数据库2015数据库技术——13数据库的设计逻辑的设计.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 数据模型的优化（续） 学生关系模式中存在下列数据依赖： 　 学号→姓名 　 学号→性别 　 学号→出生日期 　 学号→所在系 学号→年级 　 学号→班级号 　 学号→平均成绩 　 学号→档案号 数据模型的优化（续） 学生关系模式的学号与选修关系模式的学号之间存在数据依赖： 学生.学号→选修.学号　　 数据模型的优化（续） ⒉ 对于各个关系模式之间的数据依赖进行极小化处理，消除冗余的联系。 数据模型的优化（续） ⒊ 按照数据依赖的理论对关系模式逐一进行分析，考查是否存在部分函数依赖、传递函数依赖、多值依赖等，确定各关系模式分别属于第几范式。 例如经过分析可知，课程关系模式属于BC范式。 数据模型的优化（续） ⒋ 按照需求分析阶段得到的各种应用对数据处理的要求，分析对于这样的应用环境这些模式是否合适，确定是否需要对它们进行合并或分解。（通常利用DD和DFD来分析冗余并消除） 数据模型的优化（续） 并不是规范化程度越高的关系就越优。 当一个应用的查询中经常涉及到两个或多个关系模式的属性时，系统必须经常地进行联接运算，而联系运算的代价是相当高的，可以说关系模型低效的主要原因就是做联接运算引起的，因此在这种情况下，第二范式甚至第一范式也许是最好的。 数据模型的优化（续） 非BCNF的关系模式虽然从理论上分析会存在不同程度的更新异常，但如果在实际应用中对此关系模式只是查询，并不执行更新操作，则就不会产生实际影响。 对于一个具体应用来说，到底规范化进行到什么程度，需要权衡响应时间和潜在问题两者的利弊才能决定。一般说来，第三范式就足够了。 数据模型的优化（续） 例：在关系模式 学生成绩单(学号,英语,数学,语文,平均) 中存在下列函数依赖： 　 学号→英语 　 学号→数学 　 学号→语文 　 学号→平均 (英语, 数学, 语文)→平均 数据模型的优化（续） 显然有： 学号→(英语,数学,语文) 该关系模式中存在传递函数信赖，是2NF关系。 虽然平均成绩可以由其他属性推算出来，但如果应用中需要经常查询学生的平均成绩，为提高效率，我们仍然可保留该冗余数据，对关系模式不再做进一步分解。 数据模型的优化（续） ⒌ 按照需求分析阶段得到的各种应用对数据处理的要求，对关系模式进行必要的分解或合并，以提高数据操作的效率和存储空间的利用率 常用分解方法 水平分解 垂直分解 数据模型的优化（续） 水平分解 把(基本)关系的元组分为若干子集合，定义每个子集合为一个子关系，以提高系统的效率。 数据模型的优化（续） 水平分解的适用范围 满足“80/20原则”的应用 80/20原则：一个大关系中，经常被使用的数据只是关系的一部分，约20% 把经常使用的数据分解出来，形成一个子关系，可以减少查询的数据量。 数据模型的优化（续） 水平分解的适用范围 如果关系R上具有n个事务，而且多数事务存取的数据不相交，则R可分解为少于或等于n个子关系，使每个事务存取的数据对应一个关系。 数据模型的优化（续） 垂直分解 什么是垂直分解 把关系模式R的属性分解为若干子集合，形成若干子关系模式。 垂直分解的原则 经常在一起使用的属性从R中分解出来形成一个子关系模式。 数据模型的优化（续） 垂直分解的优点 可以提高某些事务的效率 垂直分解的缺点 可能使另一些事务不得不执行连接操作，从而降低了效率。 数据模型的优化（续） 垂直分解的适用范围 取决于分解后R上的所有事务的总效率是否得到了提高。 进行垂直分解的方法 简单情况：直观分解 复杂情况：模式分解算法 垂直分解必须不损失关系模式的语义(保持无损连接性，保持函数依赖)。 逻辑结构设计 E-R图向关系模型的转换 向特定DBMS规定的模型进行转换 数据模型的优化 设计用户子模式 设计用户子模式 定义数据库模式主要是从系统的时间效率、空间效率、易维护等角度出发。 定义用户外模式时应该更注重考虑用户的习惯与方便。包括三个方面： 设计用户子模式（续） (1) 使用更符合用户习惯的别名 合并各分E-R图曾做了消除命名冲突的工作，使数据库系统中同一关系和属性具有唯一的名字。这在设计数据库整体结构时是非常必要的。 但对于某些局部应用，由于改用了不符合用户习惯的属性名