• 数据库三大范式


    讲得很好 谢谢
    原文地址:数据库三大范式作者:shawn
    标准化表示从你的数据存储中移去数据冗余(redundancy)的过程。如果数据库设计达到了完全的标准化,则把所有的表通过关键字连接在一起时,不会出现任何数据的复本(repetition)。标准化的优点是明显的,它避免了数据冗余,自然就节省了空间,也对数据的一致性(consistency)提供了根本的保障,杜绝了数据不一致的现象,同时也提高了效率。

    第一范式(The First Normal Form)

    第一范式是最低的规范化要求,第一范式要求数据表不能存在重复的记录,即存在一个关键字。1NF的第二个要求是每个字段都不可再分,即已经分到最小,关系数据库的定义就决定了数据库满足这一条。主关键字达到下面几个条件:
    1. 主关键字段在表中是唯一的
    2. 主关键字段中没有复本
    3. 主关键字段不能存在空值
    4. 每条记录都必须有一个主关键字
    5. 主关键字是关键字的最小子集

    满足1NF的关系模式有许多不必要的重复值,并且增加了修改其数据时疏漏的可能性。为了避免这种数据冗余和更新数据的遗漏,就引出了第二范式(2NF)。

    第二范式(The Second Normal Form)

    定义:如果一个关系属于1NF,且所有的非主关键字段都完全地依赖于主关键字,则称之为第二范式,简记为2NF。
    为了说明问题现举一个例子来说明:有一个库房存储的库有四个字段(零件号码,仓库号码,零件数量,仓库地址),
    这个库符合1NF,其中“零件号码”和“仓库号码”构成主关键字。
    但是因为“仓库地址”只完全依赖与“仓库号码”,即只依赖于主关键字的一部分,所以它不符合2NF,
    这样首先存在数据冗余,因为仓库数量可能不多。
    其次,存在如果更改仓库地址时,如果漏改了某一记录,存在数据不一致性。
    再次,如果某个仓库的零件出完了,那么这个仓库地址就丢失了,即这种关系不允许存在某个仓库中不放零件的情况。
    我们可以用投影分解的方法消除部分依赖的情况,而使关系达到2NF的标准。
    方法是从关系中分解出新的二维表,是每个二维表中所有的非关键字都完全依赖于各自的主关键字。
    我们可以如下分解:分解成两个表(零件号码,仓库号码,零件数量)和(仓库号码,仓库地址)。
    这样就完全符合2NF了。

    第三范式(The Third Normal Form)

    定义:如果一个关系属于2NF,且每个非关键字不传递依赖于主关键字,这种关系是3NF。
    从2NF中消除传递依赖,就是3NF。比如有一个表(姓名,工资等级,工资额),其中姓名是关键字,
    此关系符合2NF,但是因为工资等级决定工资额,这就叫传递依赖,它不符合3NF,
    我们同样可以使用投影分解的办法分解成两个表:(姓名,工资等级),
    (工资等级,工资额)。

    一般情况,规范化到3NF就满足需要了,规范化程度更高的还有BCNF,4NF,5NF,因为不常用,不作解释和讨论。它们下层都是上层的子集,规范办法是:1NF(消除非主属性对关键字的部分函数依赖)2NF(消除非主属性对关键字的传递函数依赖)3NF(消除主属性对关键字的部分和传递依赖)BCNF(消除非平凡且非函数依赖的多值依赖)4NF(消除不为候选关键字所隐含的连接依赖)。

    投影分解
    上面提到了投影分解方法,关系模式的规范化过程是通过投影分解来实现的。这种把低一级关系模式分解成若干高一级关系模式的投影分解不是唯一的,应在分解中注意满足三个条件:
    1. 无损连接分解,分解后不丢失信息
    2. 分解后得的每一关系都是高一级范式,不要同级甚至低级分解
    3. 分解的个数最少,这是完美要求,应做到尽量少。

    规范化的利弊
    有一利必有一弊。规范化的优点是明显的。他避免了大量的数据冗余,节省了空间,保持了数据的一致性,
    如果完全达到3NF,你不会在超过一个地方更改同一个值。如果你的记录经常的改变,这个优点回超过所有可能的缺点!
    它最大的不利是,你把信息放置在不同的表中,增加了操作的难度,同时把多个表连接在一起的花费也是巨大
    的。因为表和表的连接操作是做两个关系的笛卡儿积(如果表一n条记录,表二m条记录,如果没有任何连接条件的话,连接在一起就是n*m条记录,其数量是不可承受的,毋宁说大量的表连接在一起了),必然会产生大量无用甚至无效的记录,性能的代价是巨大的。

    非规范化(Denormalization)
    即使你花费你所有的午休时间,作出一个完全规范化的数据库(你的大学教授可以证明),它仍然不是完美的。规范化设计所带来的性能问题可能你无法承受。如果出现这种情况,你就要准备进行非规范化了。非规范化就是你为了获得性能上的利益所进行的违反规范化规则的操作,并没有什么魔法在里面。它是一个性能利益分析,尝试和再尝试和不断的再评估过程。它也有很多方法,不过大部分都与实际应用有关系,包括复制属性,复制外来关键字,表合并,表重新组合等等,你可以根据实际的应用选择最有效的方法。
     
     
    引言

      数据库的设计范式是数据库设计所需要满足的规范,满足这些规范的数据库是简洁的、结构明晰的,同时,不会发生插入(insert)、删除(delete)和更新(update)操作异常。反之则是乱七八糟,不仅给数据库的编程人员制造麻烦,而且面目可憎,可能存储了大量不需要的冗余信息。

      设计范式是不是很难懂呢?非也,大学教材上给我们一堆数学公式我们当然看不懂,也记不住。所以我们很多人就根本不按照范式来设计数据库。

      实质上,设计范式用很形象、很简洁的话语就能说清楚,道明白。本文将对范式进行通俗地说明,并以笔者曾经设计的一个简单论坛的数据库为例来讲解怎样将这些范式应用于实际工程。

      范式说明

      第一范式(1NF):数据库表中的字段都是单一属性的,不可再分{个人理解:就像一个家庭,有几个儿子,其它的儿子都是由一个部份构成,唯独有一个儿子需要两个部份构成,即这就不是一个正常的家庭,呵呵,说得过分了} 。这个单一属性由基本类型构成,包括整型、实数、字符型、逻辑型、日期型等。

      例如,如下的数据库表是符合第一范式的:
    字段1
    字段2
    字段3
    字段4
           

      而这样的数据库表是不符合第一范式的:
    字段1
    字段2
    字段3
    字段4
       
    字段3.1
    字段3.2
     

      很显然,在当前的任何关系数据库管理系统(DBMS)中,傻瓜也不可能做出不符合第一范式的数据库,因为这些DBMS不允许你把数据库表的一列再分成二列或多列。因此,你想在现有的DBMS中设计出不符合第一范式的数据库都是不可能的 。

      第二范式(2NF):数据库表中不存在非关键字段 对任一候选关键字段 的部分 函数依赖 (部分函数依赖指的是存在组合关键字中的某些字段决定非关键字段 的情况),也即所有非关键字段都完全依赖于任意一组候选关键字。{个人理解:如在一个家庭里面,任何决定都只能是爸爸、妈妈一致通过后才能够算数,就说明是正常的;如果有一个女儿可以只由妈妈决定做什么,那么这就违背了原则,就不满足约定。}

     

     
     


      假定选课关系表为SelectCourse(学号, 姓名, 年龄, 课程名称, 成绩, 学分),关键字为组合关键字(学号, 课程名称),因为存在如下决定关系:

      (学号, 课程名称) → (姓名, 年龄, 成绩, 学分)

      这个数据库表不满足第二范式,因为存在如下决定关系:

      (课程名称) → (学分)

      (学号) → (姓名, 年龄)

      即存在组合关键字中的字段决定非关键字的情况。

      由于不符合2NF,这个选课关系表会存在如下问题:

      (1) 数据冗余:

      同一门课程由n个学生选修,"学分"就重复n-1次;同一个学生选修了m门课程,姓名和年龄就重复了m-1次。

      (2) 更新异常:

      若调整了某门课程的学分,数据表中所有行的"学分"值都要更新,否则会出现同一门课程学分不同的情况。

      (3) 插入异常:

      假设要开设一门新的课程,暂时还没有人选修。这样,由于还没有"学号"关键字,课程名称和学分也无法记录入数据库。

      (4) 删除异常:

      假设一批学生已经完成课程的选修,这些选修记录就应该从数据库表中删除。但是,与此同时,课程名称和学分信息也被删除了。很显然,这也会导致插入异常。 

      把选课关系表SelectCourse改为如下三个表:

      学生:Student(学号, 姓名, 年龄);

      课程:Course(课程名称, 学分);{个人理解:可以在该加上ID字段作为主键,因为如果以后课程名称有变动,再如果这个数据库运行了10年,有1000万次选课记录,那么你要去更新这一千万条记录,也算是一个费资源的问题。如果有了ID,不管你名称怎么变,都只会影响一条当前记录} 

           SelectCourse(学号, 课程名称, 成绩)。{这里相应就改为:SelectCourse(学号, 课程ID,成绩)} 

            这样的数据库表是符合第二范式的,消除了数据冗余、更新异常、插入异常和删除异常。

      另外,所有单关键字的数据库表都符合第二范式,因为不可能存在组合关键字。

       第三范式(3NF):在第二范式的基础上,数据表中如果不存在非关键字段 对任一候选关键字段 的传递 函数依赖 则符合第三范式。所谓传递函数依赖,指的是如 果存在"A → B → C"的决定关系,则C传递函数依赖于A。因此,满足第三范式的数据库表应该不存在如下依赖关系:

      关键字段 → 非关键字段x → 非关键字段y

      假定学生关系表为Student(学号, 姓名, 年龄, 所在学院, 学院地点, 学院电话),关键字为单一关键字"学号",因为存在如下决定关系:

      (学号) → (姓名, 年龄, 所在学院, 学院地点, 学院电话)

      这个数据库是符合2NF的,但是不符合3NF,因为存在如下决定关系:

      (学号) → (所在学院) → (学院地点, 学院电话)

      即存在非关键字段"学院地点"、"学院电话"对关键字段"学号"的传递函数依赖。

      它也会存在数据冗余、更新异常、插入异常和删除异常的情况,读者可自行分析得知。

      把学生关系表分为如下两个表:

      学生:(学号, 姓名, 年龄, 所在学院);

      学院:(学院, 地点, 电话)。

      这样的数据库表是符合第三范式的,消除了数据冗余、更新异常、插入异常和删除异常。

      鲍依斯-科得范式(BCNF):在第三范式的基础上,数据库表中如果不存在任何字段对任一候选关键字段的传递函数依赖则符合第三范式。
     假设仓库管理关系表为StorehouseManage(仓库ID, 存储物品ID, 管理员ID, 数量),且有一个管理员只在一个仓库工作;一个仓库可以存储多种物品。这个数据库表中存在如下决定关系:

      (仓库ID, 存储物品ID) →(管理员ID, 数量)

      (管理员ID, 存储物品ID) → (仓库ID, 数量)

      所以,(仓库ID, 存储物品ID)和(管理员ID, 存储物品ID)都是StorehouseManage的候选关键字,表中的唯一非关键字段为数量,它是符合第三范式的。但是,由于存在如下决定关系:

      (仓库ID) → (管理员ID)

      (管理员ID) → (仓库ID)

      即存在关键字段决定关键字段的情况,所以其不符合BCNF范式。它会出现如下异常情况:

      (1) 删除异常:

      当仓库被清空后,所有"存储物品ID"和"数量"信息被删除的同时,"仓库ID"和"管理员ID"信息也被删除了。

      (2) 插入异常:

      当仓库没有存储任何物品时,无法给仓库分配管理员。

      (3) 更新异常:

      如果仓库换了管理员,则表中所有行的管理员ID都要修改。

      把仓库管理关系表分解为二个关系表:

      仓库管理:StorehouseManage(仓库ID, 管理员ID);

      仓库:Storehouse(仓库ID, 存储物品ID, 数量)。

      这样的数据库表是符合BCNF范式的,消除了删除异常、插入异常和更新异常。
    范式应用

      我们来逐步搞定一个论坛的数据库,有如下信息:

      (1) 用户:用户名,email,主页,电话,联系地址

      (2) 帖子:发帖标题,发帖内容,回复标题,回复内容 

      第一次我们将数据库设计为仅仅存在表:
    用户名
    email
    主页
    电话
    联系地址
    发帖标题
    发帖内容
    回复标题
    回复内容

      这个数据库表符合第一范式,但是没有任何一组候选关键字能决定数据库表的整行,唯一的关键字段用户名也不能完全决定整个元组。我们需要增加"发帖ID"、"回复ID"字段,即将表修改为:
    用户名
    email
    主页
    电话
    联系地址
    发帖ID
    发帖标题
    发帖内容
    回复ID
    回复标题
    回复内容

      这样数据表中的关键字(用户名,发帖ID,回复ID)能决定整行:

      (用户名,发帖ID,回复ID) → (email,主页,电话,联系地址,发帖标题,发帖内容,回复标题,回复内容)

      但是,这样的设计不符合第二范式,因为存在如下决定关系:

      (用户名) → (email,主页,电话,联系地址)

      (发帖ID) → (发帖标题,发帖内容)

      (回复ID) → (回复标题,回复内容)

      即非关键字段部分函数依赖于候选关键字段,很明显,这个设计会导致大量的数据冗余和操作异常。

     

     
     


      我们将数据库表分解为(带下划线的为关键字):

      (1) 用户信息:用户名,email,主页,电话,联系地址

      (2) 帖子信息:发帖ID,标题,内容

      (3) 回复信息:回复ID,标题,内容

      (4) 发贴:用户名,发帖ID

      (5) 回复:发帖ID,回复ID

      这样的设计是满足第1、2、3范式和BCNF范式要求的,但是这样的设计是不是最好的呢?

      不一定。

      观察可知,第4项"发帖"中的"用户名"和"发帖ID"之间是1:N的关系,因此我们可以把"发帖"合并到第2项的"帖子信息"中;第5项"回复"中的 "发帖ID"和"回复ID"之间也是1:N的关系,因此我们可以把"回复"合并到第3项的"回复信息"中。这样可以一定量地减少数据冗余,新的设计为:

      (1) 用户信息:用户名,email,主页,电话,联系地址

      (2) 帖子信息:用户名,发帖ID,标题,内容

      (3) 回复信息:发帖ID,回复ID,标题,内容

      数据库表1显然满足所有范式的要求;

      数据库表2中存在非关键字段"标题"、"内容"对关键字段"发帖ID"的部分函数依赖,即不满足第二范式的要求,但是这一设计并不会导致数据冗余和操作异常;

      数据库表3中也存在非关键字段"标题"、"内容"对关键字段"回复ID"的部分函数依赖,也不满足第二范式的要求,但是与数据库表2相似,这一设计也不会导致数据冗余和操作异常。

      由此可以看出,并不一定要强行满足范式的要求,对于1:N关系,当1的一边合并到N的那边后,N的那边就不再满足第二范式了,但是这种设计反而比较好!

      对于M:N的关系,不能将M一边或N一边合并到另一边去,这样会导致不符合范式要求,同时导致操作异常和数据冗余。 
    对于1:1的关系,我们可以将左边的1或者右边的1合并到另一边去,设计导致不符合范式要求,但是并不会导致操作异常和数据冗余。

      结论

      满足范式要求的数据库设计是结构清晰的,同时可避免数据冗余和操作异常。这并意味着不符合范式要求的设计一定是错误的,在数据库表中存在1:1或1:N关系这种较特殊的情况下,合并导致的不符合范式要求反而是合理的。

      在我们设计数据库的时候,一定要时刻考虑范式的要求。
  • 相关阅读:
    IO流
    简单JSON
    开发流程
    命名规范
    策略模式
    Git的使用
    Markdown的使用
    代理模式
    装饰者模式
    POJ 2976 3111(二分-最大化平均值)
  • 原文地址:https://www.cnblogs.com/leeeee/p/7276647.html
Copyright © 2020-2023  润新知