数据仓库笔记（高质量建模）02——数据规范

数据规范前，需注意：

1、列出实体：名词（表）；

2、勾勒出关系：动词；

3、尽量消除多对多关系；

4、列出所有属性（列）；

5、数据规范需满足：1NF >2NF >3NF >BC NF (3.5NF) >4 NF > 5NF（一般能做到满足3NF就行）；

6、建模需先规范化、再逆规范化，尽量不要想着一步到位，可能会出现很多意想不到的结果；

7、每个非属主性必须依赖于主属性，且依赖整个主属性而并非其中一部分，并且不依赖于其他非主属性。

一、1NF（第一范式）

原子性：没有重复的列，列不可再分，没有重复的行

1、数据规整成二维表格

2、确保每一列表达的同一含义的数据

3、去掉多值属性，拆成多列（如地址会拆分到街道办，之前可能就是地址一栏，现在有很多细分栏）

4、去掉重复组，挪到新的表去（如客户有多个电话号码，应单独整理成电话表，当客户新增电话时，就新增数据就行，而不是在用户列表只设置一个电话列，或是设定固定的几列，因为固定就代表不可灵活新增数据）

5、确定主键。

如成绩分数与评分等级不属于同一含义：

同一单元格存在重复组

 

同一单元格存在级联值

二、2NF（第二范式）

非主键属性依赖于整个键，而不是其中一部分

1、第二范式首先需在满足第一范式的基础上，后面以此类推

2、如果非主键属性只依赖于主键一部分，则需要移出、创建新表（减少冗余）

如：成绩依赖于学号与课程，但姓名只依赖于学号

三、3NF（第三范式）

非主键属性只依赖于主键，不能依赖其他非主键属性

1、首先得先满足第二范式

2、如果非主键属性还依赖于其他非主键属性，需移出并创建新表

四、BC 范式（第3.5范式）

BCNF与第三范式的不同之处在于：第三范式不允许非主属性被另一个非主属性决定，但允许主属性被非主属性决定（如上面的学号与班级编号或班级，班级是可以决定学号的，也就是哪个班有哪些同学）；

BCNF中，任何属性（包括主属性与非主属性）都不能被非主属性所决定

1、首先依赖第三范式；

2、主键与非主键都不能依赖于非主键

每个班级的每个课程都会派一个老师，然后一个老师只教一门课

2.1、也就是课程依赖于老师，如果用班级与课程做主键，而老师是非主键，是符合第三范式的，但不符合BCNF，因为课程主属性依赖于非主属性教师；

2.2、但如果班级和教师当成主键，而课程为非主键，那么不符合第二范式（命题中只说每个班级每个课程都派一个老师，并没有说每个班级必须有哪些课，也就是课程并不依赖于班级，只依赖于教师，意思是非主属性只依赖部分主属性） 

 

五、4BF（第四范式）

消除多值依赖，什么是多值依赖呢？

1、适用于3各或以上主键，如有3各主属性，ABC在一起做联合主键；

2、AB、AC都存在关系，并且B的改动不会影响C，C的改动也不会影响B，我们称之为多值依赖。

如学号与课程是有依赖关系，但课程与语言没啥关系，但语言与学号有依赖关系（也就是某个某个学生会哪种语言，但是他会哪种语言与他上哪门课没多大关系，难道说你某用户不会法语就不让他去上计算机编程课？） 

如果非要把三个都当成主键，那么只能拆分，如果课程和语言不是主属性，那么都符合规范。

 六、5NF（第五范式）

第五范式主要消除连接依赖，什么是连接依赖？

1、三个或以上主属性，在一起做联合主键，假设分别人ABC；

2、AB、BC、AC均存在逻辑关系

这种情况，我们称为连接依赖。

如学号与课程有关系（某学生要上什么课程），然后课程与阅读书籍也有关系（某类课程需要阅读、或可以阅读什么书籍），学号与阅读书籍也有关系（某学生都看了什么书）；

 虽然第五范式是这样的要求，但实际运用上不建议这么做，如上图所示，1张表就能搞定的事情，一定要被拆解成3张表，增加表的冗余问题。

传说还有第六范式，但实际运用中不必太学院派。掌握第三范式就基本够用，如果想深入研究的话，BCNF与第四范式还可以用用。