数据库原理及应用（东南大学）笔记——第二章 数据模型

第二章 数据模型（data model）

2.1 层次数据模型

2.1.1 基本思路：

现实世界中很多事物之间本就存在层次关系，该模型尝试用树状结构描述这种关系。

2.1.2 基本概念：

记录record：现实世界一个实体（Entity）表示为一条记录；
域field：一个记录由若干域表示（属性？？）
PCR(Parent-Child Relation)：表达1:N关系

2.1.3 层次数据模式

一个层次模型由多个PCRs构成
每个PCR关系表示1:N关系
每个记录只有一个父节点

2.1.4 虚记录

解决问题：现实世界中常有非层次关系的数据，很难用PCR来表示。例如：

贡献：（1）引入指针，虚记录指向真实记录，避免数据冗余；（2）保持树状结构

2.2 网状数据模型

2.2.1 基本思路：

使用set（形如链表）表示现实世界中的1:N关系。一个记录可以为一个set的主记录，也可以为其他多个set的属记录。

2.2.2基本概念：

记录record：表示现实实体
data item：一个记录由若干item表示。与域相似，但域/属性必须是原子的，item可以是向量（复合类型）。
LINK记录类型：可以表示自连接关系、M:N关系、多元关系

e.g.：

【例1】定义LINK记录为员工的“替身”
员工（雇主）与LINK记录类型系型为1:1的系s1；
LINK记录类型与员工（雇员）建立系型为1:N的系s2。
使用s1、s2可以表示员工集合中的实体与实体间的自连接。

【例2】表示M:N关系。定义LINK记录为学生-课程匹配“替身”（实际并包含如图所示信息）

使用LINK记录将M:N分解成1:N关系。

注：由于LINK并不包含如上图所示信息，在查询“学生S1选了哪些课程”时，遍历链表LS1：第一条记录L1，在链表LC1上遍历直至找到C1；第二条记录L2，在链表LC2上遍历直至找到C2。
而不能在遍历LS1找到L1时直接确定C1。

2.3 关系数据模型

2.3.1相比于层次、网状的区别：

1.使用表作为数据结构，具有更高的抽象级别，屏蔽了计算机底层实现的细节（树、链表、指针）。
2.概念简单易于理解。建立新的代数系统——关系代数，使用数学中集合论方法研究数据库模型。
3.定义非过程化的查询语言SQL。（层次：遍历树、网状：遍历链表）。
4.软连接：关系型数据库中表达实体间联系的方法。（层次、网状数据库中的连接称为硬连接）

e.g.：关系型数据库处理多对多关系时，重建一张表。实现了实体间的联系，但没有用到指针。

2.3.2 基本术语和概念：

属性attribute：一个列称为一个属性。（每一个属性必须是原子的）
域domain：每一个属性的取值范围。
关系relation：一个表。现实中的一个实体，实体间的联系，在数据库中用关系表达。
元组tuple：表中的一行（一个关系的实例是m个元组的集合）。
主键primary key：

候选键candidate key：满足：①这个关系中任意两个元组这组属性的值都不同；②这组属性的任意一个子集没有特性①。
超键super key：只满足①。
候选键可能有多个，可以人工选择一个作为主键primary key，其余的称之为候补键alternate key。
如果主键由关系中所有属性组成，则主键称之为全键all key。

外键foreign key：一张表中，有一组属性用来引用另一张表内的元组，且该组属性必须是另一张表的主键。

完整性约束：

引用完整性约束：外键指向的不能为空，（即外键必须指向一个元组）
域完整性约束：每条元组每个属性的值必须符合域的范围。
实体完整性约束：主键不允许为空。

2.3.3 关系代数

2.3.3.1 基本操作

并($\cup$)：在关系1和关系2中的元组。

并、交、差操作需要两个关系满足 并兼容条件：两个关系模式相同。

差($-$)：在关系1且不在关系2中的元组。
笛卡尔积($\times$)：关系1和关系2中所有元组集合的拼接。

e.g.：假设集合A={a, b}，集合B={0, 1, 2}，
两个集合的笛卡尔积为{(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)}。

选择Selection($\sigma$)：从关系中选择出符合条件的元组。
投影Projection($\pi$)：从关系中选择出某些列。

注：投影后可能导致出现所有属性列完全重复的行，投影自动去掉重复行

2.3.3.2 其他操作

连接Join：从两个关系的笛卡尔积中选取属性间满足一定条件的元组。

• 条件连接Condition Join/$\theta$连接：$R{\bowtie }_{\theta }={\sigma }_{\theta }(R\times S)$。从两个关系中分别选择属性a、b，选取a、b满足关系$\theta$(可以为$>、<、=$等等)的元组。
• 等值连接Equi Join：$R{\bowtie }_{S1.sid<R1.sid}S$。$\theta$为=的条件连接，是一种特殊的条件连接。
• 自然连接Natrual Join：两个关系中比较的分量是相同的属性组，并在结果中去掉重复的属性列。是一种特殊的等值连接。

除Division：在关系A中所有与关系B中每一条元组都有联系的关系A中的元组。且结果的每一元组由关系A中有而B中没有的属性列组成。

除法可用基本操作表示为：${\pi }_{供应商}(A)-{\pi }_{供应商}({\pi }_{供应商}(A)\times B-A)$

外连接Outer Joins：将自然连接中不匹配的元组保留下来。

• 左外连接：$S{1}^{\ast }\bowtie R1$。连接运算符左边的元组全部保留，找不到匹配的依然保留，在右边补空值。
• 右外连接：$S1{\bowtie }^{\ast }R1$。右边元组全部保留，左侧不匹配的补空值。
• 全外连接：$S{1}^{\ast }{\bowtie }^{\ast }R1$。能连接的全部连接，左右找不到的元组依然保留，不匹配的地方补空值。
  

外并Outer Union：不满足并兼容条件的关系强行并。结果的模式与$\times$相同，两种关系中缺失的属性都补零。

2.3.4 关系演算

关系演算以谓词逻辑为基础，是一种非过程化表达。
元组关系演算
域关系演算

2.1-2.3 传统数据模型的评价

优点：适用于OLTP应用，擅长表达以记录为主的结构型数据。
缺点：无法自然地表达实体之间的联系；缺乏语义信息；数据类型少，难以满足应用需求。

2.4 ER数据模型

2.4.1 基本概念

实体Entity：现实世界中可区分的事物都表达为实体。在DB中用一组属性来描述。
联系Relation：两个或多个实体间的关系。联系也可以有属性。
实体集：相似实体的集合。一个实体集中所有实体具有相同的属性集。

每个实体集都有一个key
每个属性都有一个域
允许存在组合或多值属性

联系集：相似关系的集合。

一个n元关系集R关联n个实体；R中每个关系都与n个实体有关
同一实体集可以参与不同的关系集，或同一关系集不同角色

2.4.2 扩展的ER模型

弱实体Weaky entity：不能单独存在。

e.g.：职工 & 职工家属。职工家属是弱实体，不能单独存在。

特殊化与普遍化：类似于面向对象中的继承。

e.g.：学生 & 研究生

聚集Aggregation：允许联系（将联系视为实体）与别的实体再建立联系。

e.g.：医院-医生 & 患者。
医院与医生关联作为一个实体，该实体与患者关联。现实世界中，患者求医永远不会只访问医院或只访问医生，而是同时访问两者。

范畴Category：一个实体集可以包含不同类型的实体。

e.g.：银行账户：包含企业账户、个人账户

2.5 面向对象数据模型

突破了一范式的限制。

2.6 其他数据模型

基于逻辑的数据模型：目的：①扩展DBMS查询能力（e.g.递归查询）；②：提升DBMS推理能力（得到在数据库中不直接存储的信息）。e.g.演绎数据库
时态数据模型：在一般模型基础上扩展描述时态信息的机制。
空间数据模型：
XML数据模型：

2.7 总结

1.每个DBMS系统必须实现某中数据模型。/数据模型是DBMS的核心。
2.数据模型是一种在数据库中模拟现实世界的方法。

参考：

【合集】数据库原理及应用 东南大学 徐立臻 共72讲
数据结构-网状模型