请输入您要查询的百科知识:

 

词条 数据库的逻辑结构设计
释义

数据库的逻辑结构设计就是把概念结构设计阶段设计好的基本 E 一 R 图转换为与选用的 DBMS产品所支持的数据模型相符合的逻辑结构。

定义

逻辑结构是独立于任何一种数据模型的,在实际应用中,一般所用的数据库环境已经给定(如SQL Server或Oracel或MySql)。由于目前使用的数据库基本上都是关系数据库,因此首先需要将E-R图转换为关系模型,然后根据具体DBMS的特点和限制转换为特定的DBMS支持下的数据模型,最后进行优化。

设计步骤

( 1 ) 将概念结构转换为一般的关系、网状、层次模型;

( 2 ) 将转换来的关系、网状、层次模型向特定 DBMS 支持下的数据模型转换;

( 3 ) 对数据模型进行优化。

E-R图

E-R图的基本组成

E-R图的组件有很多,但概括起来说,可分为以下四种:

矩形:表示实体

菱形:表示实体间的关系

椭圆:表示实体的属性

线段:用于将实体、关系相连接

对于双矩形、双菱形、双椭圆、双线段等等一些组件,可以不用去管,通常用以上四种组件就可以表达清楚实体及实体间的关系。

建立E-R模型

1、标识实体

通常有用户、角色这两个实体。2、标识关系

用户与角色间为多对多的互相拥有关系。3、标识实体、关系的属性:

不仅仅是实体有属性,关系同样也有属性,这些属性在实体间建立关系时才会存在。

有时属性太多,无法在图上一一列出,可以用表格,在后面的步骤中这个表格同样会用到,如下:

实体 属性 描述 …

用户 性别
年龄
电话
… 男/女
多大了
联系方式
… …4、确定属性域:

属性域就是属性的取值范围。

这时,可以用表格将属性的数据类型、数据长度、取值范围及是否可为空、简单/复合、单值/多值、是否为派生属性等域信息定义出来。

这个过程,事实上包含了逻辑结构设计中的数据类型、NULL、CHECK、DEFAULT等信息。

实体 属性 描述 数据类型及长度 是否可为空

用户 性别
年龄
电话
… 男/女
多大了
联系方式
… 1字节的短整形或布尔型
1字节的短整形
20字节的字符型或长整形
… NO
NO
YES5、确定键:键就是可用于标识实体的属性,有:主键、唯一键、外键。

实体 属性 描述 键

用户 用户编号
性别
年龄
电话
… 男/女
多大了
联系方式
… 主键6、实体的特化/泛化:

也就是面向对象模型中父类和子类的概念,这是个可选的步骤。举个例子,用户中大部分人都是普通员工,但有一小部分是从事销售的,销售人员

有个负责区域的属性,如果将这个属性放在用户实体中,如右图:

这时我们会发现,除了销售人员外,其他非销售人员这个属性全都不存在,这就是特化的过程。可以另建一个销售人员的实体来泛化用户实体,如右图:

这样就完成了对用户实体的泛化,泛化的过程也就是抽出实体间公共属性的过程,但通常,除非特化的部分太多,才会考虑将一个实体抽象成两个

1对1关系的实体,所有这个步骤是可选的。7、检查模型:

(1)检查冗余

首先检查实体:1对1关系的实体中有没有非外键的重复属性,或者就是同一个实体;

其次检查关系:有没有通过其他关系也可以得到的重复属性;

当然有时,需要考虑时间维度,因为有些属性是有时效性的,也就是虽然是同一个属性,但不同的时间表示的却是不同的内容,这一点在后面的逻辑结构设计中会提到,这并不是真正的冗余。

(2)检查业务

检查当前的E-R模型是否满足当前业务的场景。可以从某个实体开始,沿着当前E-R模型的各个节点去模拟业务场景。尤其需要和《需求规格说明书》去做校验。

到这里,也就完成了E-R模型建立的全过程,有时,对于比较复杂的E-R模型,一张图可能显得太过局促,可以建立全局、局部E-R模型图,以便于查看和分析。

图向关系模型的转换

一个例子

E-R图如何转换为关系模型呢?我们先看一个例子。

图2.1是学生和班级的E-R图,学生与班级构成多对一的联系。根据实际应用,我们可以做出这个简单例子的关系模式:

学生(学号,姓名,班级)

班级(编号,名称)

“学生.班级”为外键,参照“班级.编号”取值。

这个例子我们是凭经验转换的,那么里面有什么规律呢?在2.2节,我们将这些经验总结成一些规则,以供转换使用。

转换规则

(1)一个实体型转换为一个关系模式

一般E-R图中的一个实体转换为一个关系模式,实体的属性就是关系的属性,实体的码就是关系的码。

(2)一个1:1联系可以转换为一个独立的关系模式,也可以与任意一端对应的关系模式合并。

图2.2是一个一对一联系的例子。根据规则(2),有三种转换方式。

(i) 联系单独作为一个关系模式

此时联系本身的属性,以及与该联系相连的实体的码均作为关系的属性,可以选择与该联系相连的任一实体的码属性作为该关系的码。结果如下:

职工(工号,姓名)

产品(产品号,产品名)

负责(工号,产品号)

其中“负责”这个关系的码可以是工号,也可以是产品号。

(ii) 与职工端合并

职工(工号,姓名,产品号)

产品(产品号,产品名)

其中“职工.产品号”为外码。

(iii) 与产品端合并

职工(工号,姓名)

产品(产品号,产品名,负责人工号)

其中“产品.负责人工号”为外码。

(3)一个1:n联系可以转换为一个独立的关系模式,也可以与n端对应的关系模式合并。

(i) 若单独作为一个关系模式

此时该单独的关系模式的属性包括其自身的属性,以及与该联系相连的实体的码。该关系的码为n端实体的主属性。

顾客(顾客号,姓名)

订单(订单号,……)

订货(顾客号,订单号)

(ii) 与n端合并

顾客(顾客号,姓名)

订单(订单号,……,顾客号)

(4)一个m:n联系可以转换为一个独立的关系模式。

该关系的属性包括联系自身的属性,以及与联系相连的实体的属性。各实体的码组成关系码或关系码的一部分。

教师(教师号,姓名)

学生(学号,姓名)

教授(教师号,学号)

(5)一个多元联系可以转换为一个独立的关系模式。

与该多元联系相连的各实体的码,以及联系本身的属性均转换为关系的属性,各实体的码组成关系的码或关系码的一部分。

(6)具有相同码的关系模式可以合并。

(7)有些1:n的联系,将属性合并到n端后,该属性也作为主码的一部分

这类问题多出现在聚集类的联系中,且部分实体的码只能在某一个整体中作为码,而在全部整体中不能作为码的情况下才出现(其它情况本人还没碰到,呵呵,欢迎指教)。

比如上篇文章介绍的管理信息系统中订单与订单细节的联系。

关于什么是聚集,2.3节介绍。

数据抽象的分类

这部分本应在概念设计中介绍的,用到了才想起来,这里补充一下。

关于现实世界的抽象,一般分为三类:

(1) 分类:即对象值与型之间的联系,可以用“is member of”判定。如张英、王平都是学生,他们与“学生”之间构成分类关系。

(2) 聚集:定义某一类型的组成成分,是“is part of”的联系。如学生与学号、姓名等属性的联系。

(3) 概括:定义类型间的一种子集联系,是“is subset of”的联系。如研究生和本科生都是学生,而且都是集合,因此它们之间是概括的联系。

例:猫和动物之间是概括的联系,《Tom and Jerry》中那只名叫Tom的猫与猫之间是分类的联系,Tom的毛色和Tom之间是聚集的联系。

订单细节和订单之间,订单细节肯定不是一个订单,因此不是概括或分类。订单细节是订单的一部分,因此是聚集。

数据模型的优化

有了关系模型,可以进一步优化,方法为:

(1) 确定数据依赖。

(2) 对数据依赖进行极小化处理,消除冗余联系(参看范式理论)。

(3) 确定范式级别,根据应用环境,对某些模式进行合并或分解。

以上工作理论性比较强,主要目的是设计一个数据冗余尽量少的关系模式。下面这步则是考虑效率问题了:

(4) 对关系模式进行必要的分解。

如果一个关系模式的属性特别多,就应该考虑是否可以对这个关系进行垂直分解。如果有些属性是经常访问的,而有些属性是很少访问的,则应该把它们分解为两个关系模式。

如果一个关系的数据量特别大,就应该考 虑是否可以进行水平分解。如一个论坛中,如果设计时把会员发的主贴和跟贴设计为一个关系,则在帖子量非常大的情况下,这一步就应该考虑把它们分开了。因为 显示的主贴是经常查询的,而跟贴则是在打开某个主贴的情况下才查询。又如手机号管理软件,可以考虑按省份或其它方式进行水平分解。

设计用户子模式

这部分主要是考虑使用方便性和效率问题,主要借助视图手段实现,包括:

(1) 建立视图,使用更符合用户习惯的别名。

(2)对不同级别的用户定义不同的视图,以保证系统的安全性。

(3)对复杂的查询操作,可以定义视图,简化用户对系统的使用。

物理设计主要工作是选择存取方法(索引),以及确定数据库的存储结构,这里就不说明了。

随便看

 

百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。

 

Copyright © 2004-2023 Cnenc.net All Rights Reserved
更新时间:2025/3/20 19:11:58