关系数据库设计理论

  一、关系数据库模型

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：

1.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。

2.依赖（relation）：列属性间存在的某种联系。

3.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

4.表（table）：由多个属性，以及众多元组所表示的各个实例组成。

5.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。

6.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）。

7.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最少。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）。

8.候选键（prime attribute）：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。

9.超键（super key）：包含键的属性集合，无需保证属性集的最小化。每个键也是超键。可以认为是键的超集。

10.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。

11.主属性（prime attribute）：所有候选键所包含的属性都是主属性。

12.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

13.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。

14.笛卡儿积（交叉连接Cross join）：如下图，第一个关系每一行分别与第二个关系的每一行组合。

X=

15.自然连接（natural join）：如下图，第一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。

⋈=

16.θ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。

17.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。

外连接=

18.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。下例足以说明，为了得到所有选了数学、英语并且是二年级的学生，我们用到除法运算。

除以=

二、函数依赖

1.函数依赖（functional dependency，FD）定义：

在一个关系中，任意元组，若属性A1,A2....An一样，则属性B1,B2...Bm必一样，那么称A1,A2...An函数决定B1,B2...Bm。

记号为    A1,A2...An → B1,B2...Bm     （Ai与Bi有函数依赖）

上图中，若 学号 相同，则 姓名、班级、班主任 也必然相同，用这个道理我们可以粗略得出如下函数依赖：

学号 → 姓名，班级    （每一个学号对应一个姓名和班级，但由于可能重名，一个姓名不一定只对应一个学号）

班级 → 班主任    （一个班级对应一个班主任，但我们不排除一个老师任两个班的班主任，即一个班主任可能对应多个班级）

学号，课程 → 分数    （一个学号一个课程对应一个唯一的分数）

课程 → 授课主任    （一个课程对应一个授课主任）

授课主任 → 课程    （一个授课主任只能负责一门课程）

2.Armstrong aximos规则：

传递律（Transitivity）：R（A，B，C） 其中R为关系，ABC均为属性。若A → B 和 B → C 则 A → C 。

增长律（Augmentation）：如果 A → B，则AC → BC，延长函数依赖不变。

自反律（Reflexivity）：如果 属性集合B 属于 属性集合A，那么 A → B，这个又称为平凡函数依赖（见3）。

3.平凡函数依赖：

这里的平凡（trivial）又有无价值、琐碎的意思，理解上就是说了等于白说。

如 学号，姓名 → 学号 就是一个平凡函数依赖，因为右边的属于左边的，属于无价值信息。

4.分解/结合规则：  

A1,A2...An → B1,B2...Bm 等效于 A1,A2...An → B1 ; A1,A2...An → B2 ; ..... A1,A2...An → Bm 。右边是可以拆开、合并的。

5.属性的闭包（closure）：

用一个例子来说明

已知关系的所有属性集合{A,B,C,D,E,F}。

已知函数依赖  AB → C ， BC → AD ， D → E ， CF → B 。

求{A,B}的闭包  （我们用  {A,B}+  来表示）。

解：

<1>——分解函数依赖，使右边只有一个属性。 AB → C   ;   BC → A   ;   BC → D   ;   D → E   ;   CF → B 。

<2>——用{A,B}集合与这些函数依赖推导出新的属性加入集合，直到这个集合不再增长，此时该集合就是{A,B}+（闭包）。

容易发现 {A,B}+ = {A,B,C,D,E}。

实际上，求集合C的闭包C+，就是由全部函数依赖以及C，推导出所有能够推导的属性集合 与 C的 并集。

闭包算法能找到所有正确的函数依赖————反过来，已知 {A,B}，{A,B}+，我们就能列出所有能用{A,B}推导出的函数依赖。

6.判定、计算键：

（1）运用闭包算法判断是否够是键：

要验证{A1,A2...An}是否是关系的键，可以先检查“{A1,A2...An}+是否包含了关系的全部属性”，再检查“不存在从{A1,A2...An}中移出一个属性后的集合C，使得C+包含关系的全部属性”。

（2）图解计算键：

用一个例子来说明

已知   {A,B,C,D,E}    :    AB → C ， B → D ， C → E ， CE → B

<1>——根据依赖关系画出关系图，入度为0的必在键中，出度为0的必不在键中，如下图

现在可知，键中必有A，必无D。

<2>——将入度或出度为0结点删去，化简依赖图，如下图

<3>——选择所有不能相互推导的属性集合，逐一检查能否遍历上面的图（注意，依赖图中只有入度全满足才算可推导）

上图中不能相互推导的集合有：{B}能遍历全图，{C}能遍历全图，{E}不能遍历全图（单个E不能满足B的全部入度）

（这里，考虑一下{B,E}，因为从B出发能遍历到E，连通，所以不检查）

<4>——把上一步算出的集合分别与第1步中入度为0的点组合，最终得到候选键。

本例中候选键为 {A,B}、{A,C} 。

7.函数依赖的基本集：

（1）相关定义：

基本集：对于一个给定的函数依赖集合S，存在多个等效的函数依赖集合，任何与S等效的函数依赖集合都被称为S的基本集。

最小化基本集（minimal basis）：需要满足以下条件

（1）所有函数依赖的右边均为单一属性。（右边最简）

（2）删除其中任何之一就不再是基本集。（数量最少）

（3）对于任意一个函数依赖，若其左边删除一个或多个属性，则不再是基本集。（左边最简）

（2）计算最小化基本集：

用一个例子来说明

已知   {A,B,C,D,E}    :    AB → CD ， B → D ， C → E ， CE