死磕数据库系列（三）：关系型数据库设计理论与流程详解

2023-03-16 11:10:51

接上一篇：死磕数据库系列（二）：数据库系统核心知识点详解

SQL DB - 关系型数据库设计理论

重要的术语

关系模型是一种基于表的数据模型，以下为关系学生信息，该表有很多不足之处，本文研究内容就是如何改进它：

下面是一些重要术语：

属性（attribute）：列的名字，上图有学号、姓名、班级、兴趣爱好、班主任、课程、授课主任、分数。
依赖（relation）：列属性间存在的某种联系。
元组（tuple）：每一个行，如第二行（1301，小明，13班，篮球，王老师，英语，赵英，70）就是一个元组
表（table）：由多个属性，以及众多元组所表示的各个实例组成。
模式（schema）：这里我们指逻辑结构，如学生信息（学号，姓名，班级，兴趣爱好，班主任，课程，授课主任，分数）的笼统表述。
域（domain）：数据类型，如string、integer等，上图中每一个属性都有它的数据类型（即域）。
键（key）：由关系的一个或多个属性组成，任意两个键相同的元组，所有属性都相同。需要保证表示键的属性少。一个关系可以存在好几种键，工程中一般从这些候选键中选出一个作为主键（primary key）。
候选键（candidate key）：由关系的一个或多个属性组成，候选键都具备键的特征，都有资格成为主键。
超键（super key）：包含键的属性集合，无需保证属性集的小化。每个键也是超键。可以认为是键的超集。
外键（foreign key）：如果某一个关系A中的一个（组）属性是另一个关系B的键，则该（组）属性在A中称为外键。
主属性（prime attribute）：所有候选键所包含的属性都是主属性。
投影（projection）：选取特定的列，如将关系学生信息投影为学号、姓名即得到上表中仅包含学号、姓名的列
选择（selection）：按照一定条件选取特定元组，如选择上表中分数>80的元组。
笛卡儿积（交叉连接Cross join）：个关系每一行分别与第二个关系的每一行组合。
自然连接（natural join）：个关系中每一行与第二个关系的每一行进行匹配，如果得到有交叉部分则合并，若无交叉部分则舍弃。
连接（theta join）：即加上约束条件的笛卡儿积，先得到笛卡儿积，然后根据约束条件删除不满足的元组。
外连接（outer join）：执行自然连接后，将舍弃的部分也加入，并且匹配失败处的属性用NULL代替。
除法运算（division）：关系R除以关系S的结果为T，则T包含所有在R但不在S中的属性，且T的元组与S的元组的所有组合在R中。

函数依赖

通过函数依赖关系，来帮助你确定表中的合理主外键等；这里只是简介，有这么个概念就可以了，因为大多数情况你不用那些所谓的推倒关系，你也是可以凭借直觉设计出来的。

记 A->B 表示 A 函数决定 B，也可以说 B 函数依赖于 A。

如果 {A1，A2，... ，An} 是关系的一个或多个属性的集合，该集合函数决定了关系的其它所有属性并且是小的，那么该集合就称为键码。

对于 A->B，如果能找到 A 的真子集 A'，使得 A'-> B，那么 A->B 就是部分函数依赖，否则就是完全函数依赖。

对于 A->B，B->C，则 A->C 是一个传递函数依赖。

异常

介绍不符合范式的关系，会产生很多异常，为了引出范式的内容。

以下的学生课程关系的函数依赖为 Sno, Cname -> Sname, Sdept, Mname, Grade，键码为 {Sno, Cname}。也就是说，确定学生和课程之后，就能确定其它信息。不符合范式的关系，会产生很多异常，主要有以下四种异常:

冗余数据: 例如 学生-2 出现了两次。
修改异常: 修改了一个记录中的信息，但是另一个记录中相同的信息却没有被修改。
删除异常: 删除一个信息，那么也会丢失其它信息。例如删除了 课程-1 需要删除行和第三行，那么 学生-1 的信息就会丢失。
插入异常: 例如想要插入一个学生的信息，如果这个学生还没选课，那么就无法插入。

范式

范式理论是为了解决以上提到四种异常。

别范式的依赖于低级别的范式，1NF 是低级别的范式。

1. 范式 (1NF)

属性不可分。

2. 第二范式 (2NF)

每个非主属性完全函数依赖于键码。

可以通过分解来满足。

分解前以上学生课程关系中，{Sno, Cname} 为键码，有如下函数依赖:

Sno -> Sname, Sdept
Sdept -> Mname
Sno, Cname-> Grade

Grade 完全函数依赖于键码，它没有任何冗余数据，每个学生的每门课都有特定的成绩。

Sname, Sdept 和 Mname 都部分依赖于键码，当一个学生选修了多门课时，这些数据就会出现多次，造成大量冗余数据。

分解后有以下函数依赖:

Sno -> Sname, Sdept
Sdept -> Mname

关系-2有以下函数依赖:

Sno, Cname -> Grade

3. 第三范式 (3NF)

非主属性不传递函数依赖于键码。

上面的关系-1 中存在以下传递函数依赖:

Sno -> Sdept -> Mname

可以进行以下分解:

关系-11

关系-12

SQL DB - 关系型数据库设计流程

在上文知道如何设计表和健后，让我们再看看整个的数据库设计的标准流程吧，主要包括需求分析, 概念结构设计, 逻辑结构设计 , 物理设计, 实施阶段和运行和维护阶段这6个阶段，其中重要的是逻辑结构设计。

规范设计的6个阶段

按照规范设计的方法，考虑数据库及其应用系统开发全过程，将数据库设计分为以下6个阶段

需求分析：分析用户的需求，包括数据、功能和性能需求；
概念结构设计：主要采用E-R模型进行设计，包括画E-R图；
逻辑结构设计：通过将E-R图转换成表，实现从E-R模型到关系模型的转换；
数据库物理设计：主要是为所设计的数据库选择合适的存储结构和存取路径；
数据库的实施：包括编程、测试和试运行；
数据库运行与维护：系统的运行与数据库的日常维护

其中为重要的是概念结构设计和逻辑结构设计，所以后面独立两个章节分别具体讲：E-R图和结构设计流程。

需求分析阶段（常用自顶向下）

进行数据库设计首先必须准确了解和分析用户需求（包括数据与处理）。需求分析是整个设计过程的基础，也是困难，耗时的一步。需求分析是否做得充分和准确，决定了在其上构建数据库大厦的速度与质量。需求分析做的不好，会导致整个数据库设计返工重做。

需求分析的任务，是通过详细调查现实世界要处理的对象，充分了解原系统工作概况，明确用户的各种需求，然后在此基础上确定新的系统功能，新系统还得充分考虑今后可能的扩充与改变，不仅仅能够按当前应用需求来设计。

调查的重点是，数据与处理。达到信息要求，处理要求，安全性和完整性要求。

分析方法常用SA(Structured Analysis) 结构化分析方法，SA方法从上层的系统组织结构入手，采用自顶向下，逐层分解的方式分析系统。

数据流图表达了数据和处理过程的关系，在SA方法中，处理过程的处理逻辑常常借助判定表或判定树来描述。在处理功能逐步分解的同事，系统中的数据也逐级分解，形成若干层次的数据流图。系统中的数据则借助数据字典（data dictionary，DD）来描述。数据字典是系统中各类数据描述的集合，数据字典通常包括数据项，数据结构，数据流，数据存储，和处理过程5个阶段。

概念结构设计阶段（常用自底向上）

概念结构设计是整个数据库设计的关键，它通过对用户需求进行综合，归纳与抽象，形成了一个独立于具体DBMS的概念模型。

设计概念结构通常有四类方法：

自顶向下。即首先定义全局概念结构的框架，再逐步细化。
自底向上。即首先定义各局部应用的概念结构，然后再将他们集成起来，得到全局概念结构。
逐步扩张。首先定义重要的核心概念结构，然后向外扩张，以滚雪球的方式逐步生成其他的概念结构，直至总体概念结构。
混合策略。即自顶向下和自底向上相结合。

逻辑结构设计阶段（E-R图）

逻辑结构设计是将概念结构转换为某个DBMS所支持的数据模型，并将进行优化。

在这阶段，E-R图显得异常重要。大家要学会各个实体定义的属性来画出总体的E-R图。

各分E-R图之间的冲突主要有三类：属性冲突，命名冲突，和结构冲突。

E-R图向关系模型的转换，要解决的问题是如何将实体性和实体间的联系转换为关系模式，如何确定这些关系模式的属性和码。

物理设计阶段

物理设计是为逻辑数据结构模型选取一个适合应用环境的物理结构（包括存储结构和存取方法）。

首先要对运行的事务详细分析，获得选择物理数据库设计所需要的参数，其次，要充分了解所用的RDBMS的内部特征，特别是系统提供的存取方法和存储结构。

常用的存取方法有三类：

1.索引方法，目前主要是B+树索引方法。
2.聚簇方法（Clustering）方法。
3.是HASH方法。

数据库实施阶段

数据库实施阶段，设计人员运营DBMS提供的数据库语言（如sql）及其宿主语言，根据逻辑设计和物理设计的结果建立数据库，编制和调试应用程序，组织数据入库，并进行试运行。

数据库运行和维护阶段

数据库应用系统经过试运行后，即可投入正式运行，在数据库系统运行过程中必须不断地对其进行评价，调整，修改。

E-R图

Entity-Relationship，有三个组成部分: 实体、属性、联系。

用来进行关系型数据库系统的概念设计。

实体的三种联系

包含一对一，一对多，多对多三种。

如果 A 到 B 是一对多关系，那么画个带箭头的线段指向 B；
如果是一对一，画两个带箭头的线段；
如果是多对多，画两个不带箭头的线段。

下图的 Course 和 Student 是一对多的关系。

表示出现多次的关系

一个实体在联系出现几次，就要用几条线连接。

下图表示一个课程的先修关系，先修关系出现两个 Course 实体，个是先修课程，后一个是后修课程，因此需要用两条线来表示这种关系。

联系的多向性

虽然老师可以开设多门课，并且可以教授多名学生，但是对于特定的学生和课程，只有一个老师教授，这就构成了一个三元联系。一般只使用二元联系，可以把多元联系转换为二元联系。

表示子类

用一个三角形和两条线来连接类和子类，与子类有关的属性和联系都连到子类上，而与父类和子类都有关的连到父类上。

基于E-R图的数据库结构设计

上面6个阶段比较抽象的，来看看实际重要的基于E-R图的数据库结构设计示例吧

确定entities及relationships

明确宏观行为。数据库是用来做什么的？比如，管理雇员的信息。
确定entities。对于一系列的行为，确定所管理信息所涉及到的主题范围。这将变成table。比如，雇用员工，指定具体部门，确定技能等级。
确定relationships。分析行为，确定tables之间有何种关系。比如，部门与雇员之间存在一种关系。给这种关系命名。
细化行为。从宏观行为开始，现在仔细检查这些行为，看有哪些行为能转为微观行为。比如，管理雇员的信息可细化为：

增加新员工
修改存在员工信息
删除调走的员工

确定业务规则。分析业务规则，确定你要采取哪种。比如，可能有这样一种规则，一个部门有且只能有一个部门领导。这些规则将被设计到数据库的结构中。

下面举个例子，需求如下：ACME是一个小公司，在5个地方都设有办事处。当前，有75名员工。公司准备快速扩大规模，划分了9个部门，每个部门都有其领导。为有助于寻求新的员工，人事部门规划了68种技能，为将来人事管理作好准备。员工被招进时，每一种技能的专业等级都被确定。

定义宏观行为

一些ACME公司的宏观行为包括：

招聘员工
解雇员工
管理员工个人信息
管理公司所需的技能信息
管理哪位员工有哪些技能
管理部门信息
管理办事处信息

确定entities及relationships

我们可以确定要存放信息的主题领域(表)及其关系，并创建一个基于宏观行为及描述的图表。我们用方框来代表table，用菱形代表relationship。我们可以确定哪些relationship是一对多，一对一，及多对多。这是一个E-R草图，以后会细化。

细化宏观行为

以下微观行为基于上面宏观行为而形成：

增加或删除一个员工
增加或删除一个办事处
列出一个部门中的所有员工
增加一项技能
增加一个员工的一项技能
确定一个员工的技能
确定一个员工每项技能的等级
确定所有拥有相同等级的某项技能的员工
修改员工的技能等级

这些微观行为可用来确定需要哪些table或relationship。

确定业务规则

业务规则常用于确定一对多，一对一，及多对多关系。

确定所需数据

要确定所需数据：

确定支持数据
列出所要跟踪的所有数据。描述table(主题)的数据回答这些问题：谁，什么，哪里，何时，以及为什么
为每个table建立数据
列出每个table目前看起来合适的可用数据
为每个relationship设置数据
如果有，为每个relationship列出适用的数据

确定支持数据

你所确定的支持数据将会成为table中的字段名。比如，下列数据将适用于表Employee，表Skill，表Expert In。如果将这些数据画成图表，就像：

需要注意：

在确定支持数据时，请一定要参考你之前所确定的宏观行为，以清楚如何利用这些数据。
比如，如果你知道你需要所有员工的按姓氏排序的列表，确保你将支持数据分解为名字与姓氏，这比简单地提供一个名字会更好。
你所选择的名称好保持一致性。这将更易于维护数据库，也更易于阅读所输出的报表。
比如，如果你在某些地方用了一个缩写名称Emp_status，你就不应该在另外一个地方使用全名(Empolyee_ID)。相反，这些名称应当是Emp_status及Emp_id。
数据是否与正确的table相对应无关紧要，你可以根据自己的喜好来定。在下节中，你会通过测试对此作出判断。

标准化数据

标准化是你用以消除数据冗余及确保数据与正确的table或relationship相关联的一系列测试。共有5个测试。本节中，我们将讨论经常使用的3个。

标准化格式

标准化格式是标准化数据的常用测试方式。你的数据通过遍测试后，就被认为是达到标准化格式；通过第二遍测试，达到第二标准化格式；通过第三遍测试，达到第三标准化格式。

如何标准格式：

1．列出数据
2．为每个表确定至少一个键。每个表必须有一个主键。
3．确定relationships的键。relationships的键是连接两个表的键。
4．检查支持数据列表中的计算数据。计算数据通常不保存在数据库中。
5．将数据放在遍的标准化格式中：
6．从tables及relationships除去重复的数据。
7．以你所除去数据创建一个或更多的tables及relationships。
8．将数据放在第二遍的标准化格式中：
9．用多于一个以上的键确定tables及relationships。
10．除去只依赖于键一部分的数据。
11．以你所除去数据创建一个或更多的tables及relationships。
12．将数据放在第三遍的标准化格式中：
13．除去那些依赖于tables或relationships中其他数据，并且不是键的数据。
14．以你所除去数据创建一个或更多的tables及relationships。

数据与键

在你开始标准化（测试数据）前，简单地列出数据，并为每张表确定一个的主键。这个键可以由一个字段或几个字段（连锁键）组成。

主键是一张表中区分各行的一组字段。Employee表的主键是Employee ID字段。Works In relationship中的主键包括Office Code及Employee ID字段。给数据库中每一relationship给出一个键，从其所连接的每一个table中抽取其键产生。

将数据放在遍的标准化格式中

除去重复的组
要测试遍标准化格式，除去重复的组，并将它们放进他们各自的一张表中。
在下面的例子中，Phone Number可以重复。（一个工作人员可以有多于一个的电话号码。）将重复的组除去，创建一个名为Telephone的新表。在Telephone与Office创建一个名为Associated With的relationship。

将数据放在第二遍的标准化格式中

除去那些不依赖于整个键的数据。
只看那些有一个以上键的tables及relationships。要测试第二遍标准化格式，除去那些不依赖于整个键的任何数据（组成键的所有字段）。
在此例中，原Employee表有一个由两个字段组成的键。一些数据不依赖于整个键；例如，department name只依赖于其中一个键（Department ID）。因此，Department ID，其他Employee数据并不依赖于它，应移至一个名为Department的新表中，并为Employee及Department建立一个名为Assigned To的relationship。

将数据放在第三遍的标准化格式中

除去那些不直接依赖于键的数据。
要测试第三遍标准化格式，除去那些不是直接依赖于键，而是依赖于其他数据的数据。
在此例中，原Employee表有依赖于其键（Employee ID）的数据。然而，office location及office phone依赖于其他字段，即Office Code。它们不直接依赖于Employee ID键。将这组数据，包括Office Code，移至一个名为Office的新表中，并为Employee及Office建立一个名为Works In的relationship。

考量关系

当你完成标准化进程后，你的设计已经差不多完成了。你所需要做的，就是考量关系。

考量带有数据的关系

你的一些relationship可能集含有数据。这经常发生在多对多的关系中。遇到这种情况，将relationship转化为一个table。relationship的键依旧成为table中的键。

考量没有数据的关系

要实现没有数据的关系，你需要定义外部键。外部键是含有另外一个表中主键的一个或多个字段。外部键使你能同时连接多表数据。

有一些基本原则能帮助你决定将这些键放在哪里：

一对多在一对多关系中，“一”中的主键放在“多”中。此例中，外部键放在Employee表中。一对一在一对一关系中，外部键可以放进任一表中。如果必须要放在某一边，而不能放在另一边，应该放在必须的一边。此例中，外部键（Head ID）在Department表中，因为这是必需的。多对多在多对多关系中，用两个外部键来创建一个新表。已存的旧表通过这个新表来发生联系。