[计算机软件及应用]第5讲 需求分析阶段-规范化.pptVIP

数据库系统设计 需求分析阶段－规范化 概述 虽然一个数据模型有效地沟通了数据库需求，但它不一定就代表了一个好的数据库设计，其中的某些结构特征可能会降低模型的灵活性和扩展性，或者产生不必要的冗余。所以，我们必须为数据库设计和实现准备好具有完整属性的数据模型。 好的数据模型的标准 好的数据模型是简单的。 好的数据模型基本上是无冗余的。 好的数据模型应该是灵活的而且对未来的需求具有可适应性。 概述 考虑以下的实体定义： course registration=course registration number(PK)+ course registration date+ student id number(FK)+ student name+ student major+ 一个或多个course number 概述 好的数据模型是简单的。 作为一条通用规则，描述任何实体的数据属性应该仅仅描述那个实体。 属性student name和student major真的描述了course registration（课程注册）的一个实例吗？ 或者它们仅仅描述了一个不同的实体，即student? 同样的理由可以应用到属性student id number上。 经过进一步考察，student id number属性仍是需要的，它用来“指出”对应的student实体实例。 概述 好的数据模型是简单的。 简单性的另一个方面是这样陈述的：一个实体实例的每个属性只能有一个值。 再看前的例子：对应一个course registration实体，属性course number可以多个有值供学生选择。 概述 好的数据模型基本上是无冗余的。 这意味着每个数据属性（除了外键）最多在一个实体中描述。 在前面的例子中，发现属性student name和student major实际上描述一个student实体并不困难。故合乎逻辑的选择将是添加student实体。 在数据模型中还可能存在更细微的冗余，例如，相同的属性可能以不同的名称（同义词）被多次记录。 概述 好的数据模型应该是灵活的而且对未来的需求具有可适应性。 没有这条评价准则，我们往往会设计仅实现目前业务需求的数据库。 然后，当一个新的需求产生时，我们若不重写许多或者所有使用那些数据库的程序就无法方便地修改数据库。 虽然我们不能改变这个现实---大多数项目都是应用驱动的，但是我们可以使数据模型做到尽可能地与应用无关，以鼓励采用不影响当前程序扩展或修改的数据库结构。 概述 数据分析：是为将数据模型实现成数据库而改进数据模型的技术。 数据分析是为实现简单的、无冗余的、灵活的并可扩展的数据库而准备数据模型的过程。其专门的技术称为规范化。 规范化：是一种数据分析技术，该技术组织数据属性怪便它们可以组合起来形成无冗余的 、稳定的、灵活的并具有适应性的实体 规范化是一种包括三个步骤的技术，该技术把数据模型规范成1NF、2NF和3NF。 所有的范式都是基于表中的列之间的关系的。 概述 规范化理论是研究如何将一个不好的关系模式转化为好的关系模式的理论，规范化理论是围绕范式而建立的。 规范化理论认为，一个关系数据库中所有的关系，都应满足一定的规范(约束条件)。 规范化理论把关系应满足的规范要求分为几级，满足最低要求的一级叫做第一范式(1NF)，在第一范式的基础上提出了第二范式(2NF)，在第二范式的基础上又提出了第三范式(3NF)，以后又提出了BCNF范式，4NF，5NF。 范式的等级越高，应满足的约束集条件也越严格。规范的每一级别都依赖于它的前一级别，例如若一个关系模式满足2NF，则一定满足1NF。 数据冗余和更新异常 更新异常 引起数据冗余的错误的结构化表的问题叫做更新异常 错误的结构化表可能产生于最初的ER模型或在将ER模型转化成表时出现错误。 有冗余数据的表可能有的问题叫做更新异常，它分为插入、删除和更改异常 数据冗余和更新异常 数据应该尽可能少地冗余，这意味着重复数据应该减少到最少 比如，一个部门雇员的电话就不应该被存储在不同的表中， 因为这里的电话号码是雇员的一个属性。 如果存在过多的冗余数据，这就意味着要占用了更多的物理空间，同时也对数据的维护和一致性检查带来了问题 当这个员工的电话号码变化时，冗余数据会导致对多个表的更新动作，如果有一个表不幸被忽略了，那么就可能导致数据