数据冗余

1 什么是数据冗余

数据冗余:在一个数据集合中重复的数据称为数据冗余。

例如在设计数据库时，某一字段属于一个表，但它又同时出现在另一个或多个表，且完全等同于它在其本来所属表的意义表示，那么这个字段就是一个冗余字段。

1. 关系数据库中的数据冗余主要是指关系数据库中同一信息数据的重复存贮。

2. 数据冗余浪费了宝贵的资源，应尽量减少。但关系数据库中为实现一些功能有些数据冗余是必需的。必需的数据冗余主要用于以下用途：

①数据间建立联系，如两表间通过共同属性建立联系

②数据恢复，如建立备份文件以备正式文件被破坏时恢复

③数据核查，如设立数据校验位可以检查数据在存贮、传输等过程中的改变

④数据使用的便利，如为了查看数据的直观，使用数据的方便、高效

⑤减少数据通讯开销，如分布式数据库在不同场地重复

2 数据冗余形成的原因

关系数据库由表及附属文件组成，其表由属性定义的结构和元组（记录）组成，其属性值域有多种类型，故关系数据库的数据冗余形成的原因有表的重复、属性的重复、元组的重复、属性值的重复4类。

2.1　表的重复

为了数据安全的需要制作备份表，当主表被破坏时可用此恢复数据。分布式数据库为减少数据通讯开销也常重复放表，这种数据冗余在这里是必需数据冗余，不能删除。若是因其他原因产生的非必要的重复表则应予以删除。

2.2　属性重复

有不同表的属性重复和同一表内属性重复2种情况：

(1) 不同表中属性重复常用来建立表之间联系，这只需要一个公共属性，这是必需数据冗余，不能删除；各表间的多于一个的属性应当删除。如有以下3个表：

T1(A,B,C)；T2(A,B,D)；T3(A,C,D,E)。

其中属性A为三表所共有；属性B为T1,T2 两张表所共有，属性C为T1，T3 两张表所共有；属性D为T2，T3 二表所共有。如取A为公共属性则，T1，T2 两张表中只能保留一个B属性；T1，T3 两张表中只能保留一个C属性；T2，T3 两张表中只能保留一个D属性。

(2) 同一表内有相同属性内容的多个属性，若非数据安全检查的需要，应删除之。

2.3　元组的重复

表内不同记录内容有时会完全相同，若非必要，应予以删除。

2.4　属性值的重复

按属性值域集合基的特点可以将其分为有限类和无限类。

(1) 无限类属性值的重复。无限类属性值是指其属性值域集合的基为无限大或者数据库记录数为同一数量级的属性值，如实数、整数、日期、各种编号。

无限类属性值偶尔也可能重复，但这只是巧合，而并非数据冗余。

(2) 有限类属性值的重复。有限类属性值是指其属性值域集合的基小于数据库记录数至少一个数量级的属性值，如产品名，部门名，职称名，课程名。

有限类属性值的重复实际上是由一对多或多对多的关系引起的，有时可作为必需冗余数据不予以处理，这时不需程序就有较好的查看效果和工作效率。但当重复量很大时，也应当设法对所引起的数据冗余进行压缩，这通常要建立新表和相应的程序。

2.5 不同成因的数据冗余用不同层次上的操作来消除。

①消除表的重复所引起的数据冗余为磁盘文件级的操作

②属性的重复所引起的数据冗余的消除为对数据库结构修改的操作

③元组的重复所引起的数据冗余的消除由记录级的操作完成

3 数据冗余缺点

①数据储存空间浪费

②数据交互和数据库访问执行效率降低

③更新表是需要同步(对于一个字段多个地方引用是致命的)

4 数据冗余优点

①数据交互和数据库访问执行效率高

②有助于数据丢失时，数据恢复

说在最后，数据冗余究竟是好是坏还是要根据自己所做的项目进行合理的取舍。