【软考笔记】3. 数据库系统

数据库模式

三级模式两级映射：

三级模式：

1. 内模式：和物理数据库直接关联，管理如何存放数据
2. 概念模式：数据库的表
3. 外模式：数据库的视图，应用程序调用的是视图，这样表变化了不影响应用程序调用

两级映射：

1. 概念模式-内模式映射
2. 外模式-概念模式映射

ER 模型

用于概念结构设计

方框：实体
椭圆：属性
菱形：联系

把局部 ER 图合成全局 ER 图的方式

1. 多个局部 ER 图一次集成
2. 逐步集成，用累加的方式一次集成两个局部 ER 图

集成产生的冲突

1. 属性冲突
2. 命名冲突
3. 结构冲突
   1. 不同抽象级别上的冲突：如“老师”，既是一个表，又是另一张表上的一个字段
   2. 同一实体在不同局部 ER 图中所包含的属性不同

ER 模型转关系模式

关系模式的格式类似于：

教师（性别，职工号，手机号，年龄，姓名）
班级（班级名称，班级号）
负责（职工号，班级号）

原则：

1. 一个 实体 转成一个关系模式
2. 1:1 的 联系，既可以将它单独作为一个关系模式，也可以将它合并到任意一个实体中
3. 1:n 的 联系，既可以将它单独作为一个关系模式，也可以将它合并到 n 那边的实体中（如 部门-员工，在 员工 那边加一个 部门名称 字段）
4. n:m 的 联系，必须将它单独作为一个关系模式

关系代数与元组演算

关系代数的基本运算：

1. 并
2. 交
3. 差
4. 笛卡尔积
5. 投影：选列
6. 选择：选行
7. 联接：共有的字段，要都一样

在联接之后选择只显示第 1，2，4 列：${\Pi }_{1,2,4}(S1\bowtie S2)$

规范化理论

函数依赖

$X\to Y$（X 函数决定 Y / Y 函数依赖 于 X）：X 和 Y 的关系像函数一样，知道 X 可以确定 Y
如$学号\to 姓名$

部分函数依赖：
如$(学号,课程号)\to 姓名$，但是也有$学号\to 姓名$，所以称$姓名$部分依赖于$(学号,课程号)$

传递函数依赖：知道 A 可以确定 B，知道 B 可以确定 C，则知道 A 可以确定 C

价值与用途

解决以下问题：

1. 数据冗余：专业 id，专业名同时出现在一个表上
2. 更新异常：更新专业名，专业 id 却没有同步更新
3. 插入异常：两个属性的组合作为主键，若两个属性中的一个还没有明确，无法插入数据
4. 删除异常：两个属性的组合作为主键，若两个属性中的一个还没有明确，无法删除数据

键

1. 超键：能够唯一标识元组，可以是单个属性也可以是属性组合
2. 候选键：与超键功能相同，不同的是超键可能存在冗余属性，超键消除冗余属性就是候选键
3. 主键：从候选键中任选一个成为主键
4. 外键：其他关系的主键

题型 1：图示法求候选键

1. 将关系模式的函数依赖关系用有向图的方式表示
2. 以入度为 0 的属性集合为起点，遍历有向图
   1. 若能遍历，则该属性集即为关系模式的候选键
   2. 若不能，尝试将其他结点并入该集合中，直至能遍历为止，此时集合为候选键

A ABCD B

范式

要达到第二范式，必先达到第一范式，以此类推

1. 1NF：属性值都是不可分的原子值（一个属性不能拆分成几个属性）
2. 2NF：消除 非主属性 对候选键的 部分依赖
3. 3NF：消除 非主属性 对候选键的 传递依赖
4. BCNF：消除 主属性 对候选键的 传递依赖

目的：解决

1. 插入异常
2. 删除异常
3. 数据冗余

1NF

2NF

如一张表：课程号，学号，成绩，学分，主键是(课程号，学号)
但是学分是可以由课程号单独决定的，部分依赖于主键，不满足 2NF

带来的问题：

1. 数据冗余：学分被存了多次
2. 更新异常：学分被存了多次，要更新得全部更新，只更新部分会出问题
3. 插入异常：考虑一门课程暂时没人选，但是需要将其学分录入进去，这时候是录入不进去的，因为学号也是主键的一部分
4. 删除异常：学生毕业，将所有信息删除，同时学分的信息也被删除了

解决方案：
将课程号和学分独立出来作为一个新的关系模式

主键为单属性一定满足 2NF

3NF

如一张表：学号，姓名，系号，系名，主键是学号
系名是由系号决定的，系号是由学号决定的，所以是传递关系依赖

1. 数据冗余：系名被存了多次
2. 更新异常：系名被存了多次，要更新得全部更新，只更新部分会出问题
3. 插入异常：没有学生的情况下，想将系名信息录入，这时候是录入不进去的，因为学号是主键
4. 删除异常：学生毕业，将所有信息删除，同时系的信息也被删除了

解决方案：
将系号和系名独立出来作为一个新的关系模式

BCNF

判断是否符合 BCNF：每个依赖关系，被依赖的决定因素必定包含候选码

如一张表：学生，老师，课程，候选键有(学生,老师)、(学生,课程)，所以这三个属性都是主属性，没有非主属性

依赖关系如下：
(学生,课程)->老师
老师->课程

其中老师不是候选码，所以不符合 BCNF

模式分解

保持函数依赖分解

在分解后可以保持原先的函数依赖

如$R(A,B,C)，A\to B，B\to C$
拆成$R1(A,B)、R2(B,C)$
在 R1 里仍然有$A\to B$，R2 里仍然有$B\to C$，原先的函数依赖被保留了

无损分解

分解后可以还原

无损联接分解

可以通过自然联接和投影运算还原到原来的关系模式

并发控制

事务

1. 原子性
2. 一致性：事务执行前执行后一致，如转帐前后双方钱总数一致
3. 隔离性：事务之间互不影响
4. 持续性：事务执行结果的影响是持续的

并发产生的问题

丢失更新

假如有 T1、T2 同时更新一个值 x，顺序是(T1 取数、T2 取数、T1 更新、T2 更新) T2 拿到的初始值不是被 T1 更新后的，而是原始的 x，那 T1 对其更新就被覆盖了

不可重复读

T1 有计算和验算两个步骤，若 T2 在计算与验算之间修改了值，那计算和验算的结果就不同了，发生错误

读“脏”数据

脏数据指计算过程中的临时值，不是真正应该被读的数据

解决协议

X 锁:写锁 & S 锁:读锁

S 本意是共享锁，本意 X 是排他锁
加了 S 锁之后还能继续加 S 锁，但是不能加 X 锁
加了 X 锁之后什么锁都不能加

一级封锁协议

事务 T 在 修改 数据 R 之前必须先对其加 X 锁，直到事务结束才释放

1. 防止丢失更新

二级封锁协议

在一级封锁协议的基础上，在 读取 数据 R 之前先对其加 S 锁，读完 才释放

1. 防止丢失更新
2. 防止读“脏”数据

三级封锁协议

在一级封锁协议的基础上，在 读取 数据 R 之前先对其加 S 锁，事务结束 才释放

1. 防止丢失更新
2. 防止读“脏”数据
3. 防止数据重复读

两段锁协议

可串行化，可能发生死锁

产生的新问题

两段锁协议可能产生死锁问题

解决方法：

1. 死锁的预防
2. 死锁的解除

数据库完整性约束

目的：提升数据的可靠性

实体完整性约束

数据表主键不能为空，不能重复

参照完整性约束

外界对数据库表的完整性约束，外键的值必须属于对应的表主键的内容（也可以为空，但是不能填错误的值）

用户自定义完整性约束

用户可以自定义某个属性的值的要求

触发器

写脚本来定义对于某属性的要求

数据库安全

用户标识和鉴定

存取控制

对不同用户进行不同授权

密码存储和传输

视图的保护

不同权限的用户可以使用不同的视图

审计

将用户对数据库的所有操作记录下来，对这些操作进行分析

分布式数据库

数据备份

冷备份 vs 热备份

• 冷备份（静态备份）：在数据库 停止状态 下，将数据库的文件全部备份（复制）下来
  • 优点：简单，速度快，低度维护，高度安全
  • 缺点：业务会暂停，无法精确到表
• 热备份（动态备份）：在数据库 运行状态 下，将数据库的数据文件备份出来
  • 优点：灵活（可精确地恢复/备份某一个表），速度快
  • 缺点：复杂度高，不能出错（因为正在跑业务）

完全备份 vs 增量备份 vs 差量备份

• 完全备份：备份所有数据
• 增量备份：备份上一次 备份 后变化的数据
• 差量备份：备份上一次 完全备份 后变化的数据

静态海量转储 vs 静态增量转储 vs 动态海量转储 vs 动态增量转储

静态：在系统中无运行事务时进行
动态：转储期间允许对熟即可进行存取
海量：转储全部数据库
增量：只转储上一次转储后更新的数据
转储：备份

• 静态海量转储：
• 静态增量转储：
• 动态海量转储：
• 动态增量转储：

日志文件

记录针对数据库的任何操作

数据库故障与恢复

故障	恢复
事务本身可预期的故障（本身逻辑）	在程序中预先设置 Rollback 语句
事务本身不可预期的故障（溢出、违反存储保护）	通过日志回滚到事务初始状态
系统故障（系统停止运转）	检查点法
介质故障（外存被破坏）	使用日志重做业务

数据仓库与数据挖掘

数据仓库

数据库与数据仓库的区别

数据库是按业务组织数据，数据仓库是按主题组织数据
例：数据库主要负责“购买商品”、“进货”这方面的逻辑，数据仓库则是把所有商品的信息进行汇总

数据仓库的特点

1. 面向主题
2. 集成的
3. 相对稳定的（存进去就不进行修改删除操作）
4. 反映历史变化（隔一段时间会把新的数据导入进来）

组织数据仓库

1. 数据源到数据仓库
   1. 抽取
   2. 清理：统一数据格式，去重，去冗余
   3. 装载
   4. 刷新
2. 数据仓库到数据集市
   1. 数据集市：部门级的数据仓库
   2. 先分别建立部门级的数据仓库（数据集市），然后整合成企业级的数据仓库
3. 数据集市到 OLAP 服务器
   1. OLAP 服务器：联机分析处理服务器，做数据的分析处理工作
4. OLAP 服务器到前端分析工具
   1. 查询工具、报表工具、分析工具、数据挖掘工具等

数据挖掘

数据挖掘是挖掘出数据之间的潜在联系

数据挖掘方法分类

方法：

1. 决策树
2. 神经网络
3. 遗传算法
4. 关联规则挖掘算法

分类：

1. 关联分析：数据间的潜在关系
2. 序列模式分析：数据间的前后（因果）关系
3. 分类分析：根据类别将数据打 tag
4. 聚类分析：由多个个体的共性聚合成类别，分类分析的逆过程

反规范化

为何出现反规范化：

规范化会使得表不断拆分，增加查询的工作量（系统需要多次连接才能查询），系统效率下降

目的：提高查询效率

反规范化技术

1. 增加派生性冗余列
   1. 在有 数量、单价 列的情况下，仍然加上 总销售额 这一列
2. 增加冗余列
   1. 原本是（学号，课程号，成绩）+（学号，姓名）+（课程号，课程名），增加为（姓名，学号，课程号，课程名，成绩）
3. 重新组表
4. 分割表
   1. 垂直分割，水平分割

大数据

对海量数据处理相关的技术

海量数据的特点：

1. 数据量大
2. 要求处理速度快
3. 多样性高
4. 有一定价值

大数据 vs 传统数据

比较维度	传统数据	大数据
数据量	GB/TB	PB
数据分析需求	现有数据的分析与预测	深度分析
硬件平台	高端服务器	集群平台

大数据处理系统应有的特征

1. 高性能
2. 低成本
3. 高扩展性
4. 高容错性
   …