[原创] 基础中的基础（三）：理解数据库的几种键和几个范式

　　在上学的时候，数据库是一门让我比较头大的课程。记得当时教材上净是一些晦涩难懂的语言，没有充足的实例来帮助理解。前一阵子在看《网络游戏服务器端编程》的过程中，突然对数据库范式有了一些感觉，在此总结一下，分享给大家。作者纯菜鸟，即使总结这些基础知识也难免有错，希望给位大牛不吝赐教，谢谢！

　　键（关系键）以及数据库范式都是关系数据库的概念。所谓关系键，指的是一个表中的一个（或一组）属性，用来标识该表的每一行或与另一个表产生联系。

　　数据库的”范式“，指的是设计数据库的规则。按照一定的规则设计出数据库的表和关系，能够避免在一些情况下的查询出错，并具有良好的结构。总的来说，随着范式等级的提高，数据表属性之间的依赖关系越来越小，数据冗余越来越低。但同时，数据关系变得更加复杂，访问一个具体数据的关系层次增加。所以像设计模式一样，不应盲目追求范式等级，应根据具体需求来选择范式。

 

　　我们先来看一下几种常见的数据库关系键：

　　1、超键（super key）：能够唯一标识一条记录的属性或属性集。

• • 标识性：一个数据表的所有记录都具有不同的超键
  • 非空性：不能为空

　　2、候选键（candidate key）：能够唯一标识一条记录的最小属性集

• • 标识性：一个数据表的所有记录都具有不同的候选键
  • 最小性：候选键的任何子集都不能唯一标识一个记录
  • 非空性：不能为空
  • 候选键是没有多余属性的超键

　　3、主键（主码、primary key）：某个能够唯一标识一条记录的最小属性集

• • 唯一性：一个数据表只能有一个主键
  • 标识性：一个数据表的所有记录都具有不同的主键取值
  • 非空性：不能为空
  • 选取某个候选键为主键

　　4、外键（foreign key）：子数据表中出现的父数据表的主键，称为子数据表的外键。

　　5、代理键：当不适合用任何一个候选键作为主键时（如数据太长等），添加一个没有实际意义的键作为主键，这个键就是代理键。（如常用的序号1、2、3）

　　6、自然键：自然生活中唯一能够标识一条记录的键（如身份证）

 

　　下面就来看一下常见的几种关系数据库范式吧。

 

一、第一范式（1NF）

　　要求：

• 　　每一个属性都不能再分割，都是原子项。

　　第一范式是关系型数据表的基本要求，但是如何判断一个属性能否再分割呢？这没有统一的标准，需要依照需求确定。比如，我们要设计一个网络游戏后台所用的数据库，其中有一个数据表，记录有关于击杀怪物所获得的金钱：

编号	怪物名	掉落金钱
1	巨熊	100

 　　这个表格看上去并没有什么问题。每一个属性项都是”不可分割“的，所以符合第一范式。但是，如果我们希望把玩家击杀怪物之后获得的金钱分成两部分，一部分是固定收益，另一部分是一个随机的浮动收益（比如和玩家幸运值有关）。则这张表格中的”掉落金钱“项就不是”不可分割“了，也就不符合第一范式了。如果有这种需求，我们就可以把”掉落金钱“分割为”固定金钱“和”浮动金钱“两部分。如下所示：

编号	怪物名	固定金钱	浮动金钱
1	巨熊	80	20

　　这样分割之后，使得每一项都不能再分割，从而使得数据表满足第一范式。 

　　满足第一范式的数据表有什么好处呢？

1. 1NF保证了数据库的每一列都是不同的。每一列的数据彼此没有任何交集。
2. 这样做首先减少了数据的冗余，节省存储空间。如果不满足第一范式，一些数据项有可能包含相同的”子项“，造成存储空间的浪费。
3. 其次，每一列没有重复的数据意味着不需要考虑数据更新的同步问题。不用担心在一列中更新了数据，还要在另一列做相应修改。
4. 另外，每一列的数据不可再分，在某些情况下减少了数据访问的层数，提高数据访问速度。

 

二、第二范式（2NF）

　　要求：

• 满足第一范式
• 非主键属性均完全依赖于主键

 　　非主键属性和主键可以有什么关系？1、完全依赖。2、部分依赖。3、不依赖（没关系）。显然第三种情况下，这个属性就不应该放在这张数据表中。所以2NF要求非主键属性完全依赖于主键，就是在消除非主键属性对主键的部分函数依赖。既然是部分函数依赖，暗含着说主键是一个复合键（由多个属性组成的键）。如果某个非主键属性只和主键中的一部分有关（部分函数依赖），则不符合第二范式。举例，网络游戏的用户数据表：

玩家用户名	角色名	角色职业	上次登录时间
Alice	superman	wizard	2013-11-4

　　如果我们的游戏允许一个玩家拥有多个角色，则在这张表中“玩家用户名”和“角色名”构成复合主键，唯一标识一条记录。表中的“角色职业”，与玩家用户名和角色名均相关，为完全依赖于主键。而“上次登录时间”仅和“玩家用户名”相关，而与角色名无关。所以“上次登录时间”部分函数依赖于主键。本关系不符合2NF。

　　要将上表转换为符合2NF的结构也很简单，只要把部分函数依赖的部分抽出来，组成新的表即可。如下所示：

玩家用户名	角色名	角色职业
Alice	superman	wizard

 

玩家用户名	上次登录时间
Alice	2013-11-4

　　符合2NF能给我们带来什么好处呢？2NF消除了属性对主键的部分函数依赖。

　　首先，2NF可以在一定程度上消除冗余，节省存储空间。

　　如果存在部分函数依赖，则可能存在数据冗余。在多条记录中，主键中的某一个属性可能是一样的，而如果有其他数据项函数依赖于这个不变的属性，则这些数据项也将是一样的。比如在上面例子中，在修改之前的表中，如果有多个角色名对应一个玩家用户名，则会有多条数据。它们具有一样的用户名和不同的角色名。由于上次登录时间仅依赖于玩家用户名，所以在这多条记录中，上次登录时间也都是相同的，造成了冗余。

　　其次，2NF简化了表的逻辑关系，使得表的结构更加清晰。

 

三、第三范式（3NF）

　　要求：

• 满足第一、二范式
• 所有非主键属性之间没有函数依赖关系

　　3NF在2NF的基础上，进一步消除非主键属性之间的函数依赖关系。实质上，也是消除非主键属性中的传递依赖。更进一步地说，如果两个数据表有关系。那么这两个数据表中的非主键属性必须是不同的。如果存在一个非主键属性A，存在于两张表中。则在某张表中，A依赖于外键，从而不符合3NF。比如网络游戏中拍卖行的数据，可以按照下面的表格进行存储：

玩家姓名	物品名	单价	数量	总金额
Alice	治疗药剂	50	10	500

　　在这个表格中，“总金额”项可以通过“单价”和“数量”运算得出，存在函数依赖关系，不满足3NF。

　　要将这个表格修改为满足3NF的要求，只需要从表中删除“总金额”即可。在另外一些情况中，可以将函数依赖关系涉及到的项单独抽出来组成新的表，需要具体情况具体分析。

　　3NF的优点很明显，可以减少数据冗余，节省存储空间。既然存在函数依赖，某些数据项就能够通过其他数据项计算得出，很可能存在数据冗余。值得注意的是，在一些情况下，存在这种数据冗余的表格是有意义的。如果在表格中存储着某些运算的结果，我们在使用这些结果时就不用进行运算了，节省了运算时间，是一种“空间换时间”的做法。从这里也可以看出，应用范式并不能够保证最好的效果，需要根据应用需求进行合理取舍。

  

四、BC范式（boyce-codd范式，BCNF）

　　要求：

• 满足1NF、2NF、3NF 
• 所有属性（包含主键属性和非键主属性）都不传递依赖于任何候选键

　　BC范式在3NF的基础上，要求主键属性也不能传递依赖于任何候选键。当主键是复合键是，主键的某个属性可能会依赖于某个候选键。此时，关系能够符合3NF，因为并不是“非主键”属性依赖于某个非主键属性。但此关系并不符合BC范式。例如，在以房间为组织方式的游戏中，我们记录某个玩家、房间和房主的关系。

房主ID	房间ID	玩家ID
Alice	123	Bob

　　表中的依赖关系有：

1. （玩家ID，房间ID）-> 房主ID
2. 房主ID -> 房间ID
3. （玩家ID，房主ID）-> 房间ID

　　同时，表中的候选键有（玩家ID，房间ID）、（玩家ID，房主ID）。比如，我们选择主键为（玩家ID，房间ID），那么，房间ID就是主键的一个属性。而在依赖关系2中，房间ID依赖于房主ID，房主ID是候选键（玩家ID，房主ID）的一个属性。那么，首先，由于房间ID不是候选键属性，所以此表并没有违反3NF。但是由于房间ID和房主ID存在依赖关系，所以满足“主键属性传递依赖于某个候选键”的条件，所以此表不符合BC范式。

　　要把上表修改为满足BC范式的形式，只要把它进行合理拆分即可。

房间ID	玩家ID
123	Bob

 

房间ID	房主ID
123	Alice

 　　BC范式的好处是进一步消除了表中的依赖关系，减少了冗余。例如在上例中，如果我们采用未修改的版本，如果想要存储一个10个玩家（不含房主）的房间，就需要10条这样的记录才可以。

  

五、第四范式

　　要求：

• 满足1NF、2NF、3NF
• 表中不能包含一个实体的两个或多个多值属性

　　所谓多值属性，指的是某个属性可以包含多个值。这个属性的（多个）取值，被另一个属性决定。也就是说，一旦确定了某个属性，另一个属性的多个取值就一起确定了。第四范式在第三范式的基础上，消除多值依赖。所谓多值依赖，指的是一组值（多值属性）依赖于另一个属性。函数依赖是一对一的关系，多值依赖是一对多的关系。这个理解起来我感觉有点别扭，可能我的理解也有偏差，说出来和大家一起探讨一下。

　　比如，我们要在数据库中保存玩家的角色技能信息，这里我们允许一个玩家具有多个角色，一个角色具有多个技能：

 

玩家ID	角色名	技能
Alice	superman	Fire ball

　　首先，这个表只有一个候选键（玩家ID、角色名、技能）。所以肯定符合3NF。进一步观察一下，玩家ID是一个单值属性。角色名就是一个多值属性了，因为一个玩家ID可以对应多个角色名。角色名在表中看起来是一项，这是由于受制于具体数据库提供的功能。逻辑上，我们拿到一个玩家ID，可以确定的是，这个玩家具有某些角色，是一个一对多的关系，是多值依赖。角色名是一个多值属性。同样的，一个角色也对应着多个技能，这也是多值依赖。技能也是一个多值属性。显然，这个表并不符合4NF。

　　这个表有什么问题呢？

　　首先，数据冗余大，如果一个玩家有好几个具有Fire Ball技能的角色，这个技能项就要重复保存几次。

　　其次，增、删、改都比较复杂，比如我们要删除Fire Ball技能，那么，我们要删除这个玩家所有具有Fire Ball技能的表项。

　　要将上表修改为符合4NF的表，只需要将多值依赖进行合理映射即可：

玩家ID	角色名
Alice	superman

 

角色名	技能
superman	Fire ball

　　这两个表都符合4NF。

　　可以看出，4NF的使用可以降低数据冗余，并且减少数据处理复杂度。

  

六、第五范式

要求：

• 满足1NF、2NF、3NF、4NF
• 如果将表中的多元关系分解一个一个的二元关系，一定会丢失信息

　　第五范式在4NF的基础上，进一步消除依赖。第五范式的要求明，如果不用这个表就不能正确说明数据之间的联系。所以符合5NF的表已经没有任何多余依赖的存在了。所以第五范式是一个比较理想的范式。比如我们存储玩家对战和其发生地点：

玩家1	玩家2	对战地点
Alice	Lisa	竞技场1
Alice	Bob	竞技场2
Bob	Lisa	竞技场1

　　现在，我们把它拆分成三个二元关系：

玩家1	玩家2
Alice	Lisa
Alice	Bob
Bob	Lisa

 

玩家1	对战地点
Alice	竞技场1
Alice	竞技场2
Bob	竞技场1

 

玩家2	对战地点
Lisa	竞技场1
Bob	竞技场2
Lisa	竞技场1

 

　　单独看这三个子表，我们可以得出以下结论：

1. Alice和Bob对战过
2. Alice在竞技场1和竞技场2都进行过对战
3. Bob在竞技场1和竞技场2都进行过对战（结合第二、三个表）

 

　　从这三个独立的结论，我们无法得知Alice和Bob究竟在那个竞技场进行的对战，也就是发生了信息丢失。所以上边那个表是符合5NF的。

 

　　好了，6个范式都看完啦，简单总结一下：

范式等级	说明
1NF	每一列都是原子项，不可分割
2NF	非主键属性均完全依赖于主属性，消除部分依赖
3NF	所有非主键属性之间没有依赖关系，消除传递依赖
BCNF	所有属性均不传递依赖于任何候选键
4NF	表中不包含超过一个多值属性，消除多值依赖
5NF	将表拆分为二元关系，一定会损失信息

 

 

　　感谢您看到这里！希望对您有一点帮助，欢迎批评和讨论! ^_^

 

　　其他博客：

　　基础中的基础（二）：C/C++ 中 const 修饰符用法总结

　　基础中的基础（一）：简单排序算法总结（附代码）