第三章 数据库系统
随着应用系统的规模越来越大，现在的系统开发大部分都是基于数据库的应用。
因此，作为一名系统架构设计师，要熟练掌握数据库系统的设计方法和技术。
3.1数据库管理系统的类型：
分类标准：按数据模型分类、按用户数分类、按数据分布站点分类。
商业DBMS中所用的主要数据模型是：关系数据模型，有些实现了对象数据模型，但未得到广泛使用。
常见的DBMS按数据模型划分：关系型、稳定型、键值型、对象型等。
3.2数据库模式与范式
是数据库系统中的两个重要概念，是进行数据库设计的基础。
3.2.1 数据库的结构与模式
数据库技术中采用分级的方法将数据库的结构划分为多个层次。最著名的是美国ANSI/SPARC 数据库系统研究组1975 年提出的三级划分法。
1.三级抽象
数据库系统划分为三个抽象级：用户级、概念级、物理级。
（1）用户级数据库。 对应于外模式，是最接近用户的一级数据库，是用户可以看到和使用的数据库，又称用户视图。
用户级数据库主要由外部记录组成，不同的用户视图可以互相重叠，用户的所有操作都是针对用户视图进行的。
（2）概念级数据库。概念级数据库对应于概念模式，介于用户级和物理级之间，是所有用户视图的最小并集，是数据库管理员可看到和使用的数据库，又称DBA(DataBase Administrator，数据库管理员)视图。
概念级数据库由概念记录组成。
一个数据库可有多个不同的用户视图，每个用户视图由数据库某一部分的抽象表示。
概念级模式把用户视图有机地结合成一个整体，综合平衡考虑所有用户要求，实现数据的一致性、最大限度降低数据冗余、准确地反映数据间的联系。
（3）物理级数据库。对应于内模式，是数据库的低层表示，
它描述数据的实际存储组织，是最接近于物理存储的级，又称内部视图。
物理级数据库由内部记录组成，物理级数据库并不是真正的物理存储，而是最接近于物理存储的级。
2.三级模式
数据库系统的三级模式为外模式、概念模式、内模式。
（1）概念模式，描述整个数据库中数据库的逻辑结构，描述现实世界中的实体及其性质与联系，定义记录、数据项、数据的完整性约束条件及记录之间的联系，是数据项值的框架。
数据库系统概念模式通常还包含：
- 访问控制
- 保密定义
- 完整性检查
- 概念/物理之间的映射
概念模式是数据库中全体数据的逻辑结构和特征的描述，是所有用户的公共数据视图。
一个数据库只能有一个概念模式。
（2）外模式，用以描述用户看到或使用的那部分数据的逻辑结构，用户根据外模式用数据操作语句或应用程序去操作数据库中的数据。
外模式主要描述：
- 组成用户视图的各个记录的组成、相互关系、数据项的特征、数据的安全性和完整性约束条件。
外模式是数据库用户的数据视图，是与某一应用有关的数据的逻辑表示。一个数据库可有多个外模式。一个应用程序只能使用一个外模式。
（3）内模式，是整个数据库的最低层表示，不同于物理层，它假设外存是一个无限的线性地址空间。
内模式的定义的是
- 存储记录的类型
- 存储域的表示
- 存储记录的物理顺序
指引元、索引和存储路径等数据的存储组织。
内模式是数据物理结构和存储方式的描述，是数据在数据库内部的表示方式。一个数据库只有一个内模式。
内模式、模式、外模式之间的关系：
（1）模式是数据库的中心与关键；
（2）内模式依赖于模式，独立于外模式和存储设备；
（3）外模式面向具体的应用，独立于内模式和存储设备；
（4）应用程序依赖于外模式，独立于模式和内模式。
3.两级独立性
数据库系统两级独立性是指物理独立性和逻辑独立性。三个抽象级间通过两级映射（外模式-模式映射，模式-内模式映射）进行相互转换，使得数据库的三级形成一个统一的整体。
（1）物理独立性。指用户的应用程序与存储在磁盘上的数据库中的数据时相互独立的。
当数据的物理存储改变时，应用程序不需要改变。
物理独立性存在于概念模式和内模式之间的映射转换，说明物理组织发生变化时应用程序的独立程度。
（2）逻辑独立性，指用户的应用程序与数据库中的逻辑结构是相互独立的。
当数据的逻辑结构改变时，应用程序不需要改变。
逻辑独立性存在于外模式和概念模式之间的映射转换，说明概念模式发生变化时应用程序的独立程度。
希赛专家提示：逻辑独立性比物理独立性更难实现。
3.2.2数据模型
数据模型：
- 概念数据模型（实体-联系模型）
- 基本数据模型（结构数据模型）
概念数据模型是按照用户的观点来对数据和信息建模，主要用于数据库设计。
主要用实体--联系方法（Entity-Relationship Approach）表示，所以也称为E-R模型。
基本数据模型是按照计算机的观点对数据和信息建模，主要用于DBMS的实现。
是数据库系统的核心和基础。
三部分组成：
- 数据结构 （是对系统静态特性的描述）
- 数据操作 （是对系统动态特性的描述）
- 完整性约束 （是一组完整性规则的集合）
常用的基本数据模型有层次模型、网状模型、关系模型和面向对象模型。
（1）层次模型：用树形结构表示实体类型及实体间的联系。
优点：记录之间的联系通过指针来实现， 查询效率加哦噶偶。
缺点：只能表示1：n联系，要实现m:n联系的话，比较复杂，不易掌握。
由于层次顺序的严格和复杂，导致数据的查询和更新操作很复杂，应用程序的编写也比较复杂。
（2）网状模型：用有向图表示实体类型及实体间的联系。
优点：记录之间的联系通过指针实现，m:n联系也容易实现，查询效率高。
缺点：编写应用程序的过程比较复杂，程序员必须熟悉数据库的逻辑结构。
（3）关系模型：用表格结构表达实体集，用外键表示实体间的联系。
优点：
- 建立在严格的数学概念基础上；
- 概念（关系）单一，结构简单、清晰，用户易懂易用；
- 存储路径对用户透明，从而数据独立性、安全性好，简化数据库开发工作。
3.2.3关系代数
关系代数的基本运算主要有并、交、差、笛卡尔积、选择、投影、连接和除法运算。
（1）并。计算两个关系在集合理论上的并集，RUS的元组包括R和S所有元组的集合。
R∪S=S∪R。
（2）交。计算两个关系集合理论上的交集，R∩S的元组包括R和S相同元组的集合。
显然，R∩S=R-(R-S) 和R∩S=S-(S-R)成立。
（3）差。计算两个关系的区别集合，R-S的元组包括R中有而S中没有的元组的集合。
（4）笛卡尔积。计算两个关系的笛卡尔乘积。
令R为有m元的关系，S为有n元的关系，则R×S是m+n元的元组的集合。定义形式：
R'S
若R有u个元组，S有v个元组，则R×S 有u×v个元组。
（5）投影，从一个关系中抽取指明的属性（列）。令R为一个包含属性A的关系，
pA(R)
例：对关系R做投影操作，p1,2(R)。
p1,2(R)操作是对第1列与第2列做投影。
（6）选择。 从关系R中抽取出满足给定 限制条件的记录，记作：
例：
F:表示选择条件，是一个逻辑表达式（逻辑运算符+算术表达式）。选择运算是从元组（行）的角度进行的运算。
（7）θ 连接。θ 连接从两个关系的笛卡儿积中选取属性之间满足一定条件的元组，记作：
例：对关系R与关系S做自然连接操作。因为关系S的属性在关系R中都包含，所以得到的结果就是关系R的表。
（8）除。设有关系R(X,Y)与关系S(Z),Y和Z具有相同的属性个数，且对应属性出自相同域。
关系R(X,Y)÷S(Z)所得商关系，记为：R÷S。是：
- 关系R在属性X上投影的一个子集，
- 该子集和S(Z)的笛卡尔积必须包含在R(X,Y)中
具体计算公式：
例：对关系R与关系S做除法运算。
求解过程：
首先，按除运算定义要求，确定X,Y,Z属性集合。Y是关系R中的属性集合，
Z是S中全部属性的集合，即Z={U3，U4},
由于Y=Z，因此Y={U3,U4},X={U1,U2}.
R÷S结果集包含属性U1和U2;然后，将关系R的U1、U2与关系S作笛卡尔积操作。
3.2.4数据的规范化
关系模型满足的确定约束条件称为范式，
根据满足约束条件的级别不同，范式由低到高分为：1NF(第一范式)、2NF(第二范式)、3NF(第三范式)、BCNF(BC范式)、4NF(第四范式)等。
不同的级别范式性质不同。
把一个低一级的关系模型分解为高一级关系模型的过程，称为关系模型的规范化。
关系模型分解必须遵守两个准则：
- 无损连接性：信息不失真（不增减信息）。
- 函数依赖保持性：不破坏属性间存在的依赖关系。
规范化的基本思想是：逐步消除不合适的函数依赖，使数据库中的各个关系模型达到某种程度的分离。
规范化解决的主要是：单个实体的质量问题，是对于问题域中原始数据展现的正规化处理。
规范化理论给出了判断关系模型优劣的理论标准，帮助预测模式可能出现的问题，是数据库逻辑设计的指南和工具，具体有：
- 用数据依赖的概念分析和表示各数据项之间的关系。
- 消除E-R图中的冗余联系。
1.函数依赖
（类似：自变量x确定后，相应函数值f(x)也就唯一确定了）
是衡量和调整数据规范化的最基础的理论依据。
例： 记录职工信息的结构如下：
职工工号（EMP_NO）
职工姓名（EMP_NAME）
所在部门（DEPT）
EMP_NO函数决定EMP_NAME 和 DEPT，
或者说 EMP_NAME，DEPT函数依赖于EMP_NO,
记为：EMP_NO→EMP_NAME，EMP_NO→DEPT。
给定一个K则唯一决定U中的一个元组，也就是U函数完全依赖于属性K，就称K为R的码。
一个关系可能有多个码，选中其中一个作为主码。
包含在任一码中的属性称为主属性，不包含在任何码中的属性称为非主属性。
关系R中的属性或属性组X不是R的码，但X是另一个关系模型的码，称X是R的外码。
主码和外码是一种表示关系间关联的重要手段。
数据库设计中一个重要的任务就是要找到问题域中正确的关联关系，孤立的关系模型很难描述清楚业务逻辑。
2.第一范式
1NF是最低的规范化要求。如果关系R中所有属性的值域都是简单域，其元素（即属性）不可再分，是属性项而不是属性组，那么关系模型R是第一范式的。记作
。
这一限制是关系的基本性质，所以任何关系都必须满足第一范式。第一范式是实际数据库设计中必须先达到的，通常称为数据元素的结构化。
满足第一范式，可以以省、市为条件进行查询和统计。
满足1NF的关系模型会有许多重复值，并且增加了修改其数据时引起纰漏的可能性。
为了消除这种数据冗余和避免更新数据的遗漏，需要更加规范的2NF。
3.第二范式
如果一个关系R属于1NF，且所有的非主属性都完全依赖于主属性，则称之为第二范式，记作
。
例：有一个获得专业技术证书的人员情况登记表结构为：
省份、姓名、证书名称、证书编号、核准项目、发证部门、发证时间、有效期。
这个结构符合1NF，其中“证书名称”和“证书编号”是主码，但是因为“发证部门”只完全依赖于“证书名称”，即只依赖于主关键字的一部分（即部分依赖），所以它不符合2NF，
这样首先存在数据冗余，因为证书种类可能不多。
其次，在更改发证部门时，如果漏改了某一记录，存在数据不一致。
再次，如果获得某种证书的职工全部跳槽了，那么这个发证部门的信息就可能丢失，即这种关系不允许存在某种证书没有获得者的情况。
可以用分解的方法消除部分依赖的情况，而使关系达到2NF的标准。
方法是，从现有关系中分解出新的关系表，使每个表中所有的非关键字都完全依赖于各自的主关键字。可以分解成两个表（省份、姓名、证书名称、证书编号、核准项目、发证日期、有效期）和（证书名称、发证部门），这样就完全符合2NF了。
4.第三范式
如果一个关系R属于2NF，且每个非主属性不传递依赖于主属性，这种关系是3NF,记作
。
从2NF中消除传递依赖，就是3NF。
例：有一个表（职工姓名，工资级别，工资额），其中职工姓名是关键字，此关系符合2NF,
因为工资级别决定工资额，也就是说非主属性“工资额”传递依赖于主属性“职工姓名”，它不符合3NF,同样可以使用投影分解的办法分解成两个表：（职工姓名，工资级别），（工资级别，工资额）。
5.BC范式
一般满足3NF的关系模型已能消除冗余和各种异常现象，获得比较满意的效果，但无论2NF还是3NF都没有涉及主属性间的函数依赖，所以有时仍会引起一些问题。因此引入了BC范式（由Boyeet和Codd提出）。通常认为BCNF是第三范式的改进。
BC范式的定义：如果关系模型 R∈ 1NF，且R中每一个函数依赖关系中的决定因素都包含码，则R是满足BC范式的关系，记作
。
当一个关系模型，则在函数依赖范畴里，就认为已彻底实现了分离，消除了插入、删除的异常。
综合1NF、2NF和3NF、BCNF的内涵可概括如下：
（1）非主属性完全函数依赖于码（2NF的要求）
（2）非主属性不传递依赖于任何一个候选码(3NF的要求)
（3）主属性对不含它的码完全函数依赖（BCNF的要求）
（4）没有属性完全函数依赖于一组非主属性（BCNF的要求）。
3.2.5反规范化
数据库中的数据规范化的优点是：减少了数据冗余，节约了存储空间，相应逻辑和物理的I/O次数减少，同时加快了增、删、改的速度，但是对完全规范的数据库查询，通常需要更多的连接操作，从而影响查询速度。
有时为了提高某些查询或应用的性能而破坏规范规则，即反规范化（非规范化处理）。
常见的反规范化技术包括：
（1）增加冗余列
增加冗余列是指在多个表中具有相同的列，它常用来在查询时避免连接操作。
其他笔记整理在笔记本上，后续贴图