| 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 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 实体 属性 描述 键 用户 用户编号 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。