数据库设计之逻辑结构设计.pptVIP

E-R图向关系模型的转换（续） 该关系模型由12个关系模式组成 学生关系模式包含了“拥有”联系、“组成”联系、“归档”联系所对应的关系模式 教师关系模式包含了“管理”联系所对应的关系模式； 宿舍关系模式包含了“住宿”联系所对应的关系模式； 课程关系模式包含了“开设”联系所对应的关系模式。 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 向特定DBMS模型进行转换 一般的数据模型还需要向特定DBMS规定的模型进行转换。 转换的主要依据是所选用的DBMS的功能及限制。没有通用规则,对于关系模型来说，这种转换通常都比较简单。 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 数据模型的优化 数据库逻辑设计的结果不是唯一的。 得到初步数据模型后，还应该适当地修改、调整数据模型的结构，以进一步提高数据库应用系统的性能，这就是数据模型的优化。 关系数据模型的优化通常以规范化理论为指导。 数据模型的优化（续） 优化数据模型的方法 ⒈ 确定数据依赖 按需求分析阶段所得到的语义，分别写出每个关系模式内部各属性之间的数据依赖以及不同关系模式属性之间数据依赖。 数据模型的优化（续） 例，课程关系模式内部存在下列数据依赖： 　　 课程号→课程名 　　 课程号→学分 课程号→教室号 　 选修关系模式中存在下列数据依赖： 　　 （学号，课程号）→成绩 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。（通常多采用这个方法利用DD和DFD来分析冗余并消除之） 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,平均成绩) 中存在下列函数依赖： 　 学号→英语 　 学号→数学 　 学号→语文 　 学号→平均成绩 (英语, 数学, 语文)→平均成绩 数据模型的优化（续） 显然有： 学号→(英语,数学,语文) 因此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