【数据库系统原理】第五章 代数和逻辑查询语言：包、扩展操作符、关系逻辑、关系代数与Datalog

第五章 代数和逻辑查询语言

5.1 包 Multiset

包的定义

• 定义：即多集, Multiset。同一个元组可以在关系中多次出现。

• 使用包的优点：

  • 提高并操作和投影操作的效率。
  • 对聚合运算(SUM, COUNT等)有用（聚合运算不能使用集合方式，会产生逻辑错误）。

---

包上的关系操作

• 包上的运算都允许运算之前和运算之后元组重复。

• 注意事项：

  • 集合上的包操作
    如果对两个集合 R、S 进行基于包的交和差操作，其结果与集合方式运算一样。

  • 因为作为被处理对象的两个关系本身没有重复的元组，

    所以交或差之后结果中仍然没有重复元组

    但对两个集合 R 和 S，进行基于包的并操作，其操作结果可能不再是集合。

    • 注意：看清（答题）/声明（出题）是包方式还是集合方式

• 关于包的的代数定律

  • 交换律：S ∪ R = R ∪ S。

• 包上的关系操作：

  • 包的并、交、差

    设R和S是包，若元组t在R和S中分别出现m次和n次（这里的m和n可以是0），则：

    • R ∪ S的包并操作结果中：元组t出现 m+n 次；
    • R ∩ S的包交操作结果中：元组t出现 min (m, n) 次；
    • R - S的包差操作结果中：元组 t 出现 max(0, m-n) 次。

  • 包的投影操作

    和集合投影基本一致，但是不需要再去重。

  • 包的选择操作

  • 包的笛卡尔积
    
    

  • 包的连接

    • 自然连接

      

    • θ 连接

      

5.2 关系代数的扩展操作符

1. 消除重复 $\delta (R)$
   清除包中的重复元素

   ---

2. 聚集操作 ($\text{SUM, AVG, MAX|MIN, COUNT}$)
   独立于同一关系中的其它元组而对某些元组进行计数、求最大值、最小值、平均值等运算

   • SUM用来产生一列总和，得到的是一个数字值；
   • AVG用来产生一列平均值，结果也是数字值；
   • MAX和MIN当用于数字值列的时候，产生的分别是这一列中最大的和最小的值；当应用于字符列的时候产生是字典序的最大者和最小者；
   • COUNT产生一列中的“值”的数目(并不一定指不同的值)。同样，COUNT应用于一个关系的任何属性时，产生的是这个关系的元组数，包括重复的元组。

   ---

3. 分组 ${\gamma }_L(R)$
   根据元组的值对他们在一个或多个属性上分组

   • 应用 $\gamma$ 操作的关系的一个属性，R使用这个属性分组，称为分组属性；

     • 例如：图5-4 ${\gamma }_{studioname}(Movies)$

       	studioName
       	Disney
       	Disney
       	MGM
       	MGM

   • 应用到关系的一个属性上的聚集操作符，可以使用箭头给聚集属性列命名；

     • 例如：${\gamma }_{studioname，SUM(length)\to sumOfLength}(Movies)$

       studioName	sumOfLength
       Disney	12345
       MGM	54321

   • 应用的例子

     例5.23 对关系StarsIn( title, year, starName),查询至少出演了三部电影的影星，以及他们在电影中出现的最早年份。

     
     

   ---

4. 排序 ${\tau }_L(R)$
   根据一个或多个属性对关系的元组排序。

   • 表达式 ${\tau }_L(R)$，其中R是关系，L 是 R 中的某些属性的列表。这个表达式表示的就是关系R的本身，只是结果中的所有元组是按L来排序的。
   • 设 L 是由 $A_1,A_2,\dots ,A_n$ 组成，那么 R 的元组就先按 $A_1$ 的值排序，对于 $A_1$ 属性相等的元组则按 $A_2$ 的值排序，依次类推。

   ---

5. 扩展投影 ${\pi }_L(R)$

   • 扩展投影是在投影的基础上增加一些计算操作作为投影列表；
   • 投影列表可以是：
     • 关系R的一个属性；
     • 形如x→y的表达式：将R中的属性x重命名为y；
     • 形如E→z的表达式，其中E是一个涉及R的属性、常量、算术运算符或者串运符表达式，z是表达式E计算结果的属性的新名字。

   ---

6. 外连接运算 $⟗,⟕,⟖$
   连接运算的变体，悬浮元组的出现

   • 外连接的定义

     先计算两个关系 R 和 S 的自然连接，

     然后再把来自 R 或 S 的悬浮元组加入其中，用null 的表示符号补齐结果元组中那些不具有值的属性。

   • 外连接的不同变体

     

     例：

     

5.3 关系逻辑

Datalog 语言

• Datalog 语言使用if-then规则来表示查询，即可以通过已知的关系中的某些元组的组合来推断查询结果。

• Datalog 语言包括两种基本的原子，即关系原子和算术原子，由原子按照一定的规则组成 Datalog 查询语句。

  • 在 Datalog 语言中，关系通过 “谓词” 来表示，每一个谓词都有固定数量的参数，写为 $P(x_1，x_2，\dots ，x_n)$，本质上谓词是一个返回布尔值的函数。

    • 假如 R 是包含 n 个属性 $a_1，a_2，\dots ，a_n$ 的关系，

      那么当元组 $(t_1，t_2，\dots ，t_n)$ 在关系 R 中，则 $R(t_1，t_2，\dots ，t_n)$ 为真，否则为假。

    • 此外，可以使用变量作为谓词的参数。

      例：

      A	B
      1	2
      3	4

      例如若定义R(x,y)，则当 x=1且y=2, 或者x=3且y=4时，R为真，否则为假。

      若定义R(1，z)，则当z=2时，R为真，否则为假。

基本结构

• 算术原子

  两个算术表达式的比较，值为布尔值。

  $x<y$

  $x+1>y+5\times z$

• 扩展谓词和内涵谓词

  • 扩展谓词(EDB)：

    若谓词所指的关系存储在数据库中，称该谓词为扩展谓词(EDB)，对应于关系代数表达式中的操作数。

  • 内涵谓词(IDB)：

    当谓词所指的关系是通过一个或多个 Datalog 规则计算得到的，称该谓词是内涵谓词，对应于使用关系代数表达式计算得到的关系。

规则

一般规则

• 规则是Datalog语言中描述原子之间关联的规范，包括下列三个组成部分：

  1. 一个称为头部的关系原子；
  2. 左向箭头符号←，读作if；
  3. 主体部分，由一个或多个称为子目标的原子组成。

• 子目标既可以是关系原子，也可以是算术原子。

  各个子目标之间用逻辑运算符AND连接，且各个子目标前面可以有NOT取反运算符。
  例如：$LongMovie(t,y)\leftarrow Movies(t,y,l,g,s,p)ANDl\ge 100$

• 规则的目标：使头部关系原子为真。

安全规则

• 由于关系实例总是有限，所以还需要由规则保证得到的头部关系也都是有限的。

  • 每个在规则中任意位置出现的变量都必须出现在 主体的某些非否定的关系子目标 中。

  • 尤其是任何在规则头部、否定关系子目标、算术子目标中出现的变量，也必须出现在主体的非否定的关系子目标中。

  • 例：

    违反安全原则的示例： P(x,y)←Q(x,z) AND NOT R(w,x,z) AND x<y

---

5.4 关系代数与Datalog

集合运算 -> Datalog 规则

交集运算

• 可以使用一个Datalog规则来表示

• 由于交集运算涉及了两个关系，那么在Datalog规则中，具有与两个关系对应的子目标；

• 在规则中，相应的参数使用相同的变量。

• 例：

  假设R和S的关系模式是R(A,B,C)和S(A,B,C)，

  则R∩S可以使用规则:
  I(a, b, c) ← R(a, b, c) AND S(a, b, c)

并集运算

• 每个规则对应一个并集运算中的关系，且两个规则的头部都有相同的IDB谓词；

  头部的参数与各个子目标中的参数完全相同。

• 例：

  假设R和S的关系模式是R(A,B,C)和S(A,B,C)，
  则R ∪ S可以使用规则:
  U(x, y, z) ← R(x, y, z)
  U(x, y, z) ← S(x, y, z) {或U(a, b, c) ← S(a, b, c)}

• 注意：

  变量名对于规则是局部的，即每条规则是独立计算的，并且向其头部关系提供元组，与其他规则无关，因此变量名是独立于规则的。

差集运算

• 可以使用具有求反子目标的一个规则来计算

  • 即如果计算U-V，非求反子目标是谓词U，求反子目标是谓词V；
  • 在该规则中，子目标和头部对于相应的参数都有相同的变量。

• 例：

  假设R和S的关系模式是R(A,B,C)和S(A,B,C)，

  则R-S可以使用规则:
  D(x, y, z) ← R(x, y, z) AND NOT S(x, y, z)

投影运算

• 使用一个具有单一子目标的规则，该子目标的参数是不同的变量，每个变量代表关系的一个属性；

• 头部是带有参数的原子，其参数按照期望顺序对应于投影列表的属性。

• 例：

  例5.25 将关系Movies (title, year, length, genre, studioName, producerC#)投影到前三个属性：
  P(t, y, l) ← Movies(t, y, l, g, s, p)

选择运算

• 如果选择条件是一个或多个算术比较表达式的 AND 运算，可以建立一个具有下列子目标的 Datalog 规则：

  • 一个关系子目标，对应于将其进行选择的关系。该关系子目标的每个分量都有不同的变量，且每个分量都对应关系的一个属性；
  • 多个算术子目标，每个算术子目标对应选择条件的一个比较运算。在算术子目标中使用相应的变量，并且与关系子目标中建立的变量保持一致。

• 例：

  S(t,y,l,g,s,p) ← Movies(t,y,l,g,s,p) AND l≥ 100 AND s=‘Fox’

笛卡尔积

• R×S可以使用单一的Datalog规则来表示
  • 规则包含两个子目标分别对应R和S，两个子目标设置不同的变量与属性相对应。
  • 头部IDB谓词包含所有子目标中出现的参数，R子目标中的变量列在S的变量前面。
    p(a,b,c,x,y,z) ← R(a,b,c) AND S(x,y,z)

连接运算

• 自然连接 （$R\bowtie S$）

  • 使用一条近似于笛卡尔积的 Datalog 规则来表示，区别在于 R 和 S 的公共属性列使用相同的变量，否则使用不同的变量。

  • 规则头部是一个IDB谓词，它的每个变量出现一次。

  • 例：

    假设R和S的关系模式是R(A,B)和S(B,C,D)，

    则自然连接$R\bowtie S$ 可以用规则
    J(a,b,c,d) ← R(a,b) AND S(b,c,d)

• θ连接

  • 先对笛卡尔积进行转化，再对选择条件进行转化。

多重运算

• 模拟多重运算的步骤如下：

  • 绘制关系代数的表达式树；

  • 表达式树的叶子节点由相应的扩展谓词EDB表示；

  • 为表达式树的每一个内部节点建立一个IDB谓词。IDB谓词的一条或多条规则对应树节点上需要使用的算子。

  • 与表达式树的根相关联的谓词关系对应于查询结果。

  • 例：

    

---

包 -> Datalog 规则

• 关系代数和 Datalog 规则都可以运用于包运算。

• 将 Datalog 规则应用于包时，其运算步骤如下：

  • 第一步，对不同子目标对应的关系进行包连接运算；

  • 第二步，按照算术子目标包含的内容，对连接运算的结果进行包选择运算；

  • 第三步，把选择结果按照规则头部的关系进行包投影运算。

  • 例：

    求 ${\pi }_{x,z}(R(x,y)\bowtie S(y,z))$
    H(x,z) ← R(x,y) AND S(y,z)

Datalog 规则和关系代数的比较

• 基本关系代数的每一种操作都可以用Datalog查询表达，但扩展关系代数中的分组和聚集等操作无法用规则表达。
• 任何单个Datalog规则都可以用关系代数表达，但Datalog可以表达递归，而关系代数不能。
  • 由于IDB谓词也可以在主体中出现，于是规则头部的元组可以反馈到规则主体，从而为头部生成更多的元组。