第3篇：更新异常与规范化设计

第三篇：更新异常与规范化设计

前言

在前两篇中，主要讲了ER建模和关系建模。在具体分析如何用数据库管理软件RDBMS(Relational Database Management System)实现这些关系前，我想有必要思考下面这个问题：

问什么要这么麻烦？为什么又是ER建模又是关系建模的？

本篇的出发点就是回答这个问题。然而某种程度上，也是回答另一个本质性的问题：为什么要有数据库？

更新异常

数据库的四大操作：增，删，改，查中，除了查，其他三个都可归为更新操作。而总的来说，ER建模和关系建模的目的，就是为了避免因大量冗余数据导致的数据库更新异常。

接下来本文将使用一张旅游公司的数据表，来具体分析没有ER建模和关系建模将导致的问题。

该数据表将由以下这些列组成：

下面是该表内的一部分数据：

(字看不清的话请将图片下载到本地观看)

看到这张表的第一眼，就能发现有很多冗余数据存在，比如红框中的部分：

为什么信息冗余会导致更新异常呢？下面将对三种更新操作：插入，删除，修改可能出现的异常分别进行分析。

1. 插入异常(insertion anomaly)

这种异常是指当用户想要插入某一真实世界的实体数据时，还必须输入另一个真实世界中实体的数据。

举例来说，公司业务发展，新建了一个“家庭主妇团”的模式。但我要想往表里录入一个新的模式，还必须绑定地录入一个新的活动。

2. 删除异常(deletion anomaly)

这种异常是指当用户要删除某一真实世界的实体数据时，还必须删除另一个真实世界中实体的数据。

举例来说，假如删除下图红框中的记录：

(字看不清的话请将图片下载到本地观看)

就会导致把“老年人团”这种模式的相关数据也给清除掉了。

3. 修改异常(modification anomaly)

这种异常是指当用户要修改某个值的时候，同样的修改操作需要重复多次。

举例来说，假如公司为了吸引客户，决定多送一天，因而需要将”云南七日游“的持续时间改为8天。这时需要改动的地方就有三处了，如下图红框中所示：

函数依赖

上述的这些更新异常，都可通过规范化设计的方式避免。在详细介绍规范化设计之前，首先来讨论一个重要的概念：函数依赖(functional dependency)。

函数依赖，是指关系中每行记录的某一列(或几列)的值唯一决定该条记录另一列的值。总的来说，有以下几种函数依赖：

1. 平凡函数依赖(trivial functional dependency)

是指一个或多个属性确定它自己，或者它的子集。如本文样例数据集中TravelCampaignID,TravelCampaignName -> TravelCampaignID就是一个平凡函数依赖。

注：这种依赖在规范化中不会被用到。

2. 增广函数依赖(augmented functional dependency)

是指某个依赖式为真，则依赖式左侧，或者两侧同时增加某语句形成的一种依赖关系。如本文样例数据集中TravelCampaignID,ModleID -> TravelCampaignName。因为只需要TravelCampaignID就能够确定TravelCampaignName了。

注：这种依赖在规范化中不会被用到。

3. 等价函数依赖(equivalent functional dependency)

这种依赖关系是一对对的。比如若A->B和B->A都为真，那么A能推出来的，B同样也能推出来，因此A->B和B->A就被称作等价函数依赖。如本文样例数据集中TravelCampaignID-> TravelCampaignName和TravelCampaignName-> TravelCampaignID。

注：这种依赖只需保留一组依赖关系即可，但它不属于规范化的范畴。

4. 部分函数依赖(partial functional dependency)

是指关系的一列函数依赖于组合主码的一部分。显然这种依赖只有组合主码才存在。如本文样例数据中ModelID->ModelName，因为记录的复合主码(TravelCampaignID, ModelID)能确定记录的任何一列，ModelID只是该复合主码的一部分。

注：这种依赖关系属于规范化范畴。

5. 完全函数依赖(full key functional dependency)

是指复合主码函数确定关系中的其他列，并且复合主码的任意部分不能单独确定其他列。这个概念和上面的部分函数依赖显然是对立的。

注：这种依赖关系属于规范化范畴。

6. 传递函数依赖(transitive functional dependency)

是指非码列函数确定关系中的其他非码列。如本文样例数据中CampaignManangerID->CampaignManangerName显然就是一个传递函数依赖。

这六种函数依赖中只有后面三种和规范化设计有关。前面三种则因为对改进冗余信息并没有帮助，不纳入规范化过程中。

规范化

规范化设计能够有效的避免数据冗余导致的更新异常，它基于范式思想。一个关系是否满足某种范式通常要看它是否不包含某个函数依赖。

下面首先来看看这几个范式的定义：

1. 第一范式(1NF)

一个表如果每一行都是唯一，并且任何行都没有包含多个值的列，则它满足1NF。但对于关系表来说，真正的规范化过程从第二范式开始，因为关系表本身已经满足1NF了。

2. 第二范式(2NF)

一个表如果满足1NF，并且不包含部分函数依赖，则这个表满足2NF。

3. 第三范式(3NF)

一个表如果满足2NF，并且不包含传递函数依赖，则这个表满足3NF。

至于3NF以上的范式，则基于其他函数依赖，对于减少数据冗余消除异常没有多大帮助。这里就不再介绍了。

对样例数据进行第三范式规范化后，结果如下(红字列对应主码)：

旅行活动表：

业务经理表：

游玩模式表：

旅行活动 - 游玩模式联系表：

现在请读者自行思考一下，更新异常解决了吗？答案是肯定的。但是也不能说100%的冗余信息都去除了，比如说外码的映射关系就重复了一次。

那么如果要对外码进行变更，有什么办法保证不异常呢？这部分内容将在第五篇 讲解。

规范化的例外情况

并不是说所有的关系都必须满足3NF，没有那么绝对。有些时候可以考虑降到2NF。

比如说下面这个是某公司销售经理信息表：

这张表并不满足3NF，因为邮编和城市之间存在了部分函数依赖，从而有信息冗余(见上图红框部分)。但由于该公司同一地区最多只有两名销售经理，因此冗余情况很少，规范化到3NF让表设计显得过于复杂化了。因此这种情况可以考虑不升级到3NF，让上层实现去解决冗余问题。

ER建模，关系建模与规范化设计

看到这里，它们之间的关系也就呼之欲出了。这些建模工作的作用，就是能够让设计的关系更容易满足规范化设计中的(第三)范式要求，从而减少数据冗余，消除更新异常。

在实际开发中，绝大部分情况还是按着ER建模->关系建模->物理模型建模来走。这样设计出来的表绝大部分满足第三范式，只有小部分地方需要调整一下，根据实际情况决定是选用3NF还是2NF，其中前者占大多数情况。

不按这个套路来，后果就是前文提到的那一堆更新异常。

小结

看完本文的分析，读者应该明白了前两篇所做的工作：ER建模和关系建模的根本意义所在，也应该体会到了关系数据库理论的价值。

接下来的一篇，将讲解如何具体在数据库管理软件RDBMS里创建这些表，以及如何对这些表进行增，删，改，查等操作。这些工作将使用到大名鼎鼎的SQL，它是目前最受数据分析师，数据挖掘工程师们欢迎的语言。