原子标签索引：[概念×16 | 机制×4 | 流程×5 | 分类×4 | 判据×5 | 数据×2 | 案例×2] 上游：第2章（计算机系统基础）、第5章（软件工程基础） 下游：第13章（层次式架构中的数据层设计）、第19章（大数据架构）

标准表述

• 数据是描述事物的符号记录；信息是现实世界事物存在方式或状态的反映；数据是信息的符号表示，信息是具有特定释义和意义的数据。
• 数据模型的三要素是：数据结构、数据操作、数据的约束条件。
• 数据管理技术的发展经历三个阶段：人工管理、文件系统、数据库系统。
• 数据库系统与文件系统的重要区别是：数据的充分共享、交叉访问、与应用程序的高度独立性。
• 数据的独立性包括物理独立性和逻辑独立性。
• 数据控制功能包括：安全性、完整性、并发控制、故障恢复。
• 故障恢复的原理是建立冗余数据。
• 数据库系统采用三级模式结构：外模式（用户模式/子模式）、概念模式（模式）、内模式（存储模式）。
• 概念模式不涉及存储结构、访问技术等细节，因此做到了"物理数据独立性"。
• 系统而严格提出关系模型的是 IBM 的 E.F.Codd，1970 年发表于 Communication of the ACM。
• 关系模型的完整性约束分三类：实体完整性、参照完整性（引用完整性）、用户定义完整性。
• 实体完整性要求主键属性唯一且非空；参照完整性要求外码取空值或等于被参照关系中某元组的主码值。
• 五种基本关系代数运算：并、差、笛卡尔积、投影、选择。
• 投影是垂直方向运算，选择是水平方向运算，除法同时从水平和垂直方向运算。
• 自然连接是特殊的等值连接：比较分量必须是相同属性组，且结果集中去掉重复属性列。
• 函数依赖是语义范畴的概念，只能根据语义来确定，不能凭某一时刻的关系实例断定。
• 若只考虑函数依赖，关系模式最高规范化程度是 BCNF；考虑多值依赖则是 4NF。
• 数据库设计分六个阶段：用户需求分析、概念结构设计、逻辑结构设计、物理结构设计、数据库实施、数据库运行和维护。
• 概念结构设计最常用方法是 P.P.S.Chen 于 1976 年提出的 E-R 方法；抽象方法有三种：分类、聚集、概括。
• 分 E-R 图合并的冲突有三类：属性冲突、命名冲突、结构冲突。
• 反规范化是加速读操作性能的方法，常见操作：冗余列、派生列、表重组、表分割（水平/垂直）。
• 数据库重组不改变逻辑和物理结构，只去除废弃空间和碎片；重构则修改表结构和视图。
• NoSQL 泛指非关系型数据库，不保证关系数据的 ACID 特性。
• NoSQL 整体框架分四层（由下至上）：数据持久层、数据分布层、数据逻辑模型层、接口层。

蒸馏笔记

概念

• 数据/信息：数据是符号记录；信息是数据经解释后具有的意义。
• DBS：采用数据库技术的计算机系统，广义上包括 DBMS。
• DB：统一管理的、长期储存在计算机内的有组织的相关数据集合。
• DBMS：数据库系统的核心软件，主要功能：数据定义、数据操纵、运行管理、建立与维护。
• 数据模型三要素：数据结构（静态）、数据操作（动态）、约束条件（完整性规则集合）。
• 三级模式：概念模式=全体数据的逻辑结构（只涉"型"）；外模式=用户使用的部分数据描述；内模式=物理结构和存储方式描述。
• 型与值：型是结构和属性的说明；值是型的具体赋值（实例）。模式相对稳定，实例相对变动。
• 域：属性的取值范围；关系模型要求所有域是原子数据——即 1NF 条件。
• 目/度：关系中属性的个数。
• 候选码/主码：唯一标识元组的属性（组）为候选码；多个候选码中选定其一为主码。
• 主属性/非主属性：包含在任何候选码中的属性为主属性，否则为非主属性。
• 外码：不是本关系的码、却是其他关系的码的属性（组）。
• 全码：全部属性组共同构成候选码（如 R(T,C,S) 教师选课关系）。
• 函数依赖 X→Y：任何可能的关系 r 中，X 值相等则 Y 值必相等。
• 多值依赖 X→→Y：给定 (x,z) 值，有一组 Y 值只由 x 决定而与 z 无关。
• ORM：对象关系映射，用映射元数据（XML）描述对象-关系映射细节，负责实体域对象的持久化。

机制

• 人工管理阶段：数据面向应用、不保存、无软件管理 → 依赖强、冗余大。
• 文件系统阶段：数据可长期保存、逻辑/物理结构分离 → 但文件孤立，产生冗余、不一致、数据联系弱三缺点。
• 数据库系统阶段：数据面向全系统、经 DBMS 存取 → 冗余减少、独立性高、共享充分。
• 逻辑独立性来自外模式/概念模式映像；物理独立性来自概念模式/内模式映像 → 任一级改变不受另一级牵制。
• 反规范化：规范化→多表关联→查询性能下降 →(添加冗余/合并/分割)→ 读性能提升，代价是更新异常，需用应用程序同步、批量处理同步、触发器同步保持一致。
• 聚簇：按聚簇码物理相邻存放 →(聚簇码查询频繁)→ 提高查询效率；代价是增删改时元组搬动，维护成本大。
• 索引：减少检索的 CPU 和 I/O 服务时间 → 但频繁更新的表上索引过多反而降低存储操作性能。

流程

• 数据库设计六阶段： 1. 用户需求分析（信息要求/处理要求/系统要求） 2. 概念结构设计（E-R 图，独立于 DBMS） 3. 逻辑结构设计（E-R 图→数据模型→规范化→约束→视图） 4. 物理结构设计（数据分布、存储结构、访问方式） 5. 数据库实施（建库、数据加载、试运行） 6. 数据库运行维护（性能监测改善、备份恢复、重组重构）
• 概念结构设计三步：选择局部应用（选适当层次的数据流图）→ 逐一设计分 E-R 图 → E-R 图合并（解决三类冲突+消除冗余）。
• E-R 图转关系模式： 1. 实体→关系模式，实体标识符即码。 2. 1:1 联系：并入任一方实体，码不变。 3. 1:n 联系：并入 n 方实体，码不变。 4. m:n 联系：必须转为独立关系模式，码为双方码的组合。
• 逻辑设计规范化步骤：确定数据依赖 → 判定范式（是否达 3NF/BCNF）→ 不达标则分解 → 评价修正（必要时增加冗余）。
• 物理设计三步：确定数据分布（按应用/按处理要求）→ 确定存储结构（顺序/哈希/堆/B+树+索引）→ 确定访问方式（存取路径）。

分类体系

• 数据模型三代： | 代 | 模型 | 特征 | |---|---|---| | 第一代 | 层次模型 | 树形结构，非根结点有且仅有一个双亲 | | 第一代 | 网状模型 | 允许无双亲结点/多双亲；不能直接表示多对多，需引入联结记录 | | 第二代 | 关系模型 | 表格结构，描述一致性，关系模式集合 | | 第三代 | 面向对象/语义/XML/半结构化等 | 支持复杂数据类型，典型是 NoSQL 运动 |
• 层次/网状模型共同特点：支持三级模式、用存取路径表示数据联系、独立的数据定义语言、导航的数据操纵语言。
• 关系代数运算符四类：集合运算符、专门的关系运算符、算术比较符、逻辑运算符。
• 外连接三种：左外（左表不匹配元组+null 填右属性）、右外（反之）、全外（两者都做）。
• NoSQL 四类型：列式存储（Cassandra/HBase/Riak）、键值对（Redis/Voldemort/Tokyo Cabinet/Oracle BDB）、文档型（CouchDB/MongoDB/SequoiaDB）、图数据库（Neo4J/InfoGrid/Infinite Graph）。
• NoSQL 四层框架： | 层 | 内容 | |---|---| | 接口层 | Rest、Thrift、Map/Reduce、Get/Put、特定语言 API 五种选择 | | 数据逻辑模型层 | 数据的逻辑表现形式 | | 数据分布层 | CAP 支持、多数据中心、动态部署三种机制 | | 数据持久层 | 基于内存、硬盘、内存+硬盘、定制可插拔四种形式 |
• 应用程序与数据库交互四方式：库函数级接口（OCI）、嵌入式 SQL、通用数据接口标准（ODBC/DAO/RDO/ADO/ADO.NET/JDBC）、ORM（Hibernate/MyBatis/JPA）。

判据

• 2NF 判据：R∈1NF 且每个非主属性完全依赖于码（消除非主属性对码的部分函数依赖）。
• 3NF 判据：R∈2NF 且消除非主属性对码的传递函数依赖。
• BCNF 判据：R∈1NF，若 X→Y 且 Y⊄X 时 X 必含码（消除主属性对码的部分和传递依赖）。BCNF 三性质：非主属性对每个码完全依赖；无属性完全函数依赖于非码的属性组。
• 4NF 判据：每个非平凡多值依赖 X→→Y（Y⊄X）中 X 必含码。
• 范式包含关系：1NF ⊃ 2NF ⊃ 3NF ⊃ BCNF ⊃ 4NF ⊃ 5NF。
• 不宜建索引：表太小、频繁更新、属性值很少、过长属性、大文本/多媒体、很少出现在查询条件中的属性。
• 宜建索引：主码或外码、只读为主的表、范围查询、聚集函数或排序输出属性。
• 建聚簇三原则：聚簇码值相对稳定；表主要用于查询且按聚簇码访问/连接；每个聚簇码值的平均元组数既不太多也不太少。
• NoSQL 适用场景：数据模型简单；需灵活性强的 IT 系统；对性能要求高；不需要高度数据一致性；给定 key 易映射复杂值的环境。

数据

• 五种基本关系代数运算可导出其他运算：交=R-(R-S)；θ连接=笛卡尔积+选择；自然连接=笛卡尔积+选择+去重复列。
• 笛卡尔积基数：R 有 K₁ 个元组、S 有 K₂ 个元组，R×S 有 K₁×K₂ 个元组，列为 n+m 目。
• 存储访问"80/20 规则"：从数据库中检索的 80% 的数据由其中 20% 的数据项组成。
• 微软数据库接口演进：ODBC→DAO（Jet 引擎、桌面库）→RDO（封装 ODBC、远程）→ADO（访问关系+非关系库）→ADO.NET（.NET 类库）。
• Java 端：JDBC 规范客户端访问数据库；ORM 框架 Hibernate（全自动、笨重）、MyBatis（半自动）、JPA（JDK 注解/XML 描述映射，Java 自带）。

案例

• FIRST(Sno,Sname,Status,City,Pno,Qty) 分解：1NF 有冗余/修改不一致/插入异常/删除异常四问题 → 分出 FIRST₁(Sno,Sname,Status,City)∈2NF → 再分出 FIRST₁₁(Sno,Sname,Status)与 FIRST₁₂(Status,City)∈3NF（6.2.3 节）。
• R(Pno,Pname,Mname)：候选码 (Pname,Mname) 或 (Pno,Mname)，全主属性故为 3NF 但 Pname 传递依赖码，非 BCNF → 分解 R1(Pno,Pname)+R2(Pno,Mname) 达 BCNF（6.2.3 节）。

易错点 / 边界情况

• 网状模型"更普遍"，层次模型是网状的特例；但网状模型也不能直接表示多对多联系。
• 函数依赖不能由某一时刻的实例断定（Sage 与 Sno 的反例）；同名与否决定 Sname→Sage 是否成立。
• BCNF 已消除"主属性"对码的部分/传递依赖，3NF 只消除"非主属性"的——3NF 不一定是 BCNF。
• 3NF 的模式必是 2NF 的模式；产生冗余和异常的两个重要原因是部分依赖和传递依赖。
• 自然连接无重复属性时退化为笛卡尔积；自然连接同时做水平+垂直方向运算。
• 健壮性/容错性是鲁棒性的别称（第8章语境中注意区分可靠性内部的"容错"）。
• 反规范化 ≠ 未标准化的数据库；反规范化必然引入冗余，需额外同步机制。
• 数据库重组（不动结构去碎片）与重构（改表结构/视图）区分，二者都由 DBA 在运行维护阶段完成。
• NoSQL "Not Only SQL"而非"反 SQL"：1998 年 Carlo Strozzi 首用此词，2009 年 Eric Evans 再次提出并指非关系型分布式设计模式。