0003-数据库设计问题与核心

一、数据库设计分为几个阶段？

先抽象概括业务实体——建立实体的表结构——建立表与表之间的链接关系

二、抽象概括业务实体

三、建立实体的表结构

1. 现实世界的数据与模型，可以一对多，多对一，多对多的映射到数据库表设计中。

    一对多：一份员工履历纸质资料（原始单证），在人力资源信息系统中，就对应三个基本表：员工基本情况表、社会关系表、工作简历表，即三个实体。

2. 基本表与中间表、临时表不同，因为它具有如下四个特性：原子性：基本表中的字段是不可再分解的；原始性：基本表中的记录是原始数据（基础数据）的记录；演绎性：由基本表与代码表中的数据，可以派生出所有的输出数据；稳定性：基本表的结构是相对稳定的，表中的记录是要长期保存的。

四、建立表与表之间的链接关系

1.主键与外键的设计，在全局数据库的设计中，占有重要地位。

2.E—R 图中, 处于叶子部位的实体, 可以定义主键，也可以不定义主键（因为它无子孙）, 但必须要有外键（因为它有父亲）。 

3.主键是实体的高度抽象，主键与外键的配对，表示实体之间的连接。

五、现实世界的数据分析建模。

      

二、数据库逻辑设计阶段的常见问题？

1.信息重复：

   举例 ：  姓名，年龄，公司名称，薪水，组成的二维表中，对于在同一公司的人员，公司名称就重复存储了。应该分为表1：姓名，公司   表2：姓名，年龄，薪水。（假设没有重名的姓名）。

   问题：导致数据存储空间的浪费。由于有多行数据时，当公司名称变化时候，需要找到对应的属于这个公司的人的行数据去修改相应的公司名称值。导致修改数据前需要定位多个特定数据行，过程更加的复杂，而后者只需要将表1进行按公司名称排序后，直接修改特定的公司名称，过程相对简单，带价和开销要小很多。

2.缺乏表达某些信息的能力：

  举例：公司名称，人员姓名，人员岗位，公司规模，公司性质。

  问题：导致人的常规思维难以明白。到底是反映公司的基本属性信息，还是反映公司的人员基本信息 。

3.设计缺乏灵活性：

  举例：姓名，年龄，公司名称，薪水。当没有人员姓名的时候，是否就不能存储一个新的公司名称。现实生活中，公司名称需要进行新增管理，但是公司不一定，马上就具有与员工之间的关联关系，有的人会用 空值（值不存在或值存在但尚未获取到）来解决，但不是最好的办法。最好是分别存储公司信息和人员信息，保证各自的相对独立性和灵活性。当公司的人员减少至0后，是否就要删除相关公司的信息记录，导致不能查看曾经有过雇员的公司名称，不符合实际数据记录需求。

  问题：导致实际交互和存储，不能满足现实与虚拟世界的映射记录需求场景。

4.拘泥于满足第三范式

基本表及其字段之间的关系, 应尽量满足第三范式。但是，满足第三范式的数据库设计，往往不是最好的设计。为了提高数据库的运行效率，常常需要降低范式标准：适当增加冗余，达到以空间换时间的目的。比如有一张存放商品的基本表，如下表所示。“金额”这个字段的存在，表明该表的设计不满足第三范式，因为“金额”可以由“单价”乘以“数量”得到，说明“金额”是冗余字段。但是，增加“金额”这个冗余字段，可以提高查询统计的速度，这就是以空间换时间的作法。

商品名称 商品型号 单价数量   金额电视机29吋2,500 40100,000

没有冗余的数据库可以设计。但是，没有冗余的数据库未必是最好的数据库，有时为了提高运行效率，就必须降低范式标准，适当保留冗余数据。具体做法是：在概念数据模型设计时遵守第三范式，降低范式标准的工作放到物理数据模型设计时考虑。降低范式就是增加字段，允许冗余。

1. 正确认识数据冗余

主键与外键在多表中的重复出现，不属于数据冗余，这个概念必须清楚，事实上有许多人还不清楚。非键字段的重复出现，才是数据冗余！而且是一种低级冗余，即重复性的冗余。高级冗余不是字段的重复出现，而是字段的派生出现。

比如商品中的“单价、数量、金额”三个字段，“金额”就是由“单价”乘以“数量”派生出来的，它就是冗余，而且是一种高级冗余。冗余的目的 是为了提高处理速度。只有低级冗余才会增加数据的不一致性，因为同一数据，可能从不同时间、地点、角色上多次录入。因此，我们提倡高级冗余（派生性冗 余），反对低级冗余（重复性冗余）。

4.多对多的设计方法

     要善于识别与正确处理多对多的关系。若两个实体之间存在多对多的关系，则应消除这种关系。消除的办法是，在两者之间增加第三个实体。这样，原来一个多对多的关系，现在变为两个 一对多的关系。要将原来两个实体的属性合理地分配到三个实体中去。这里的第三个实体，实质上是一个较复杂的关系，它对应一张基本表。一般来讲，数据库设计工具不能识别多对多的关系，但能处理多对多的关系。      比如在“图书馆信息系统”中，“图书”是一个实体，“读者”也是一个实体。这两个实体之间的关系，是一个典型的多对多关系：一本图书在不同时间可以被多个读者借阅，一个读者又可以借多本图书。为此，要在二者之间增加第三个实体，该实体取名为“借还书”，它的属性为：借还时间、借还标志（0表 示借书，1表示还书），另外，它还应该有两个外键（“图书”的主键，“读者”的主键），使它能与“图书”和“读者”连接。

4.主键的取值依据

    PK是供程序员使用的表间连接工具，可以是无意义的数字串, 由程序自动加1来实现。也可以是有物理意义的字段名或字段名的组合。不过前者比后者好。当PK是字段名的组合时，建议字段的个数不要太多，多了不但索引占用空间大，而且速度也慢。

4.主键的取值依据

    E-R图没有标准答案，信息系统的E-R图没有标准答案，因为它的设计与画法不是惟一的，只要它覆盖了系统需求的业务范围和功能内容，就是可行的。反之要修改E- R图。尽管它没有惟一的标准答案，并不意味着可以随意设计。好的E—R图的标准是：结构清晰、关联简洁、实体个数适中、属性分配合理、没有低级冗余。

4.运用视图

   与基本表、代码表、中间表不同，视图是一种虚表，它依赖数据源的实表而存在。视图是供程序员使用数据库的一个窗口，是基表数据综合的一种形 式, 是数据处理的一种方法，是用户数据保密的一种手段。为了进行复杂处理、提高运算速度和节省存储空间, 视图的定义深度一般不得超过三层。 若三层视图仍不够用, 则应在视图上定义临时表, 在临时表上再定义视图。这样反复交迭定义, 视图的深度就不受限制了。对于某些与国家政治、经济、技术、军事和安全利益有关的信息系统，视图的作用更加重要。这些系统的基本表完成物理设计之后，立即在基本表上 建立第一层视图，这层视图的个数和结构，与基本表的个数和结构是完全相同。并且规定，所有的程序员，一律只准在视图上操作。只有数据库管理员，带着多个人 员共同掌握的“安全钥匙”，才能直接在基本表上操作。请读者想想：这是为什么？中间表、报表和临时表：中间表是存放统计数据的表，它是为数据仓库、输出报表或查询结果而设计的，有时它没有主键与外键（数据仓库除外）。临时表是程序员个人设计的，存放临时记录，为个人所用。基表和中间表由DBA维护，临时表由程序员自己用程序自动维护。

4.完整性约束表

域的完整性：用Check来实现约束，在数据库设计工具中，对字段的取值范围进行定义时，有一个Check按钮，通过它定义字段的值城。

参照完整性：用PK、FK、表级触发器来实现。

用户定义完整性：它是一些业务规则，用存储过程和触发器来实现。

1. 防止数据库设计打补丁的方法是“三少原则”

• 一个数据库中表的个数越少越好。只有表的个数少了，才能说明系统的E--R图少而精，去掉了重复的多余的实体，形成了对客观世界的高度抽象，进行了系统的数据集成，防止了打补丁式的设计；
• 一个表中组合主键的字段个数越少越好。因为主键的作用，一是建主键索引，二是做为子表的外键，所以组合主键的字段个数少了，不仅节省了运行时间，而且节省了索引存储空间；
• 一个表中的字段个数越少越好。只有字段的个数少了，才能说明在系统中不存在数据重复，且很少有数据冗余，更重要的是督促 读者学会“列变行”，这样就防止了将子表中的字段拉入到主表中去，在主表中留下许多空余的字段。所谓“列变行”，就是将主表中的一部分内容拉出去，另外单 独建一个子表。这个方法很简单，有的人就是不习惯、不采纳、不执行。

数据库设计的实用原则是：在数据冗余和处理速度之间找到合适的平衡点。“三少”是一个整体概念，综合观点，不能孤立某一个原则。该原则是相 对的，不是绝对的。“三多”原则肯定是错误的。试想：若覆盖系统同样的功能，一百个实体（共一千个属性） 的E-R图，肯定比二百个实体（共二千个属性） 的E--R图，要好得多。

提倡“三少”原则，是叫读者学会利用数据库设计技术进行系统的数据集成。数据集成的步骤是将文件系统集成为应用数据库，将应用数据库集成为 主题数据库，将主题数据库集成为全局综合数据库。集成的程度越高，数据共享性就越强，信息孤岛现象就越少，整个企业信息系统的全局E—R图中实体的个数、 主键的个数、属性的个数就会越少。

提倡“三少”原则的目的，是防止读者利用打补丁技术，不断地对数据库进行增删改，使企业数据库变成了随意设计数据库表的“垃圾堆”，或数据库表的“大杂院”，最后造成数据库中的基本表、代码表、中间表、临时表杂乱无章，不计其数，导致企事业单位的信息系统无法维护而瘫痪。

“三多”原则任何人都可以做到，该原则是“打补丁方法”设计数据库的歪理学说。“三少”原则是少而精的原则，它要求有较高的数据库设计技巧与艺术，不是任何人都能做到的，因为该原则是杜绝用“打补丁方法”设计数据库的理论依据。

1. 提高数据库运行效率的办法

在给定的系统硬件和系统软件条件下，提高数据库系统的运行效率的办法是：

• 在数据库物理设计时，降低范式，增加冗余，少用触发器, 多用存储过程。
• 当计算非常复杂、而且记录条数非常巨大时（例如一千万条），复杂计算要先在数据库外面，以文件系统方式用C++语言计算处理完成之后，最后才入库追加到表中去。这是电信计费系统设计的经验。
• 发现某个表的记录太多，例如超过一千万条，则要对该表进行水平分割。水平分割的做法是，以该表主键PK的某个值为界线，将该表的记录水平分割为两个表。若发现某个表的字段太多，例如超过八十个，则垂直分割该表，将原来的一个表分解为两个表。
• 对数据库管理系统DBMS进行系统优化，即优化各种系统参数，如缓冲区个数。
• 在使用面向数据的SQL语言进行程序设计时，尽量采取优化算法。

总之，要提高数据库的运行效率，必须从数据库系统级优化、数据库设计级优化、程序实现级优化，这三个层次上同时下功夫。

三、关系型数据库表，属性的域是原子的还是非原子的区别？

四、关系表中，某属性为NULL值，来表示数据未知或不存在，为什么提倡避免使用空值？

五、BC范式的应用场景

       当数据库的很多表记录都是千万以上条数据时，一味追求低数据冗余，反而会导致数据库性能的低劣，为提高性能在表结构设计时，适当增加数据冗余，可以尽最大可能避免大量的数据表关联查询。

      

二、数据模型的设计要点？

   1. E-R模型中，概念和对象可以用实体、联系或属性来表示，行业领域的业务数据可以用弱实体集、概化、特化或聚集描述，但需要在简单、紧凑的模型与更精确但也更复杂的模型之间进行权衡。

   2.用E-R图定义的数据库设计可以用关系模式的集合来表示，数据库的每个实体集和联系集都有唯一的关系模式与之对应，其名称即为相应的实体集或联系集的名称，这是E-R图转换为关系数据库设计的基础。