系统架构设计师（三）：数据库系统
引言
本文对应《系统架构设计师教程》（以下简称官方教材 ）第二章 2.3.3 数据库及第六章**数据库设计基础知识 **的内容。本文重点聚焦在第六章。
数据库概念
数据：数据库存储的基本对象，是描述事物的符号记录。数据种类包括：文本、图形、图像、音频、档案记录等。
数据库DB：长期存储在计算机内、有组织、可共享的大量数据的集合。
数据库基本特征
- 数据按一定的数据模型组织、描述和存储。
- 可为用户共享。
- 冗余度小。
- 数据独立性高。
- 易扩展。
数据库系统
数据库系统DBS：采用数据库技术，有组织、动态存储大量相关数据，方便用户访问，由以下四部分组成：
- 数据库：统一管理、长期存储在计算机内，有组织的相关数据的集合。
- 硬件：构成计算机系统包括存储数据所需要的外部设备。
- 软件：操作系统、数据库管理系统及应用程序。
- 人员：系统分析和数据库设计人员、应用程序员、最终用户、数据库管理员DBA。
数据库管理系统DDMS
实现对共享数据有效的组织、管理和存取，包括数据定义、数据库操作、数据库运行管理、数据的存储管理、数据库的建立和维护等。
数据库三级模式与两级映像
数据库三级模式
- 外模式：对应数据库视图层，将表进行一定的处理后提供给用户使用。
- 模式：对应逻辑层，又称逻辑模式，根据应用、需求将物理数据划分成一张张表。
- 内模式：对应物理层，管理如何存储物理的数据。
数据库两级映像
- 外模式-模式映像：是表和视图之间的映射，存在于概念级和外部级之间。如果表中的数据发生了修改，只需要修改此映射关系，而无需修改应用程序。
- 模式-内模式映像：是表和数据的物理存储直接的映射，存在于概念级和内部级之间。如果修改了数据存储方式，只需要修改此映射关系，而无需修改应用程序。
数据库设计
- 需求分析：获得用户对系统的三个要求：信息要求、处理要求、系统要求。产出物有：数据流图、数据字典、需求说明书。
- 概念结构设计：设计E-R图，即实体-联系图，工作步骤包括：选择局部应用 、逐一设计分E-R图 、E-R图合并 。产出物：E-R图。
- 逻辑结构设计：将E-R图转成关系模式，工作步骤包括：确定数据模型 、E-R图转为指定的数据模型 、确定完整性约束和确定用户视图 。产出物：关系模式。
- 物理设计：确定数据该如果存储到物理空间，工作步骤包括：确定数据分布 、存储结构 、访问方式 。产出物：数据存储方式与访问方式。
- 数据库实施阶段：根据逻辑设计和物理设计阶段的结果，建立数据库，编制与调试应用程序，组织数据入库，并进行试运行。
- 数据库运行和维护阶段：数据库应用系统经过试运行即可投入运行，该阶段需要不断对系统进行评价、调整与修改。
E-R图合并冲突
- 属性冲突：同一实体的同一个属性在不同的分E-R图中，取值或者数据类型不一样。例如学号在一个分E-R图中用的是数值类型，在另一个分E-R图中用的是字符串类型。解决方式：协商统一。
- 命名冲突：同一实体的相同意义的属性，在不同的分E-R图有不同的意义，包含同名异议和异名同义。例如手机号在一个分E-R图中用的是"手机号"，在另一个分E-R图中用的是"联系方式"。解决方式：协商统一。
- 结构冲突：同一个实体，在不同的分E-R图中属性个数和属性排列次序不完全相同。解决方式：个数不同：保留较多的结构，缺省部分补充。
键和属性
- 超键：能唯一标识表中属性的组合。
- 候选键：超键中去掉冗余的属性，剩余属性就是候选键，候选键可以有一个，也可以有多个。
- 主键：任选一个候选键，即可作为主键。
- 外键：其他表中的主键。
- 主属性：候选键内的属性为主属性，其他属性为非主属性。
- 简单属性：属性不可拆分。
- 复合属性：属性可拆分，例如地址信息，可拆分为省市区。
- 派生属性：可以通过计算得出的属性，例如年龄，可以通过出生日期计算。
- 多值属性：一个属性取值有多个，如一个人可以有多个联系方式。
候选键判定
- 将关系模式的函数依赖关系用"有向图"的方式表示。
- 找入度为0的属性，并以该属性集合为起点，遍历有向图，如果能正常遍历图中所有节点，则该属性为关系模式的候选键。
- 如果入度为0的属性集合不能遍历所有节点，则需要尝试将中间节点并入属性集合中，直到该集合能遍历所有节点。
完整性约束
- 实体完整性约束：即主键约束，主键值不能为空，不可重复。
- 参照完整性约束：即外键约束，外键必须是其他表中已经存在的主键的值，或者为空。
- 自定义完整性约束：根据用户需求自定义，如性别只能是男、女。
数据模型
数据模型分类
关系模型：二维表形式表示的实体-联系模型，是将实体-联系模型转换而来的，经过开发人员设计的。
概念模型：从用户的角度进行建模的，是现实世界到信息世界的第一抽象，是真正的实体-联系模型。
网状模型：实体类型及其实体之间的联系，一个事物和另外几个事物都有联系，形成一张网。
面向对象模型：采用面向对象的方法设计数据库，以对象为单位，每个对象包括属性和方法，具有类和继承等特点。
数据模型三要素
- 数据结构：所研究的对象类型的集合。
- 数据操作：对数据库中各种对象的实例允许执行的操作的集合。
- 数据的约束条件：一组完整性规则的集合。
E-R图
E-R图用来描述概念数据模型，使用椭圆表示属性、长方形表示实体、嵌套长方形表示弱实体（一般没有）、菱形表示联系，联系两端要写联系类型（1对1 、1对多 、多对多 ）。如下图学生选课E-R图：
关系代数
集合运算
集合运算：将每一行都作为一个整体进行计算，包含并运算（∪）、交运算（∩）、差运算（-），它们要求运算对象和运算结果结构相同。
并运算（∪）
并运算：S1∪S2：结果是两张表中所有记录数合并，相同记录只显示一次。
交运算（∩）
交运算：S1∩S2：结果是两张表中相同的记录。
差运算（-）
差运算：S1-S2：结果是S1表中有而S2表中没有的那些记录。
一元运算
一元运算：针对单张表或单个关系模式结果的运算，包括投影（π）和选择（δ）。
投影（π）
投影：类似查询语句中的Select后面的数据列，按条件选择某关系模式中的某列，列也可以用数字表示。例如从S1中选择Sno列和Sname列：
从上述结果可以看出，投影会改变表结构。
选择（δ）
选择：类似查询语句中的Where条件，按条件选择某关系模式中的某条记录。例如从S1中选出学号为N001的数据行：
复杂运算
复杂运算：主要包含笛卡尔积（*）和自然连接（⨝），它们允许运算对象和运算结果结构不同。
笛卡尔积（*）
笛卡尔积：S1*S2：类似查询语句中的联合查询(S1,S2)，结果包括S1和S2的所有属性列，并且S1中的每条记录依次和S2中的所有记录组合成一条新的记录，最终属性列为S1+S2属性列，记录数为S1的记录数*S2的记录数。
自然连接（⨝）
自然连接：显示全部的属性列，去除重复属性列，显示两个关系模式中属性相同且值相同的记录，即所有同名属性列取值相等。
上述自然连接结果，相当于：
S 1 ⨝ S 2 = π 1 , 2 , 3 , 5 ( δ 1 = 4 ( S 1 ∗ S 2 ) ) S1⨝S2 = π_{1,2,3,5}(δ_{1=4}(S1*S2)) S1⨝S2=π1,2,3,5(δ1=4(S1∗S2))
关系代数中，自然连接的性能优于笛卡尔积。
规范化理论
函数依赖
函数依赖：给定一个X，能确定唯一一个Y，就称X确定Y，或者说Y依赖于X。函数依赖又分为部分函数依赖和传递函数依赖：
- 部分函数依赖：A可以确定C，(A, B)可以确定D，(A, B)中的一部分A可以确定C，则称为部分函数依赖。
- 传递函数依赖：当A和B不等价时，A可以确定B，B可以确定C，则A可以确定C，称为传递函数依赖。
函数依赖定律
- 自反律：若Y⊆X⊆U，则X → Y。
- 增广律：若X → Y，且Z⊆U，则XZ → ZY。
- 传递律：若X → Y，Y →Z，则X → Z。
- 合并律：若X → Y，X → Z，则X → YZ。
- 伪传递律：若X → Y，WY → Z，则XW → Z。
- 分解律：若X → Y，Z⊆Y，则X → Z。
范式
第一范式1NF
关系中每个属性不可再分，即每个属性都只能是简单属性，不能是复合属性。
上图不满足第一范式，因为地址属性可以再分，无法在数据库中建表。
第二范式2NF
在第一范式的基础上，消除非主属性对候选键的部分函数依赖，则属于第二范式。
上图不满足第二范式，因为候选键为(学号, 课程号)，而学生姓名依赖于学号，存在非主属性对候选键的部分函数依赖。
如果想解决上述问题，则需要把学号和学生姓名拆成一张表：S1(学号, 课程号, 成绩)；S2(学号, 学生姓名)。
如果候选键有且仅有一个，且满足第一范式，则一定也满足第二范式，因为候选键不可拆分，不存在部分函数依赖。
第三范式3NF
在第二范式的基础上，消除非主属性对候选键的传递函数依赖，则属于第三范式。
上图不满足第二范式，因为候选键为(学号)，班级名称依赖于班级号，班级号依赖于学号，存在非主属性对候选键的传递函数依赖。
如果想解决上述问题，则需要把班级号和班级名称拆成一张表：S1(学号, 学生姓名, 班级号)；S2(班级号, 班级名称)。
BC范式BCNF
在第三范式的基础上，消除主属性对候选键的部分和传递函数依赖，则属于第BC范式。
不是所有的关系都能拆分到BC范式。
假设存在关系模式R(S, T, J)存在关系F={(SJ→ T),(T → J) }，其中候选键为(ST, SJ)，所有属性都为主属性，不存在非主属性，则满足第三范式；存在(T → J)的部分函数依赖，因此不满足BC范式。
第四范式4NF（了解即可）
不允许存在多值函数依赖。
模式分解
保持函数依赖
定理：如果关系模式 R分解为 R1、R2...Rn，则保持函数依赖要求：
原模式 R中的所有函数依赖（FD），可以由分解后各子模式 Ri中的函数依赖逻辑蕴含（即通过子模式的 FD 推导得出）。
例1：关系模式R(A,B,C)，F={A→B, B→C}，将其拆分成R1(A,B)，R2(B, C)，属于函数依赖。
例2：关系模式R(A,B,C)，F={A→B, B→C, A→C}，将其拆分成R1(A,B)，R2(B, C)，属于函数依赖：因为R1(A,B)，R2(B, C)，A→B, B→C，逻辑蕴涵A→C。
可以通过推导得出的函数依赖，称为冗余函数依赖，在考虑是否保存函数依赖时，可以将其忽略，如例2中的A→C。
无损分解
将一个关系模式分解成若干个关系模式，通过自然连接和投影等运算，仍然能还原到原来的关系模式，称为无损分解。
如果两个关系模式没有同名属性列，则一定是有损分解。
定理：如果关系模式R分解为R1、R2，则R1、R2无损分解的充分必要条件是：
R1∩R2 → (R1 - R2) 或 R1∩R2 → (R2 - R1)。
R1∩R2结果为∅，则一定是有损分解。
数据控制
安全性
| 措施 | 说明 |
|---|---|
| 用户标识和鉴定 | 最外层的安全保护措施，可以使用用户账户、口令及随机数检验等方式。 |
| 存取控制 | 对用户授权，包含操作类型（如增、删、改、查等）和数据对象（主要是数据范围）的权限。 |
| 密码存储和传输 | 对远程终端信息用密码传输。 |
| 视图保护 | 对视图进行授权（视图不可修改）。 |
| 审计 | 使用一个专用文件或数据库，自动将用户对数据的所有操作记录下来。 |
故障恢复
- 冷备份：也称静态备份，将数据库正常关闭，在停止状态下，将数据库文件全部备份下来，是最简单、高度安全的。
- 热备份：也称动态备份，利用备份软件，在数据库正常运行的状态下，将数据库中的数据文件备份出来，恢复速度最快，但一旦备份失败，备份可能完全不可用，难以维护。
- 完全备份：备份所有数据
- 差量备份：仅备份上一次完全备份之后变化的数据。
- 增量备份：备份上一次备份后变化的数据。
| 故障关系 | 故障原因 | 解决方法 |
|---|---|---|
| 事物本身的可预期故障 | 本身逻辑 | 在程序中预先设置Rollback语句。 |
| 事物本身的不可预期故障 | 算术溢出、违反存储保护 | 由DBMS的恢复子系统通过日志，撤销事务对数据库的修改，回退到事务初始状态。 |
| 系统故障 | 系统停止运转 | 使用检查点法。 |
| 介质故障 | 外存被破坏 | 使用日志重做业务。 |