

通过以上两张表，就清晰多了，学生的信息直接从学生表里获取，课程信息直接从课程表里获得。

第三范式(3NF): 如果关系模式R(U,F)中的所有非主属性对任何候选关键字都不存在传递信赖，则称关系R是属于第三范式的。

  第三范式表示不要存在值得依赖关系，比如还是上面的课程表，现在增加了选修课成绩等级：

如图所示，成绩等级是直接依赖于成绩的值的，如果将某个人的成绩直接从60改为50，那么不得不修改对应的等级，如果修改失误，则可能造成数据的异常（不对应），这就不符合第三范式。

附注：（转自：http://blog.sina.com.cn/s/blog_46d817650100yj2i.html 感谢博主）

数据库设计中的一些技巧

1. 原始单据与实体之间的关系 　可以是一对一、一对多、多对多的关系。在一般情况下，它们是一对一的关系：即一张原始单据对应且只对应一个实体。在特殊情况下，它们可能是一对多或多对一的关系，即一张原始单证对应多个实体，或多张原始单证对应一个实体。这里的实体可以理解为基本表。明确这种对应关系后，对我们设计录入界面大有好处。 　　〖例1〗：一份员工履历资料，在人力资源信息系统中，就对应三个基本表：员工基本情况表、社会关系表、工作简历表。这就是“一张原始单证对应多个实体”的典型例子。 2. 主键与外键 　一般而言，一个实体不能既无主键又无外键。在E―R 图中, 处于叶子部位的实体, 可以定义主键，也可以不定义主键(因为它无子孙), 但必须要有外键(因为它有父亲)。 　　主键与外键的设计，在全局数据库的设计中，占有重要地位。当全局数据库的设计完成以后，有个美国数据库设计专家说：“键，到处都是键，除了键之外，什么也没有”，这就是他的数据库设计经验之谈，也反映了他对信息系统核心(数据模型)的高度抽象思想。因为：主键是实体的高度抽象，主键与外键的配对，表示实体之间的连接。 3. 基本表的性质 　　基本表与中间表、临时表不同，因为它具有如下四个特性： 　　 (1) 原子性。基本表中的字段是不可再分解的。 　　 (2) 原始性。基本表中的记录是原始数据（基础数据）的记录。 　　 (3) 演绎性。由基本表与代码表中的数据，可以派生出所有的输出数据。 　　 (4) 稳定性。基本表的结构是相对稳定的，表中的记录是要长期保存的。 　　理解基本表的性质后，在设计数据库时，就能将基本表与中间表、临时表区分开来。 4. 范式标准 　　基本表及其字段之间的关系, 应尽量满足第三范式。但是，满足第三范式的数据库设计，往往不是最好的设计。为了提高数据库的运行效率，常常需要降低范式标准：适当增加冗余，达到以空间换时间的目的。 　　〖例2〗：有一张存放商品的基本表，如表1所示。“金额”这个字段的存在，表明该表的设计不满足第三范式，因为“金额”可以由“单价”乘以“数量”得到，说明“金额”是冗余字段。但是，增加“金额”这个冗余字段，可以提高查询统计的速度，这就是以空间换时间的作法。 　　在Rose 2002中，规定列有两种类型：数据列和计算列。“金额”这样的列被称为“计算列”，而“单价”和“数量”这样的列被称为“数据列”。 　　表1 商品表的表结构 　　商品名称 商品型号 单价 数量 金额 　　电视机 29�� 2,500 40 100,000 5. 通俗地理解三个范式 　　通俗地理解三个范式，对于数据库设计大有好处。在数据库设计中，为了更好地应用三个范式，就必须通俗地理解三个范式(通俗地理解是够用的理解，并不是最科学最准确的理解)： 　　第一范式：1NF是对属性的原子性约束，要求属性具有原子性，不可再分解； 　　第二范式：2NF是对记录的惟一性约束，要求记录有惟一标识，即实体的惟一性； 　　第三范式：3NF是对字段冗余性的约束，即任何字段不能由其他字段派生出来，它要求字段没有冗余。 　　没有冗余的数据库设计可以做到。但是，没有冗余的数据库未必是最好的数据库，有时为了提高运行效率，就必须降低范式标准，适当保留冗余数据。具体做法是：在概念数据模型设计时遵守第三范式，降低范式标准的工作放到物理数据模型设计时考虑。降低范式就是增加字段，允许冗余。 6. 要善于识别与正确处理多对多的关系 　　若两个实体之间存在多对多的关系，则应消除这种关系。消除的办法是，在两者之间增加第三个实体。这样，原来一个多对多的关系，现在变为两个一对多的关系。要将原来两个实体的属性合理地分配到三个实体中去。这里的第三个实体，实质上是一个较复杂的关系，它对应一张基本表。一般来讲，数据库设计工具不能识别多对多的关系，但能处理多对多的关系。 　　〖例3〗：在“图书馆信息系统”中，“图书”是一个实体，“读者”也是一个实体。这两个实体之间的关系，是一个典型的多对多关系：一本图书在不同时间可以被多个读者借阅，一个读者又可以借多本图书。为此，要在二者之间增加第三个实体，该实体取名为“借还书”，它的属性为：借还时间、借还标志(0表示借书，1表示还书)，另外，它还应该有两个外键(“图书”的主键，“读者”的主键)，使它能与“图书”和“读者”连接。 7. 主键PK的取值方法 　　 PK是供程序员使用的表间连接工具，可以是一无物理意义的数字串, 由程序自动加1来实现。也可以是有物理意义的字段名或字段名的组合。不过前者比后者好。当PK是字段名的组合时，建议字段的个数不要太多，多了不但索引占用空间大，而且速度也慢。 8. 正确认识数据冗余 　　主键与外键在多表中的重复出现, 不属于数据冗余，这个概念必须清楚，事实上有许多人还不清楚。非键字段的重复出现, 才是数据冗余！而且是一种低级冗余，即重复性的冗余。高级冗余不是字段的重复出现，而是字段的派生出现。 　　〖例4〗：商品中的“单价、数量、金额”三个字段，“金额”就是由“单价”乘以“数量”派生出来的，它就是冗余，而且是一种高级冗余。冗余的目的是为了提高处理速度。只有低级冗余才会增加数据的不一致性，因为同一数据，可能从不同时间、地点、角色上多次录入。因此，我们提倡高级冗余(派生性冗余)，反对低级冗余(重复性冗余)。 9. E--R图没有标准答案 　　信息系统的E--R图没有标准答案，因为它的设计与画法不是惟一的，只要它覆盖了系统需求的业务范围和功能内容，就是可行的。反之要修改E--R图。尽管它没有惟一的标准答案，并不意味着可以随意设计。好的E―R图的标准是：结构清晰、关联简洁、实体个数适中、属性分配合理、没有低级冗余。 10. 视图技术在数据库设计中很有用 　　与基本表、代码表、中间表不同，视图是一种虚表，它依赖数据源的实表而存在。视图是供程序员使用数据库的一个窗口，是基表数据综合的一种形式, 是数据处理的一种方法，是用户数据保密的一种手段。为了进行复杂处理、提高运算速度和节省存储空间, 视图的定义深度一般不得超过三层。 若三层视图仍不够用, 则应在视图上定义临时表, 在临时表上再定义视图。这样反复交迭定义, 视图的深度就不受限制了。 　　对于某些与国家政治、经济、技术、军事和安全利益有关的信息系统，视图的作用更加重要。这些系统的基本表完成物理设计之后，立即在基本表上建立第一层视图，这层视图的个数和结构，与基本表的个数和结构是完全相同。并且规定，所有的程序员，一律只准在视图上操作。只有数据库管理员，带着多个人员共同掌握的“安全钥匙”，才能直接在基本表上操作。请读者想想：这是为什么？ 11. 中间表、报表和临时表 　　中间表是存放统计数据的表，它是为数据仓库、输出报表或查询结果而设计的，有时它没有主键与外键(数据仓库除外)。临时表是程序员个人设计的，存放临时记录，为个人所用。基表和中间表由DBA维护，临时表由程序员自己用程序自动维护。 12. 完整性约束表现在三个方面 　　域的完整性：用Check来实现约束，在数据库设计工具中，对字段的取值范围进行定义时，有一个Check按钮，通过它定义字段的值城。 　　参照完整性：用PK、FK、表级触发器来实现。 　　用户定义完整性：它是一些业务规则，用存储过程和触发器来实现。 13. 防止数据库设计打补丁的方法是“三少原则” 　　 (1) 一个数据库中表的个数越少越好。只有表的个数少了，才能说明系统的E--R图少而精，去掉了重复的多余的实体，形成了对客观世界的高度抽象，进行了系统的数据集成，防止了打补丁式的设计； 　　 (2) 一个表中组合主键的字段个数越少越好。因为主键的作用，一是建主键索引，二是做为子表的外键，所以组合主键的字段个数少了，不仅节省了运行时间，而且节省了索引存储空间； 　　 (3) 一个表中的字段个数越少越好。只有字段的个数少了，才能说明在系统中不存在数据重复，且很少有数据冗余，更重要的是督促读者学会“列变行”，这样就防止了将子表中的字段拉入到主表中去，在主表中留下许多空余的字段。所谓“列变行”，就是将主表中的一部分内容拉出去，另外单独建一个子表。这个方法很简单，有的人就是不习惯、不采纳、不执行。 　　数据库设计的实用原则是：在数据冗余和处理速度之间找到合适的平衡点。“三少”是一个整体概念，综合观点，不能孤立某一个原则。该原则是相对的，不是绝对的。“三多”原则肯定是错误的。试想：若覆盖系统同样的功能，一百个实体(共一千个属性) 的E--R图，肯定比二百个实体(共二千个属性) 的E--R图，要好得多。 　　提倡“三少”原则，是叫读者学会利用数据库设计技术进行系统的数据集成。数据集成的步骤是将文件系统集成为应用数据库，将应用数据库集成为主题数据库，将主题数据库集成为全局综合数据库。集成的程度越高，数据共享性就越强，信息孤岛现象就越少，整个企业信息系统的全局E―R图中实体的个数、主键的个数、属性的个数就会越少。 　　提倡“三少”原则的目的，是防止读者利用打补丁技术，不断地对数据库进行增删改，使企业数据库变成了随意设计数据库表的“垃圾堆”，或数据库表的“大杂院”，最后造成数据库中的基本表、代码表、中间表、临时表杂乱无章，不计其数，导致企事业单位的信息系统无法维护而瘫痪。 　　 “三多”原则任何人都可以做到，该原则是“打补丁方法”设计数据库的歪理学说。“三少”原则是少而精的原则，它要求有较高的数据库设计技巧与艺术，不是任何人都能做到的，因为该原则是杜绝用“打补丁方法”设计数据库的理论依据。 14. 提高数据库运行效率的办法 　　在给定的系统硬件和系统软件条件下，提高数据库系统的运行效率的办法是： 　　 (1) 在数据库物理设计时，降低范式，增加冗余, 少用触发器, 多用存储过程。 　　 (2) 当计算非常复杂、而且记录条数非常巨大时(例如一千万条)，复杂计算要先在数据库外面，以文件系统方式用C++语言计算处理完成之后，最后才入库追加到表中去。这是电信计费系统设计的经验。 　　 (3) 发现某个表的记录太多，例如超过一千万条，则要对该表进行水平分割。水平分割的做法是，以该表主键PK的某个值为界线，将该表的记录水平分割为两个表。若发现某个表的字段太多，例如超过八十个，则垂直分割该表，将原来的一个表分解为两个表。 　　 (4) 对数据库管理系统DBMS进行系统优化，即优化各种系统参数，如缓冲区个数。 　　 (5) 在使用面向数据的SQL语言进行程序设计时，尽量采取优化算法。 　　总之，要提高数据库的运行效率，必须从数据库系统级优化、数据库设计级优化、程序实现级优化，这三个层次上同时下功夫。 　　上述十四个技巧，是许多人在大量的数据库分析与设计实践中，逐步总结出来的。对于这些经验的运用，读者不能生帮硬套，死记硬背，而要消化理解，实事求是，灵活掌握。并逐步做到：在应用中发展，在发展中应用