数据库_数据库设计

数据库设计概述

特点

• 反复性：反复设计、逐步求精
• 多解性：设计结果不唯一，多种方案并存
• 分步进行：数据库设计分为多个阶段
• 结构设计与行为设计相结合
  • 面向数据的设计方法（以信息需求为主）
  • 面向过程的设计方法（以处理需求为主）

数据库设计方法

• 直观设计法（手工试凑法）
• 规范设计法
  • 新奥尔良法：运用软件工程的思想和方法进行数据库设计
  • 基于E-R模型的设计法：先用E-R图构造企业模式，然后转换为特的那个数据库模式
  • 基于3NF的设计法：确定数据库模式中的全部属性和属性间的依赖关系，将它们组织在一个单一的关系模式中，然后再分解成若干个3NF关系模式的集合
  • 基于视图的设计法：先为每个应用建立视图，再将这些视图合并为全局概念模式
• 计算机辅助设计法：
  • 以人的知识或经验为主导，通过人机交互方式实现设计中的某些部分

E-R模型

概念模型

1、语义表达能力丰富

2、易于理解和交流

3、易于修改和扩充

4、易于向各种数据模型转换

可以使用E-R模型、UML、ODL

E-R模型的基本观点：现实世界是由实体和实体间的联系构成的。

• 实体：客观存在并且可以相互区分的物体。

• 实体集：具有相同类型、相同属性的实体集合 。

• 属性：实体集中每个成员具有的描述性性质。

  • 原子属性——不可再分的属性
  • 复合属性——由多个原子属性构成，如：生日（年、月、日）
  • 多值属性——多个同类原子/复合属性值，如：买家有多个收货地址

• 域：属性的取值范围。

• 码：能唯一标识实体集的属性或属性组，称为超码。而最小的超码（就是任意真子集都不能称为超码的超码）称为候选码。从候选码中选出一个来区别同一实体集中的不同实体称为主码（比如学生实体集中的学号）。主码在E-R图中用_____表示。

• 联系：实体之间相互的关联，如学生和老师的授课关系，同类联系的集合称为联系集。

• 元或度：参与联系的实体集的个数称为元。参与联系的实体集的主码的集合形成了联系集的超码。

• 参与：实体集之间的关联称为参与，实体参与联系。如学生选修课程，学生和课程参与了联系选修。

  E中所有实体均参与R称为E全部参与R（用实体集合联系间的双线表示），否则称为E部分参与R。

• 映射基数：实体之间的联系数量，即一个实体通过一份联系集能与另一实体集相关联的实体数目。

  • 一对一

    

    注意箭头：带箭头的表示1

  • 一对多

    

    不带箭头的线段表示n

  • 多对多

    

E-R模型的表示方法

总结来说，E-R图的四个组成的部分

1、矩形框:表示实体，在矩形框中写上实体的名字

2、椭圆形框:表示实体或联系的属性

3、菱形框:表示联系，在框中记入联系名

4、连线:实体与属性之间;实体与联系之间;联系与属性之间用直线相连，(对于一对一联系，要在两个实体连线方向各写1; 对于一对多联系，要在一的一方写1，多的一方写N;对于多对多关系，则要在两个实体连线方向各写N,M。)。

E-R模型的设计原则

• 避免冗余，避免浪费空间和操作异常。
• 一般情况下，凡是可以作为属性对待的，应该尽量作为属性
• 作为实体对待，应该满足如下条件中的一个：
  • 该实体具有除码以为的其他属性
  • 该实体是某个一对多或多对多联系的”多“端

概念结构设计

概念结构设计的方法与步骤

• 设计概念结构的E-R模型可采用四种方法

  • 自顶向下
  • 自底向上
  • 逐步扩张
  • 混合策略

• 最常用的方法是自底向上设计法，包含两个步骤：

  • 设计局部E-R模型，即设计用户视图
  • 集成各局部E-R模型，形成全局E-R模型

步骤一

设计局部E-R模型

步骤二

1、合并局部E-R图，消除冲突，生成初步E-R图

属性冲突

• 属性域冲突——属性值的类型、取值范围或是取值集合不同
• 属性取值单位冲突

属性冲突属于用户业务上的约定，必须与用户协商后解决

命名冲突

• 同名异义
• 异名同义

命名冲突的解决方式同属性冲突

结构冲突

• 同一对象在不同应用中有不同的抽象
• 同一实体在不同应用中属性组成不同
• 同一联系在不同应用中呈现不同的类型

2、消除不必要的冗余，生成基本的E-R图

• 冗余包括冗余的数据和冗余的联系

  • 冗余的数据是指可由基本数据导出的数据
  • 冗余的联系是指可由其他联系导出的联系

• 通常采用分析的方法消除冗余。依据为数据字典和数据流图。

逻辑结构设计

任务和步骤

• 数据库逻辑设计的任务是将概念结构转换成特定DBMS所支持的数据模型
• 步骤
  • 初始化关系模式设计
  • 关系模式优化
  • 设计子模式

步骤一：初始关系模式设计

1、E-R图向关系模型转换

• 实体的转换
  • 一个实体转换为一个关系
  • 关系的属性就是该实体的属性
  • 关系的码就是该实体的码
• 联系的转换
  • 一个联系转换为一个关系
  • 关系的属性：与该联系相连的各实体的码和该联系自身的属性
  • 关系的码
    • 一对一的二元联系：两端实体的码都是候选码
    • 一对多的二元联系：”多“端实体的码
    • 多对多的二元联系：至少包含两端实体的码的并集
    • 存在”一“端的多元联系：除了一端以外的其他实体的码的并集
    • 不存在一端的多元联系：至少包含所有相关尸体的码的并集
  • 关系的外码：对于每个与联系相连的实体，建立与该实体关系的外码约束

1对多或者多对1的联系可以被合并到1端实体对应的关系中

步骤二：关系模式优化

• 进行规范化，消除关系模式中存在的各种异常，改善完整性、一致性和存储效率
• 进行反规范化设计，是为了提高查询效率

垂直分解

把关系模式的属性分解为若干个子集

水平分解

把关系中的元组分解为若干个子集

步骤三：设计子模式

制导思想：注重局部用户的要求

具体方法：

• 使用更符合用户习惯的别名、计量单位等
• 从安全性出发，对不同级别的用户定义不同的视图
• 从易用性触发，将复杂查询语句定义为视图

物理结构设计

任务

对于给定的逻辑模型，设计一个最合适应用要求的物理结构

约束条件：

• 应用需求（响应时间、吞吐率、存储空间利用率、安全）
• 应用特征（数据量、事务频率、涉及的关系和属性）
• 具体DBMS产品的特点（存取方法，存储结构，参数）
• 存储设备特性

设计内容：

• 设计存取方法
• 设计存储方案
• 确定系统配置参数

设计存取方法

参考文章

• 索引
• 聚簇

聚簇索引的叶子节点就是数据节点，而非聚簇索引的叶子节点仍然是索引节点，只不过有指向对应数据块的指针。

索引

是与基表的属性组相关的数据对象，能够提供对基表数据的快速访问。

同一个基表上可键多个索引，执行查询语句，DBMS自动选择合适的索引访问数据

当表中的数据更新时，DBMS自动更新索引

数据越多，索引的优势越明显

索引可以提高查询效率，但是增加了空间开销以及维护的代价

B+树索引

B-Tree介绍

B-Tree是一种多路搜索树（并不是二叉的）：
1.定义任意非叶子结点最多只有M个儿子；且M>2；
2.根结点的儿子数为[2, M]；
3.除根结点以外的非叶子结点的儿子数为[M/2, M]；
4.每个结点存放至少M/2-1（取上整）和至多M-1个关键字；（至少2个关键字）
5.非叶子结点的关键字个数=指向儿子的指针个数-1；
6.非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]；
7.非叶子结点的指针：P[1], P[2], …, P[M]；其中P[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树；
8.所有叶子结点位于同一层；
如：（M=3）

B-树的特性：
1.关键字集合分布在整颗树中；
2.任何一个关键字出现且只出现在一个结点中；
3.搜索有可能在非叶子结点结束；
4.其搜索性能等价于在关键字全集内做一次二分查找；
5.自动层次控制；

B-树的搜索，从根结点开始，对结点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点；重复，直到所对应的儿子指针为空，或已经是叶子结点；

B+树是B-树的变体，也是一种多路搜索树：

​ 1.其定义基本与B-树同，除了：

​ 2.非叶子结点的子树指针与关键字个数相同；

​ 3.非叶子结点的子树指针P[i]，指向关键字值属于[K[i], K[i+1])的子树（B-树是开区间）；

​ 5.为所有叶子结点增加一个链指针；

​ 6.所有关键字都在叶子结点出现；

​ 如：（M=3）

B+的搜索与B-树也基本相同，区别是B+树只有达到叶子结点才命中（B-树可以在非叶子结点命中），其性能也等价于在关键字全集做一次二分查找；

​ B+的特性：

​ 1.所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的；

​ 2.不可能在非叶子结点命中；

​ 3.非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层；

​ 4.更适合文件索引系统；

适用范围广：

• 等值查询
• 范围查询
• 聚集函数计算
• 排序
• 遍历

hash索引

适用于：

• 等值查询
• 等值连接

不适用于：

• 范围查询
• 排序
• 模糊

聚簇

为了提高查询速度，把在某个属性组上具有相同值的元组集中地存放在相邻的物理块中。该属性组称为聚簇码。

• 单表聚簇：将单个表的数据按聚簇码分组有序的存储
• 多表聚簇：把多个表的数据按聚簇码集中存储在一起

设计原则

• 一个表最多只能属于一个聚簇
• 聚簇维护的开销很大
• 频繁更新的属性不适合作为聚簇码
• 单表聚簇：最常用于等值比较的属性，且该属性上的重复取值较多
• 多表聚簇：经常进行连接操作的表可以建立聚簇

设计存储方案

• 确定数据的存放位置：
  • 将表和索引分别存放在不同的磁盘上
  • 将日志文件和数据库对象放在不同的磁盘上
  • 将数据库的备份文件存放在磁盘上
• 对空间效率要求较高的应用，考虑压缩存储
• 对安全需求较高的应用，考虑加密存储

确定系统配置参数

根据应用特点和运行环境重新配置系统配置参数：

• 最大连接数
• 内存配置参数（查询缓存、日志缓存、数据缓存······）受总的物理内存大小的约束，参数之间相关制约
• 存储配置参数（数据文件的大小、日志文件的大小、物理块大小、物理块装填因子）
• 其他