关系数据库理论之范式

前言

范式应该算是关系数据库中的难点了，难就难在对关系的分解上。最近在学习关系数据库理论，就想着可以利用文章将思路捋捋。本文主要论述的是范式中有关函数依赖的部分，包括第一范式(1NF)、第二范式(2NF)、第三范式(3NF)以及BC范式(BCNF)。至于基于多值依赖的第四范式暂时不做讨论。本文中的例子举自《数据库原理及应用技术教程》(清华大学出版社)。

这里小小的插一句，如果你对关系、元组、码等这些专用名词(一般在开发中至少我不会这么说)看不惯的话，就比如我，可以参考如下的同义替换。

• 关系——二维表，也就是我们常说的数据库中的表
• 元组——表中的记录
• 码——如果是主码，就是主键的意思；若是外码，就是外键的意思
• 关系模式——表的定义，也就是我们常写的create table…语句

这四大范式的关系

在正式论述之前，还是有必要了解一下这四大范式之间的关系：随着范式等级的增高，其限制也就越多，对数据库中的数据冗余，插入异常、删除异常等的解决效果也就越好。1NF、2NF、3NF、BCNF的关系可以表示为下图。

函数依赖

概念

函数依赖是这四大范式的基础概念，只有了解了什么是函数依赖，才能明白这四大范式具体是在做什么。
函数依赖中的函数一词，类似我们在数学中常提及的单值函数，例如
$$y=ax+b$$
其中，x叫自变量，y叫因变量。对于确定的自变量x，都有唯一的因变量y于其对应。
而函数依赖与其也相似，比如考虑以下关系：

SDC(SNO,SNAME,SAGE,DEPT,MN,CNO,GRADE)
SDC：关系名
SNO：学号
SNAME：姓名
SAGE：年龄
DEPT：系别
MN：系主任姓名
CNO：课程号
GRADE：成绩

我们知道，在学校中，学号是唯一的，一个学生只能在一个系中学习，所以如果SNO确定，则SNAME、SAGE、DEPT也随之唯一确定。我们就可以说(SNAME,SAGE,DEPT)函数依赖于SNO，记为
$SNO\to SNAME$ （SNAME函数依赖于SNO。从后往前看，下同）
$SNO\to SAGE$
$SNO\to DEPT$
最后，我们给出函数依赖的定义

设关系模式R(U,F)，U是属性全集，F是U上的函数依赖集，X和Y是U的子集，如果对于R(U) 的任意一个可能关系r,对于X的每一个具体值，Y都有唯一的具体值与之对应，则称X函数决定Y，或Y函数依赖于X,记作$X\to Y$。

分类

函数依赖分为：完全函数依赖、部分函数依赖、传递函数依赖

完全函数依赖

直接来看个例子，还是上面的SDC关系，在这个关系中，$SNO\nrightarrow GRADE$，因为一个学生可以选修多门课程。$CNO\nrightarrow GRADE$，因为一门课程会有多个成绩。但是它们的组合就可以决定成绩，即$(SNO,CNO)\to GRADE$。因为学号确定了，课程号也确定了，这个学生的成绩也就唯一确定了。
在$(SNO,CNO)\to GRADE$这个函数依赖关系中，(SNO,CNO)的真子集，也就是SNO、CNO，都不能唯一确定GRADE的值，我们就把这样的函数依赖，称为完全函数依赖。记为$(SNO,CNO){\to }^{f}GRADE$。这里f就是full(满)的意思。
最后来看定义

设关系模式R(U) , U是属性全集，X和Y是U的子集，如果$X\to Y$，并且对于X的任何一个真子集X’，都有$X^{\prime }\nrightarrow Y$，则称Y对X完全函数依赖。记作$X{\to }^{f}Y$。

部分函数依赖

还是上面的关系SDC。我们已经知道$SNO\to DEPT$，而我们也可以说$(SNO,CNO)\to DEPT$。此时，对于(SNO,CNO)的真子集SNO、CNO，有$SNO\to DEPT$、$CNO\nrightarrow DEPT$。此时，我们可以说DEPT部分函数依赖于(SNO,CNO)，记作$(SNO,CNO){\to }^{p}DEPT$。这里p就是partial(部分的)意思。
最后来看定义

设关系模式R(U) , U是属性全集，X和Y是U的子集，如果对X的某个真子集X’，有$X^{\prime }\to Y$，则称Y对X部分函数依赖，记作$X{\to }^{p}Y$

只有当决定因素是组合属性时，讨论部分函数依赖才有意义，当决定因素是单个属性时，只能是完全函数依赖。

传递函数依赖

还是上面的关系SDC。$SNO\to DEPT$，因为一名学生只能在一个系中上课。且$DEPT\to MN$，因为一个系只能有一个系主任。所以在这里SNO与DEPT就是传递函数依赖的关系，记作$SNO{\to }^{t}MN$。这里t是transitive(可传递的)意思。
最后是定义

设关系模式R(U) , U是属性全集，X、Y、Z 是U的子集，若$X\to Y$，但$Y\nrightarrow X$，而$Y\to Z$($Y\notin X$，$Z\notin Y$)，则称Z对X传递函数依赖，记作$X{\to }^{t}Z$。

主属性与非主属性

在一个关系中，如果一个属性或者几个属性能够唯一标识一个元组，我们就把它称为候选码。在众多候选码中，我们选择其中的一个为主码。
包含在任何一个候选码中的属性，称为主属性。不包含在任何码中的属性，称为非主属性。

注：下面范式中，在定义里出现的码，均指候选码或主码。若候选码只有一个，那么候选码=主码=码。

范式

第一范式

如果关系模式R，其所有的属性均为简单的、不可再分的，则称R属于第一范式。

第一范式是对关系数据库最起码的要求。

例如我们在上面提及的SDC关系，它就满足第一范式

但是，在SDC关系中，存在着非主属性对码的部分函数依赖，比如
$(SNO,CNO){\to }^{p}DEPT$
这就会导致数据冗余等问题(对于系别信息来说需要存储多次，有多少个学生就要存储几次)，于是我们就需要第二范式。

第二范式

在关系模式满足1NF的基础上，且每个非主属性都完全函数依赖于R的码，则称R属于第二范式

对于SDC关系，(SNO,CNO)的关系组合为这个关系的候选码，也是主码，因为它能唯一标识一个学生的记录。SNO、CNO为主属性，SNAME、SAGE、DEPT、MN、GRADE为非主属性。通过上面的论述，我们知道在这个关系中存在着部分函数依赖
$(SNO,CNO){\to }^{p}DEPT$
其中，DEPT为非主属性，且它部分函数依赖于(SNO,CNO)，所以这个SDC关系就不满足第二范式的定义。
究其原因，是因为在SDC(SNO,SNAME,SAGE,DEPT,MN,CNO,GRADE)关系中，描述了不止一件事。它从大体上描述了两个个实体：学生的基本信息、学生的选课和成绩信息。
为了消除部分函数依赖，我们尽量做到一个关系就描述一个实体。在SDC关系中，我们可以拆分为三个实体
学生与系别关系：
SD(SNO,SNAME,SAGE,DEPT,MN)
学生选课关系
SC(SNO,CNO,GRADE)
在SD关系中，SNO为主码，决定因素，也为主属性，SNAME,SAGE,DEPT,MN为非主属性。上面我们提过，如果决定因素为单属性，只能是完全函数依赖。所以SD关系满足第二范式的定义。
在SC关系中，(SNO,CNO)为主属性，GRADE为非主属性。然而，(SNO,CNO)的真子集SNO、CNO都不能唯一确定GRADE的值，因为一个学生可以选修多门课程，而一门课程也可以由多个学生选修，它们之间是多对多的关系。根据完全函数依赖的定义，GRADE完全函数依赖于(SNO,CNO)。所以关系SC满足第二范式的定义。

不难看出，在关系SD中，非主属性MN与主属性SNO存在传递依赖，这也会导致一定的数据冗余，插入异常等问题，这时就要引入第三范式。
在第二范式中，存在着以下两条结论：

• 从1NF关系中消除非主属性对码的部分函数依赖，则可以得到2NF关系。
• 如果R的码为单属性，或R的全体属性均为主属性，则R属于2NF。

第三范式

在满足第二范式的基础上，如果关系模式R的每个非主属性都不传递依赖于R的码，则称R属于第三范式。

在第二范式中，我们将SDC关系分解成了SD和SC两个关系，但是在关系SD中，SNO为主码，同时也为主属性，DEPT为非主属性，存在$SNO\to DEPT$，且$DEPT\to MN$，而$DEPT\nrightarrow SNO$故$SNO{\to }^{t}MN$。也就是说MN传递依赖与SNO，所以关系SD不满足第三范式的定义。
究其原因，是因为在关系SD中，我们还分得不够细，在关系SD(SNO,SNAME,SAGE,DEPT,MN)中，还描述了两个实体，即学生和系别。
所以我们把它在进行分解：
学生关系：
S(SNO,SNAME,SAGE)
系别关系：
D(DEPT,MN)
在S关系中，SAME，SAGE均与SNO不存在传递依赖。
在D关系中，MN不与DEPT存在传递依赖。
故S关系与D关系满足第三范式定义。

显然，在SC关系中GRADE不会传递依赖于(SNO,CNO)
所以，SC满足第三范式定义。

一般来说，在进行关系分解时，分解到3NF就足够了。
但是2NF、3NF都只限制了非主属性对码的依赖关系，而没有限制主属性之间对码的依赖关系，这依然可能存在着数据冗余等问题，所以要引入BC范式。

BC范式

如果关系模式R属于1NF，且所有的函数依赖$X\to Y$($Y\notin X$)，决定因素X都包含了R的一个候选码，则称R属于BC范式。

说白了，BCNF是指无论是主属性还是非主属性，都不能传递或部分函数依赖与关系R的码。最明显的特征是决定因素或其子集都包含了候选码。

定义看着很晕，对吧，不怕，我们来看一个例子。

设关系模式
SNC(SNO,SNAME,CNO,GRADE)
SNO：学号
SNAME：学生姓名
CNO：课程号
GRADE：成绩

假设这里不存在重名现象。
不难看出，要想唯一标识这个关系中的一个元组，只要确定SNO、CNO的值或者SNAME、CNO的值就可以了。因为不存在重名现象，一旦SNO确定，SNAME也随之确定，而一个学生可以选修多门课程，一门课程只有一个成绩，所以CNO也应该纳入范围。
在这个关系中，有两个候选码(SNO,CNO)和(SNAME,CNO)
在这个关系中，主属性为SNO、SNAME、CNO，非主属性为GRADE
所以，函数依赖关系如下：
$(SNO,CNO)\to GRADE$
$(SNAME,CNO)\to GRADE$
非主属性GRADE，对(SNO,CNO)以及(SNAME,CNO)都为完全函数依赖，且不存在传递依赖，所以SNC属于第三范式。
我们现在着重看主属性，由于SNO与SNAME是一对一的关系，所以存在着以下部分函数依赖
$(SNAME,CNO){\to }^{p}SNO$
$(SNO,CNO){\to }^{p}SNAME$
也就是说，在一个关系的主属性中，存在这部分函数依赖，这就不满足BC范式的定义。

BCNF的规范化是指把3NF关系模式通过投影分解转换成BCNF关系模式的集合
注意：前提要是这个关系已经是3NF

在SNC关系中，我们描述了两个实体，这两个实体是学生关系和选课关系，我们把它们加以分解，就可以消除上面说的主属性之间的函数依赖。
学生关系：
S(SNO,SNAME)
选课关系：
SC(SNO,CNO,GRADE)
在S关系中，SNO为主属性，且是单一的，不存在主属性之间的部分函数依赖。非主属性SNAME也与SNO不存在部分、传递函数依赖。
在SC关系中，SNO、CNO为主属性，它们之间也不存在部分函数依赖。非主属性GRADE与(SNO,CNO)也不存在部分、传递函数依赖。
所以，它们都满足BCNF。
最后说一说BCNF的性质：

• 满足BCNF的关系减消除任何属性(包括主属性与非主属性)对码的部分函数依赖和传递函数依赖。也就是说，如果$R\in BCNF$，则R也是3NF。
• 如果$R\in 3NF$，则R不一定是BCNF。