数据库系统-学习记录2

单个运算符的组合

关系代数允许在算符运算后的结果上继续使用算符运算
例如，从表1中选出studioName为Fox，length至少为100的titles和years：

表1 Movies

可以表示为：

$${\pi }_{title,year}\left({\sigma }_{length\ge 100ANDstudioName{=}^{\prime }Fo{x}^{\prime }}(Movies)\right)$$

命名与重命名

表达形式：${\rho }_{S(A_1,A_2,\dots ,A_n)}(R)$
相当于对关系R进行复制并对属性重新命名，命名为$(A_1,A_2,\dots ,A_n)$
图1展示了关系R与关系S进行$R\times {\rho }_{S(X,C,D)}(S)$运算的结果

图1

运算符的等价关系

对于关系代数而言，许多运算是相互等价的，例如：

1、$R\cap S=R-(R-S)$

2、$R{\bowtie }_{C}S={\sigma }_C(R\times S)$
其中，$C:E.A_1=S.A_{1}ANDR.A_2=S.A_{2}AND...$

3、$R\bowtie S={\pi }_L({\sigma }_C(R\times S))$
其中，$C:E.A_1=S.A_{1}ANDR.A_2=S.A_{2}AND...$，$L$表示R与S的属性的并

线性关系代数表达

在线性关系代数表达中，赋值符号写作$:=$
遇到复杂查询时，需要逐步写出关系运算
例如：
$${\pi }_{title,year}\left({\sigma }_{length\ge 100ANDstudioName{=}^{\prime }Fo{x}^{\prime }}(Movies)\right)$$
可以拆分为：
$$R(t,y,l,i,s,p):={\sigma }_{length\ge 100}(Movies)$$
$$S(t,y,l,i,s,p):={\sigma }_{studioName{=}^{\prime }Fo{x}^{\prime }}(Movies)$$
$$T(t,y,l,i,s,p):=R\cap S$$
$$Answer(t,y,l,i,s,p):={\pi }_{t,y}(T)$$

除法运算

常用于查找选修全部课程的人、参加全部活动的人等情形
${\pi }_{sno,cno}(SC)÷{\pi }_{cno}(C)={\pi }_{sno}(SC)-{\pi }_{sno}({\pi }_{sno}(SC)\times {\pi }_{cno}(C)-{\pi }_{sno,cno}(SC))$
如图2所示，关系r和关系s进行运算r$÷$s运算：

图2

泛化投影

与投影类似，但不仅可以投影到属性上，还可以代入到数学表达式上，例如：${\pi }_{customer\_name,limit-credit\_balance}(credit\_info)$中，在投影的同时，还进行了limit-credit_balance的运算

聚集函数

由多个值得到一个值，例如：
1、$avg$：求平均值
2、$min$：求最小值
3、$max$：求最大值
4、$sum$：对值求和
5、$count$：统计取值的个数

外连接

左外连接：保留自然连接的左边失配的元组
右外连接：同理
图3显示了两关系自然连接与左外连接的结果，注意到左外连接时，关系Loan中的L-260所在元组被保留，customer_name相应地为缺省

图3 外连接示例

关系的约束

在使用关系代数时，有两种表示约束的方式（此处假定R和S为两个关系代数表达式）：
1、$R=\varnothing$，表示R值为空
2、$R\subseteq S$，表示R中的所有元组必定会在S中出现

引用完整性

${\pi }_A(R)\subseteq {\pi }_B(S)$
对于在关系R中的值为v的属性A，希望它能够在关系S的属性B中以值为v的形式出现（具有外键特性）

键约束

一个属性或属性集所构成的关键字
没有任何元组在键上具有完全相同的属性分量

自定义约束条件

类似地，可以进行自定义约束条件

数据库的修改

数据库的修改分为三类：删除、插入和修改

删除

关系代数表示形式：$r\leftarrow r-E$，其中r为关系，E为一个元素（？）

插入

关系代数表示形式：$r\leftarrow r\cup E$

修改

关系代数表示形式：$r\leftarrow {\pi }_{F_1,F_2,...,F_n}({\sigma }_p(r))\cup (r-{\sigma }_p(r))$

ch3.关系数据库的设计理论

函数依赖

函数依赖（Functional Dependency/FD）的定义

任意两条记录，如果在A上的记录一致时，在B上的也一致，则称A决定B，记做$A\to B$
进一步地说，在关系R中，如果任意两个元组当属性$A_1{A}_2...A_n$相等时，$B_1{B}_2...B_m$也相等，则称$A_1{A}_2...A_n$决定$B_1{B}_2...B_m$，记做：$$A_1{A}_2...A_n\to B_1{B}_2...B_m$$
实际上，上式等价于
$$A_1{A}_2...A_n\to B_1$$
$$A_1{A}_2...A_n\to B_2$$
$$...$$
$$A_1{A}_2...A_n\to B_m$$

例如，关系Movies1(title, year, length, genre, studioName, starName)中，$title,year\to lengthgenrestudioName$，但不满足$title,year\to starName$

函数依赖分类

1、平凡的函数依赖

对于属性集X,Y，如果X是Y的子集，则一定有$Y\to X$
假定属性集X为{A, B}，属性集Y为{A, B, C}，当两个元组的属性集Y一致时，显然属性集X也一致

2、部分/完全函数依赖

部分依赖：已知$X\to Y$，若存在X的真子集X’，使得$X^{\prime }\to Y$，那么$X\to Y$部分依赖
完全依赖：已知$X\to Y$，若不存在X的真子集X’，使得$X^{\prime }\to Y$，那么$X\to Y$完全依赖

3、传递依赖

$X\to Y$，但$Y\nrightarrow X,Y\to Z$，那么$X\to Z$

函数依赖举例

分子运动：假定有N个分子在容器中运动，现使用关系R(ID, x, y, z, $v_x$, $v_y$, $v_z$)来描述这些分子，则此关系R具有下述关系依赖（假定分子的坐标不会重合）：

$$ID\to x,ID\to y,ID\to z$$

$$ID\to v_x,ID\to v_y,ID\to v_z$$

$$(x,y,z)\to ID,(x,y,z)\to v_x$$

$$(x,y,z)\to v_y,(x,y,z)\to v_z$$

键

关系的键

候选关键字（关键字）：对于X$\to$U，对于任意X的子集X’，都不满足X’$\to$U，则X是候选关键字
候选关键字能够唯一地确定记录
确定关键字时，元组也随之确定
有多个关键字时，选取主关键字（主键）

主属性：所有候选关键字中的属性
其他属性为非主属性

键可以是单个属性，也可以是属性集

超键

包含键的属性集称为超键

范式

第一范式：表格中不能套表格

定义：若R的每个分量都是不可分的数据项，则R $\in$ 1NF
从型上看：不存在嵌套结构
从值上看：不存在重复组

第二范式：不存在非主属性对码（关键字）的部分依赖

定义：若R $\in$ 1NF，且R中的每一个非主属性都完全函数依赖于R的任一候选码，则R $\in$ 2NF

第三范式：不存在非主属性对码的传递依赖

定义：如果关系R的任意一个非主属性都不传递函数依赖于它的任意一个候选码，则R $\in$ 3NF

BCNF：对于一个关系R，每个函数左边都包含一个候选关键字

定义：关系模式R<U，F> $\in$ 1NF。若函数依赖集合F中的所有函数依赖X $\to$ Y（Y不包含于X）的左部都包含R的任一候选码，则R $\in$ BCNF。换言之，BCF中的所有依赖的左部都必须包含候选码

不满足范式时，需要想办法修改函数依赖关系

寻找函数依赖

F是一个函数依赖集，$X\to Y,X\to Y\in F$

推理规则：阿氏（Armstrong）公理

1、自反律：若$Y\subseteq X$，则$X\to Y$
2、增广律：若$X\to Y$，$Z\subseteq U$，则$XZ\to YZ$
3、传递律：若$X\to Y$，$Y\to Z$，则$X\to Z$

也能表示为：

1、X为Y的子集，则$Y\to X$
2、$X\to Y$，则$XZ\to YZ$
3、$X\to Y$，$Y\to Z$，则$X\to Z$

属性闭包

对于闭包$X_F^{+}$，如果$Y$是$X_F^{+}$的子集，则有$X\to Y\in F$

寻找属性X的闭包的方式：给定一个函数依赖F，给定一个属性集X
1、$X_F^{+}=X$
2、如果$A\to B\in F$并且A是X的子集（而B不是）
那么$X_F^{+}=X_F^{+}\cup B$，直到$X_F^{+}$不发生变化或者$X_F^{+}=U$（U为属性全集）

举例：
F = { A → B , A → C , E → F , A → F } F=\{A\rightarrow B, A\rightarrow C, E\rightarrow F, A\rightarrow F\} F={A→B,A→C,E→F,A→F}
$A^{+}=ABCF,(BC{)}^{+}=BC,(E{)}^{+}=EF$
$A^{+}$的计算过程：首先设定 A + = { A } A^+=\{A\} A+={A}，对于$A\to B\in F$，$A\in A^{+}$而$B\notin A^{+}$，因此$A^{+}$更新为 { A , B } \{A,B\} {A,B}。同理，从$A\to C\in F$中更新为 A + = { A , B , C } A^+=\{A,B,C\} A+={A,B,C}，最后从$A\to F\in F$中更新为 A + = { A , B , C , F } A^+=\{A,B,C,F\} A+={A,B,C,F}

最小函数依赖集

最小函数依赖集（最小化基本集）满足三个条件：
1、不存在多余的函数依赖
2、每个函数依赖的右边是单个属性
3、每个函数依赖的左边不包含多余的属性

获取最小化基本集，可以以上述三个条件为目标，对原有FD逐步进行修正。（此处参考：https://blog.csdn.net/TNTnine/article/details/82769796）
对于条件2，使用分解规则，例如$X\to YZ$拆分为$X\to Y$和$X\to Z$
对于条件1：判断$A\to B$是不是多余的：尝试去掉$A\to B$（即 F − { A → B } F-\{A\rightarrow B\} F−{A→B}），然后在剩下的FD中计算$A^{+}$，若这个$A^{+}$包含$B$，则说明函数依赖$A\to B$是多余的，可以删去
对于条件3：去除各依赖左边的多余的属性。例如$XY\to A$，判断$Y$是否多余（即$X\to A$是否能代替$XY\to A$）时，需要查看$X^{+}$是否包含$A$，如果包含，则说明Y是多余属性，可以去掉