什么是数据结构？数据结构是什么？
 
 
 
数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。数据结构往往同高效的检索算法和索引技术有关。
 
 
 
定义
 
名词定义
 
数据结构是指相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成。也就是说，数组结构指的是数据集合及数据之间关系的集合，是两个集合。
 
记为：Data_Structure=(D,R)
 
其中D是数据元素的集合，R是该集合中所有元素之间的关系的有限集合。 
 
数据结构是指相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成。
 
 
 
其它定义
 
Sartaj Sahni在他的《数据结构、算法与应用》一书中称：“数据结构是数据对象，以及存在于该对象的实例和组成实 例的数据元素之间的各种联系。这些联系可以通过定义相关的函数来给出。”他将数据对象（data object）定义为“一个数据对象是实例或值的集合”。
 Clifford A.Shaffer在《数据结构与算法分析》一书中的定义是：“数据结构是ADT（抽象数据类型Abstract Data Type） 的物理实现。”
 Robert L.Kruse在《数据结构与程序设计》一书中，将一个数据结构的设计过程分成抽象层、数据结构层和实现层。其中，抽象层是指抽象数据类型层，它讨论数据的逻辑结构及其运算，数据结构层和实现层讨论一个数据结构的表示和在计算机内的存储细节以及运算的实现。
 数据结构具体指同一类数据元素中，各元素之间的相互关系，包括三个组成成分，数据的逻辑结构，数据的存储结构和数据运算结构。
 
 
 
研究对象
 
一、数据的逻辑结构：指反映数据元素之间的逻辑关系的数据结构，其中的逻辑关系是指数据元素之间的前后件关系，而与他们在计算机中的存储位置无关。逻辑结构包括：
 集合
 数据结构中的元素之间除了“同属一个集合” 的相互关系外，别无其他关系；
 2.线性结构
 数据结构中的元素存在一对一的相互关系；
 3.树形结构
 数据结构中的元素存在一对多的相互关系；
 4.图形结构
 数据结构中的元素存在多对多的相互关系。
 二、数据的物理结构：指数据的逻辑结构在计算机存储空间的存放形式。 
 数据的物理结构是数据结构在计算机中的表示（又称映像），它包括数据元素的机内表示和关系的机内表示。由于具体实现的方法有顺序、链接、索引、散列等多种，所以，一种数据结构可表示成一种或多种存储结构。
 数据元素的机内表示（映像方法）： 用二进制位（bit）的位串表示数据元素。通常称这种位串为节点（node）。当数据元素有若干个数据项组成时，位串中与个数据项对应的子位串称为数据域（data field）。因此，节点是数据元素的机内表示（或机内映像）。
 关系的机内表示（映像方法）：数据元素之间的关系的机内表示可以分为顺序映像和非顺序映像，常用两种存储结构：顺序存储结构和链式存储结构。顺序映像借助元素在存储器中的相对位置来表示数据元素之间的逻辑关系。非顺序映像借助指示元素存储位置的指针（pointer）来表示数据元素之间的逻辑关系。
 三、数据结构的运算。
 
 
 
重要意义
 
          一般认为，一个数据结构是由数据元素依据某种逻辑联系组织起来的。对数据元素间逻辑关系的描述称为数据的逻辑结构；数据必须在计算机内存储，数据的存储结构是数据结构的实现形式，是其在计算机内的表示；此外讨论一个数据结构必须同时讨论在该类数据上执行的运算才有意义。一个逻辑数据结构可以有多种存储结构，且各种存储结构影响数据处理的效率。
 
         在许多类型的程序的设计中，数据结构的选择是一个基本的设计考虑因素。许多大型系统的构造经验表明，系统实现的困难程度和系统构造的质量都严重的依赖于是否选择了最优的数据结构。许多时候，确定了数据结构后，算法就容易得到了。有些时候事情也会反过来，我们根据特定算法来选择数据结构与之适应。不论哪种情况，选择合适的数据结构都是非常重要的。
 
         选择了数据结构，算法也随之确定，是数据而不是算法是系统构造的关键因素。这种洞见导致了许多种软件设计方法和程序设计语言的出现，面向对象的程序设计语言就是其中之一。
 
 
 
研究内容
 
         在计算机科学中，数据结构是一门研究非数值计算的程序设计问题中计算机的操作对象（数据元素）以及它们之间的关系和运算等的学科，而且确保经过这些运算后所得到的新结构仍然是原来的结构类型。
 
         “数据结构”作为一门独立的课程在国外是从1968年才开始设立的。 1968年美国唐纳德·克努特（Donald Ervin Knuth）教授开创了数据结构的最初体系，他所著的《计算机程序设计艺术》第一卷《基本算法》是第一本较系统地阐述数据的逻辑结构和存储结构及其操作的著作。“数据结构”在计算机科学中是一门综合性的专业基础课，数据结构是介于数学、计算机硬件和计算机软件三者之间的一门核心课程。数据结构这一门课的内容不仅是一般程序设计（特别是非数值性程序设计）的基础，而且是设计和实现编译程序、操作系统、数据库系统及其他系统程序的重要基础。
 
         计算机科学是一门研究用计算机进行信息表示和处理的科学。这里面涉及到两个问题：信息的表示，信息的处理 。
 
         而信息的表示和组织又直接关系到处理信息的程序的效率。随着计算机的普及，信息量的增加，信息范围的拓宽，使许多系统程序和应用程序的规模很大，结构又相当复杂。因此，为了编写出一个“好”的程序，必须分析待处理的对象的特征及各对象之间存在的关系，这就是数据结构这门课所要研究的问题。众所周知，计算机的程序是对信息进行加工处理。在大多数情况下，这些信息并不是没有组织，信息（数据）之间往往具有重要的结构关系，这就是数据结构的内容。数据的结构，直接影响算法的选择和效率。
 
         计算机解决一个具体问题时，大致需要经过下列几个步骤：首先要从具体问题中抽象出一个适当的数学模型，然后设计一个解此数学模型的算法（Algorithm），最后编出程序、进行测试、调整直至得到最终解答。
 
         寻求数学模型的实质是分析问题，从中提取操作的对象，并找出这些操作对象之间含有的关系，然后用数学的语言加以描述。当人们用计算机处理数值计算问题时，所用的数学模型是用数学方程描述。所涉及的运算对象一般是简单的整形、实型和逻辑型数据，因此程序设计者的主要精力集中于程序设计技巧上，而不是数据的存储和组织上。然而，计算机应用的更多领域是“非数值型计算问题”，它们的数学模型无法用数学方程描述，而是用数据结构描述，解决此类问题的关键是设计出合适的数据结构，描述非数值型问题的数学模型是用线性表、树、图等结构来描述的。
 
         计算机算法与数据的结构密切相关，算法无不依附于具体的数据结构，数据结构直接关系到算法的选择和效率。运算是由计算机来完成，这就要设计相应的插入、删除和修改的算法 。也就是说，数据结构还需要给出每种结构类型所定义的各种运算的算法。
 
         数据是信息的载体，是可以被计算机识别存储并加工处理的描述客观事物的信息符号的总称。所有能被输入计算机中，且能被计算机处理的符号的集合，它是计算机程序加工处理的对象。客观事物包括数值、字符、声音、图形、图像等，它们本身并不是数据，只有通过编码变成能被计算机识别、存储和处理的符号形式后才是数据。
 
         数据元素是数据的基本单位，在计算机程序中通常作为一个整体考虑。一个数据元素由若干个数据项组成。数据项是数据结构中讨论的最小单位。有两类数据元素：若数据元素可再分，则每一个独立的处理单元就是数据项，数据元素是数据项的集合；若数据元素不可再分，则数据元素和数据项是同一概念，如：整数"5"，字符 "N" 等。例如描述一个学生的信息的数据元素可由下列6个数据项组成。其中的出生日期又可以由三个数据项："年"、"月"和"日"组成，则称"出生日期"为组合项，而其它不可分割的数据项为原子项。
 
         关键字指的是能识别一个或多个数据元素的数据项。若能起唯一识别作用，则称之为 "主" 关键字，否则称之为 "次" 关键字。
 
         数据对象是性质相同的数据元素的集合，是数据的一个子集。数据对象可以是有限的，也可以是无限的。
 
         数据处理是指对数据进行查找、插入、删除、合并、排序、统计以及简单计算等的操作过程。在早期，计算机主要用于科学和工程计算，进入八十年代以后，计算机主要用于数据处理。据有关统计资料表明，计算机用于数据处理的时间比例达到80%以上，随着时间的推移和计算机应用的进一步普及，计算机用于数据处理的时间比例必将进一步增大。
 
 
 
结构分类
 
         数据结构是指同一数据元素类中各数据元素之间存在的关系。数据结构分别为逻辑结构、存储结构（物理结构）和数据的运算。数据的逻辑结构是从具体问题抽象出来的数学模型，是描述数据元素及其关系的数学特性的，有时就把逻辑结构简称为数据结构。逻辑结构是在计算机存储中的映像，形式地定义为（K，R）（或（D，S）），其中，K是数据元素的有限集，R是K上的关系的有限集。
 
         根据数据元素间关系的不同特性，通常有下列四类基本的结构： ⑴集合结构。该结构的数据元素间的关系是“属于同一个集合”。 ⑵线性结构。该结构的数据元素之间存在着一对一的关系。 ⑶树型结构。该结构的数据元素之间存在着一对多的关系。 ⑷图形结构。该结构的数据元素之间存在着多对多的关系，也称网状结构。 从上面所介绍的数据结构的概念中可以知道，一个数据结构有两个要素。一个是数据元素的集合，另一个是关系的集合。在形式上，数据结构通常可以采用一个二元组来表示。
 
         数据结构的形式定义为：数据结构是一个二元组 ：Data_Structure=（D，R），其中，D是数据元素的有限集，R是D上关系的有限集。线性结构的特点是数据元素之间是一种线性关系，数据元素“一个接一个的排列”。在一个线性表中数据元素的类型是相同的，或者说线性表是由同一类型的数据元素构成的线性结构。在实际问题中线性表的例子是很多的，如学生情况信息表是一个线性表：表中数据元素的类型为学生类型; 一个字符串也是一个线性表：表中数据元素的类型为字符型，等等。
 
         线性表是最简单、最基本、也是最常用的一种线性结构。 线性表是具有相同数据类型的n(n>=0)个数据元素的有限序列，通常记为： (a1，a2，… ai-1，ai，ai+1，…an) ，其中n为表长， n=0 时称为空表。 它有两种存储方法：顺序存储和链式存储，它的主要基本操作是插入、删除和检索等。
 
         数据结构在计算机中的表示（映像）称为数据的物理（存储）结构。它包括数据元素的表示和关系的表示。数据元素之间的关系有两种不同的表示方法：顺序映象和非顺序映象，并由此得到两种不同的存储结构：顺序存储结构和链式存储结构。
 
         顺序存储方法：它是把逻辑上相邻的结点存储在物理位置相邻的存储单元里，结点间的逻辑关系由存储单元的邻接关系来体现，由此得到的存储表示称为顺序存储结构。顺序存储结构是一种最基本的存储表示方法，通常借助于程序设计语言中的数组来实现。
 
         链接存储方法：它不要求逻辑上相邻的结点在物理位置上亦相邻，结点间的逻辑关系是由附加的指针字段表示的。由此得到的存储表示称为链式存储结构，链式存储结构通常借助于程序设计语言中的指针类型来实现
 
         索引存储方法：除建立存储结点信息外，还建立附加的索引表来标识结点的地址。
 
         散列存储方法：就是根据结点的关键字直接计算出该结点的存储地址。
 
         数据结构中，逻辑上（逻辑结构：数据元素之间的逻辑关系）可以把数据结构分成线性结构和非线性结构。线性结构的顺序存储结构是一种顺序存取的存储结构，线性表的链式存储结构是一种随机存取的存储结构。线性表若采用链式存储表示时所有结点之间的存储单元地址可连续可不连续。逻辑结构与数据元素本身的形式、内容、相对位置、所含结点个数都无关。
 
 
 
结构算法
 
         算法的设计取决于数据（逻辑）结构，而算法的实现依赖于采用的存储结构。数据的存储结构实质上是它的逻辑结构在计算机存储器中的实现，为了全面的反映一个数据的逻辑结构，它在存储器中的映象包括两方面内容，即数据元素之间的信息和数据元素之间的关系。不同数据结构有其相应的若干运算。数据的运算是在数据的逻辑结构上定义的操作算法，如检索、插入、删除、更新和排序等。
 
         数据的运算是数据结构的一个重要方面，讨论任一种数据结构时都离不开对该结构上的数据运算及其实现算法的讨论。
 数据结构不同于数据类型，也不同于数据对象，它不仅要描述数据类型的数据对象，而且要描述数据对象各元素之间的相互关系。
 
         数据类型是一个值的集合和定义在这个值集上的一组操作的总称。数据类型可分为两类：原子类型、结构类型。一方面，在程序设计语言中，每一个数据都属于某种数据类型。类型明显或隐含地规定了数据的取值范围、存储方式以及允许进行的运算。可以认为，数据类型是在程序设计中已经实现了的数据结构。另一方面，在程序设计过程中，当需要引入某种新的数据结构时，总是借助编程语言所提供的数据类型来描述数据的存储结构。
 
         计算机中表示数据的最小单位是二进制数的一位，叫做位。我们用一个由若干位组合起来形成的一个位串表示一个数据元素，通常称这个位串为元素或结点。当数据元素由若干数据项组成时，位串中对应于各个数据项的子位串称为数据域。元素或结点可看成是数据元素在计算机中的映象。
 
         一个软件系统框架应建立在数据之上，而不是建立在操作之上。一个含抽象数据类型的软件模块应包含定义、表示、实现三个部分。
 对每一个数据结构而言，必定存在与它密切相关的一组操作。若操作的种类和数目不同，即使逻辑结构相同，数据结构能起的作用也不同。
 
         不同的数据结构其操作集不同，但下列操作必不可缺：
          1,结构的生成；
          2.结构的销毁；
          3,在结构中查找满足规定条件的数据元素；
          4,在结构中插入新的数据元素；
          5,删除结构中已经存在的数据元素；
          6,遍历。
 
         抽象数据类型：一个数学模型以及定义在该模型上的一组操作。抽象数据类型实际上就是对该数据结构的定义。因为它定义了一个数据的逻辑结构以及在此结构上的一组算法。抽象数据类型可用以下三元组表示：（D，S，P）。D是数据对象，S是D上的关系集，P是对D的基本操作集。ADT的定义为：
 
         ADT 抽象数据类型名：{数据对象：（数据元素集合），数据关系：（数据关系二元组结合），基本操作：（操作函数的罗列）}； ADT抽象数据类型名;抽象数据类型有两个重要特性：
 
         数据抽象
 
         用ADT描述程序处理的实体时，强调的是其本质的特征、其所能完成的功能以及它和外部用户的接口（即外界使用它的方法）。
 
         数据封装
 
         将实体的外部特性和其内部实现细节分离，并且对外部用户隐藏其内部实现细节。
 
         数据（Data）是信息的载体，它能够被计算机识别、存储和加工处理。它是计算机程序加工的原料，应用程序处理各种各样的数据。计算机科学中，所谓数据就是计算机加工处理的对象，它可以是数值数据，也可以是非数值数据。数值数据是一些整数、实数或复数，主要用于工程计算、科学计算和商务处理等；非数值数据包括字符、文字、图形、图像、语音等。数据元素（Data Element）是数据的基本单位。在不同的条件下，数据元素又可称为元素、结点、顶点、记录等。例如，学生信息检索系统中学生信息表中的一个记录等，都被称为一个数据元素。
 有时，一个数据元素可由若干个数据项（Data Item）组成，例如，学籍管理系统中学生信息表的每一个数据元素就是一个学生记录。它包括学生的学号、姓名、性别、籍贯、出生年月、成绩等数据项。这些数据项可以分为两种：一种叫做初等项，如学生的性别、籍贯等，这些数据项是在数据处理时不能再分割的最小单位；另一种叫做组合项，如学生的成绩，它可以再划分为数学、物理、化学等更小的项。通常，在解决实际应用问题时是把每个学生记录当作一个基本单位进行访问和处理的。
 
         数据对象（Data Object）或数据元素类（Data Element Class）是具有相同性质的数据元素的集合。在某个具体问题中，数据元素都具有相同的性质（元素值不一定相等），属于同一数据对象（数据元素类），数据元素是数据元素类的一个实例。例如，在交通咨询系统的交通网中，所有的顶点是一个数据元素类，顶点A和顶点B各自代表一个城市，是该数据元素类中的两个实例，其数据元素的值分别为A和B。 数据结构（Data Structure）是指互相之间存在着一种或多种关系的数据元素的集合。在任何问题中，数据元素之间都不会是孤立的，在它们之间都存在着这样或那样的关系，这种数据元素之间的关系称为结构。
 
 
 
常用结构
 
数组
          在程序设计中，为了处理方便， 把具有相同类型的若干变量按有序的形式组织起来。这些按序排列的同类数据元素的集合称为数组。在C语言中， 数组属于构造数据类型。一个数组可以分解为多个数组元素，这些数组元素可以是基本数据类型或是构造类型。因此按数组元素的类型不同，数组又可分为数值数组、字符数组、指针数组、结构数组等各种类别。
 
栈
          是只能在某一端插入和删除的特殊线性表。它按照先进后出的原则存储数据，先进入的数据被压入栈底，最后的数据在栈顶，需要读数据的时候从栈顶开始弹出数据（最后一个数据被第一个读出来）。
 
队列
          一种特殊的线性表，它只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作。进行插入操作的端称为队尾，进行删除操作的端称为队头。队列是按照“先进先出”或“后进后出”的原则组织数据的。队列中没有元素时，称为空队列。
 
链表
          是一种物理存储单元上非连续、非顺序的存储结构，它既可以表示线性结构，也可以用于表示非线性结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列结点（链表中每一个元素称为结点）组成，结点可以在运行时动态生成。每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。
 
树
          是包含n（n>0）个结点的有穷集合K，且在K中定义了一个关系N，N满足 以下条件：
          （1）有且仅有一个结点 K0，他对于关系N来说没有前驱，称K0为树的根结点。简称为根（root）。　 
          （2）除K0外，K中的每个结点，对于关系N来说有且仅有一个前驱。
          （3）K中各结点，对关系N来说可以有m个后继（m>=0）。
 
图
          图是由结点的有穷集合V和边的集合E组成。其中，为了与树形结构加以区别，在图结构中常常将结点称为顶点，边是顶点的有序偶对，若两个顶点之间存在一条边，就表示这两个顶点具有相邻关系。
 
堆
          在计算机科学中，堆是一种特殊的树形数据结构，每个结点都有一个值。通常我们所说的堆的数据结构，是指二叉堆。堆的特点是根结点的值最小（或最大），且根结点的两个子树也是一个堆。
 
散列表
          若结构中存在关键字和K相等的记录，则必定在f(K)的存储位置上。由此，不需比较便可直接取得所查记录。称这个对应关系f为散列函数(Hash function)，按这个思想建立的表为散列表。
 
 
 
简而言之，数据结构说的是：计算机组织数据和存储数据的方式。

 
 
在格式化模型中，实体用记录表示，实体的属性对应记录的数据项(或字段)。
 
 
 
 
 
层次模型所满足的两个条件:
 
 
有且只有一个结点没有双亲结点，这个结点称为根结点。
根节点以外的其他结点有且只有一个双亲结点
 
 
 
 
在层次模型中，每个结点表示一个记录类型，每个记录类型可包含若干个字段，记录类型描述的是实体，字段描述的是实体的属性。
 
 
 
 
 
层次数据模型的存储结构
 
 
邻接法：
 
按照层次树前序穿越的顺序把所有记录值依次邻接存放，即通过物理空间的位置相邻来体现层次顺序。
 
 
链接法:
 
用指针来反映数据之间的层次联系。
 
 
 
 
 
层次模型的优点：
 
 
层次模型的数据结构比较简单清晰
层次数据库的查询效率高（因为层次模型中记录之间的联系用有向边表示，这种联系在DBMS中用指针来实现，当要存取某个结点的记录值，DBMS就沿着这一条路径很快找到该记录值，所以层次数据库的性能优于关系系数据库，不低于网状数据库）
层次数据模型提供了良好的完整性支持
 
 
 
 
层次模型的缺点：
 
 
现实世界中很多联系是非层次性的，如结点之间具有多对多联系
一个结点具有多个双亲等，对插入删除操作的限制比较多，因此应用程序的编写比较复杂
查询子女结点必须通过双亲结点
由于结构严密，层次命令趋于程序化
 
 
 
 
层次模型对具有一对多的层次联系的部门描述非常自然、直观，容易理解。这是层次数据库的突出优点。
 

层次模型
 
优点：
 
数据结构简单清晰。
因为记录之间的联系用有向边表示，这种联系在DBMS中通常使用指针实现，查询效率高。层次模型数据库性能优于关系数据库，不低于网状数据库。
提供了良好的完整性支持。进行插入操作时，如果没有对应的双亲结点就不能插入它的子女结点值。进行删除操作时，如果删除双亲结点，则相应的子女结点值也将被同时删除。
缺点：
 
现实世界中的很多联系是非层次性的。如果结点之间具有多对多联系，不再适合使用层次模型表示。如果一个子女结点确实具有多个双亲结点，使用层次结构模型表示的时候就会出现大量的冗余，且操作复杂。
查询子女结点必须通过双亲结点。
由于结构严密，层次命令趋于程序化。
网状模型
 
优点：
 
能够更为直接地表示现实世界。
具有良好的性能，存取效率高。
缺点：
 
结构复杂，伴随应用环境的扩大，数据结构变得越来越复杂，不利于最终用户掌握。
网状模型的数据定义语言和数据管理语言复杂。
由于记录之间的联系通过存取路径实现，应用程序在访问数据的时候必须选择恰当的存取路径，因此用户必须了解系统结构的细节，导致加重了编写应用程序的负担。
关系模型
 
优点：
 
关系模型建立在严格的数学概念的基础之上。
关系模型概念单一。无论是实体还是实体之间的联系都用关系来表示。对数据的检索和更新结果也是基于关系（表）的。所以，数据结构简单清晰，用户易懂易用。
关系模型的存取路径对用户透明，从而具有较高的数据独立性，更好的安全保密性，也简化了程序员的工作和数据库开发建立的工作。
缺点：
 
由于存取路径对用户是透明的，查询效率往往不如格式化数据模型。
为了提高系统性能，数据库管理系统必须对用户的查询请求进行优化。

目录
 
 
 
三个世界的划分
 
1.现实世界
 
2.概念世界(信息世界)
 
3.机器世界(数据世界)
 
模型
 
一、概念模型(信息世界)
 
（一）E-R图的三要素
 
（二）E-R图的设计方法
 
（三）E-R模型到关系模型的转换
 
（四）小结
 
二、数据模型(数据世界)
 
（一）层次模型
 
（二）网状模型
 
（三）关系模型
 

三个世界的划分
 
人们把客观存在的事物以数据的形式存储到计算机中，经历了对现实生活中事物特性的认识、概念化到计算机数据库里的具体表示的逐级抽象过程，即现实世界－概念世界－机器世界三个领域。有时也将概念世界称为信息世界；将机器世界称为存储或数据世界。
 
 
 
1.现实世界
 
人们管理的对象存于现实世界中。现实世界的事物及事物之间存在着联系，这种联系是客观存在的，是由事物本身的性质决定的。例如学校的教学系统中有教师、学生、课程，教师为学生授课，学生选修课程并取得成绩。
 
 
 
2.概念世界(信息世界)
 
概念世界是现实世界在人们头脑中的反映，是对客观事物及其联系的一种抽象描述，从而产生概念模型。概念模型是现实世界到机器世界必然经过的中间层次。涉及到下面几个术语：
实体：我们把客观存在并且可以相互区别的事物称为实体。实体可以是实际事物，也可以是抽象事件。如一个职工、一场比赛等。
实体集：同一类实体的集合称为实体集。如全体职工。注意区分"型"与"值"的概念。如每个职工是职工实体"型"的一个具体"值。
属性：描述实体的特性称为属性。如职工的职工号，姓名，性别，出生日期，职称等。
联系：实体集之间的对应关系称为联系，它反映现实世界事物之间的相互关联。联系分为两种，一种是实体内部各属性之间的联系。另一种是实体之间的联系。
 
 
 
3.机器世界(数据世界)
 
存入计算机系统里的数据是将概念世界中的事物数据化的结果。为了准确地反映事物本身及事物之间的各种联系，数据库中的数据必须有一定的结构，这种结构用数据模型来表示。数据模型将概念世界中的实体，及实体间的联系进一步抽象成便于计算机处理的方式。三个世界中的术语对照关系如下：
 
 
 
 
模型
 
模型就是对不能直接观察的事物进行形象的描述和模拟。即模型是对现实世界中复杂事物的抽象描述。
 
模型分为信息世界的概念模型和数据世界的数据模型：
 
概念模型：把现实世界转换为信息世界的模型，例如E-R模型。
 
数据模型：把信息世界转化为数据世界的模型，例如关系模型。
 
 
 
一、概念模型(信息世界)
 
实体联系模型，亦称实体关系模型，它是由美籍华裔计算机科学家陈品山(Peter Chen)发明，该模型直接从现实世界中抽象出实体类型和实体间联系，然后用实体联系图（E-R图）表示数据模型，是描述概念世界，建立概念模型的实用工具。所以，在信息世界中使用E-R图建立的数据模型称为E-R模型。
 
实体关系模型是现实世界到概念世界的第一层抽象，是数据库设计人员进行数据库设计的有利的数据建模工具，也是数据库设计人员和用户之间进行交流的语言。
 
 
 
（一）E-R图的三要素
 
实体(Entity)：在E-R图中用矩形表示，矩形框内标注实体名称。实体表示一个离散对象。实体可以被（粗略地）认为是名词，如计算机、雇员、歌曲、数学定理等。
 

属性(Attribute)：在E-R图中用椭圆形表示，并用无向连线将其与相应的实体连接起来，同时在无向连线旁标上联系的类型（1 : 1，1 : n或m : n）。属性描述实体的特性(特征性质)，例如学生的姓名、学号、性别、都是属性。
 
 
 
联系(Relationship)：在E-R图中用菱形框表示，框内标注联系名称，并用连线将菱形框分别与有关实体相连，并在连线上注明联系类型。联系可以被（粗略地）认为是动词，如：在公司和计算机之间的拥有关联，在雇员和部门之间的管理关联，在演员和歌曲之间的表演关联，在数学家和定理之间的证明关联等等。联系有三种类型：
 

 ① 一对一联系(1:1)
 设A、B为两个实体集。若A中的每个实体至多和B中的一个实体有联系，反过来，B中的每个实体至多和A中的一个实体有联系，称A对B或B对A是1:1联系。注意，1:1联系不一定都是一一对应的关系。可能存在着无对应。例如，一个部门有一个经理，而每个经理只在一个部门任职，则部门与经理的联系是一对一的，但经理也可能暂缺。
 

 ② 一对多联系(1:n)
 如果A实体集中的每个实体可以和B中的几个实体有联系，而B中的每个实体至少和A中的一个实体有联系，那么A对B属于1:n联系。例如，一个部门有多名职工，而一名职工只在一个部门就职，则部门与职工的联系是一对多的。
 

 ③ 多对多联系(m:n)
 若实体集A中的每个实体可与和B中的多个实体有联系，反过来，B中的每个实体也可以与A中的多个实体有联系，称A对B或B对A是m:n联系。例如，一个学生可以选修多门课程，一门课程由多个学生选修，学生和课程间的联系是多对多的。
  
 
（二）E-R图的设计方法
 
E-R图通常都应经过以下两个阶段：
 
（1）针对每一用户画出该用户信息的局部E-R图，确定该用户视图的实体、属性和联系。需注意的是：能作为属性的就不要作为实体，这有利于E-R图的简化。
 
 
 
（2）综合局部E-R图，生成总体E-R图。在综合过程中，同名实体只能出现一次，还要去掉不必要的联系，以便消除冗余。一般来说，从总体E-R图必须能导出原来的所有局部视图，包括实体、属性和联系。
 
 
 
案例：某工厂(包括厂名和厂长名)需要建立一个数据库系统，有以下情况：
 
 
 
1、该工厂生产若干产品，每种产品由不同的零件组成
 
2、有的零件可以用在不同的产品，这些零件由不同的原材料组成，不同的零件所用的原材料可以相同。
 
3、零件按照所属的不同产品分别放在仓库中，原材料按照类别分别放在若干仓库中。
 
 
 
相关性质如下：
 
工厂：长号，长名，长址，厂长名
 
车间：车间号，车间名，电话
 
产品：产品名，品种号，性能
 
零件：零件号，零件名，生产日期
 
原材料：材料号，产地，等级
 
仓库：库号，电话
 
 
 
（三）E-R模型到关系模型的转换
 
把E-R图转换为关系模型可遵循如下原则：
 
（1）对于E—R图中每个实体集，都应转换为一个关系，该关系应包括对应实体的全部属性，并应根据关系所表达的语义确定哪个属性或哪几个属性组作为“主关键字”，主关键字用来标识实体。
 
 
 
（2）对于E—R图中的联系，情况比较复杂，要根据实体联系方式的不同，采取不同的手段加以实现。下面着重讨论联系的转换方法。
 
A、两实体集间1:n联系
 
两实体集间1:n联系，可将“一方”实体的主关键字纳入“n方”实体集对应的关系中作为“外部关键字”，同时把联系的属性也一并纳入“n方”对应的关系中。
 
 
 
B、两实体集间m:n联系
 
对于两实体集间m:n联系，必须对“联系”单独建立一个关系，用来联系双方实体集。该关系的属性中至少要包括被它所联系的双方实体集的“主关键字”，并且如果联系有属性，也要归入这个关系中。
 
 
 
C、两实体集间的1:1的联系
 
假设A实体集与B实体集是1:1的联系，联系的转换有三种方法：
 
①把A实体集的主关键字加入到B实体集对应的关系中，如果联系有属性也一并加入；
 
②把B实体集的主关键字加入到A实体集对应的关系中，如果联系有属性也一并加入；
 
③建立第三个关系，关系中包含两个实体集的主关键字，如果联系有属性也一并加入。
 
 
 
（四）小结
 
（1）把现实世界转换成为计算机能够处理的数据世界，需经过两个阶段：
 
         第一个阶段需使用概念模型把现实世界抽象成信息世界，最常用的概念模型是E-R模型，E-R模型的三个基本要素是实体、
 
         属性和联系。
 
         第二阶段是使用数据模型把信息世界转换为数据世界，最常用的数据模型是关系模型。
 
 
 
（2）设计E-R图一般经过两个步骤，
 
        第一步是抽象出各相关对象的局部E-R图，
 
        第二步是把局部E-R图组合成全局E-R图。E-R图只是信息的一种抽象表示，还需把它转化成相应的实施数据模型才能转化为
 
        数据库中的数据。把E-R图转化为关系模型，不但要把实体转化成关系，而且在关系中还应反映出E-R图中各实体集之间的
 
        联系。
 
 
 
（3）E-R数据模型作为语义数据模型，是软件工程和数据库设计的有力工具，综合E-R数据模型的特点如下：
 　     (1) 有丰富的语义表达能力，能充分反映现实世界，包括实体和实体间的联系，能满足用户对数据对象的处理要求。
 　     (2) 易于交流和理解，因为它不依赖于计算机系统和具体的DBMS，所以,它是DBA、系统开发人员和用户之间的桥梁。
 　     (3) 易于修改和扩充。
 　     (4) 易于向其他各种数据模型（层次，网状，关系模型）转换。
 　     (5) 实体、属性和联系这三个概念是有明确区分的，但对于某个具体的数据对象，究竟是作为实体，还是作为属性或联系，
 
              则是相对的。这取决于应用背景和用户的观点。
 
 
 
二、数据模型(数据世界)
 
在用计算机处理信息世界的信息时，必须抽取局部范围的主要特征，模拟和抽象出一个能反映信息世界中实体和实体之间联系的模型，即数据模型。也就是说，数据模型是抽象描述信息世界的一种工具和方法，是概念模型在数据世界中的表示形式。
 
数据模型的三要素：模型结构、数据操作、完整性规则。
 
数据模型模型结构分为：层次模型、网状模型、关系模型、面向对象模型。
 
 
 
（一）层次模型
 
在现实世界中，许多实体集之间的联系就是一个自然的层次关系。例如，行政机构、家族关系等都是层次关系。下图就是学校中系的层次模型。
 
 
层次模型是最早用于商品数据库管理系统的数据模型。其典型代表是于1969问世、由IBM公司开发的数据库管理系统
 
IMS(Information Management System)。
 
(1) 层次模型的定义：用树形结构表示实体之间联系的模型叫层次模型。
 
(2)层次模型的表示方法：树的结点表示记录(实体)，每个记录可包含若干个字段(实体的属性)，结点之间的连线表示相连两记录(实体)之间的关系，这种关系只能是“1-M”的。通常把表示1的实体集放在上方，称为父结点，表示M的实体集放在下方，称为子结点。
 
(3)层次模型的特点：①有且仅有一个根结点。②根结点以外的其它结点有且仅有一个父结点。
 
在层次模型中，记录的组织不再是一张杂乱无章的图，而是一棵树。例如，系记录型有：计算机系、电信系等记录值。而计算机系的下层记录值有软件、结构、应用等研究室和数据结构、操作系统、数据库等课程，软件研究室下层又有员工和项目记录值，如下图所示：
 
 
根据层次模型的特点可知，层次模型只能表示“1-M”关系，而不能直接表示“M-M”关系。因此对于层次模型中实体集之间多对多的联系的处理，解决的方法是引入冗余结点。例如，学生和课程之间的多对多的联系，引入学生和课程的冗余结点，即转换为两棵树：一棵树的根是学生，子结点是课程，它表现了一个学生可以选多门课程；一棵树的根是课程，子结点是学生，它反映了一门课程可以被多个学生选。至于冗余结点可以用虚拟结点实现：在冗余结点处仅存放一个指针，指向实际结点。
 
 
 
(4)层次模型的优点
 
① 层次数据库模型比较简单。
 
② 层次模型对具有一对多的层次关系(例如部门和职员的关系)的描述非常自然、直观，容易理解。
 
③ 层次数据库模型提供了良好的完整性支持。
 
 
 
(5)层次模型的缺点
 
① 在现实世界中有很多的非层次性的联系，如多对多的联系，一个结点具有多个父结点等，层次模型表示这类联系的方法
 
很笨拙。
 
② 难以实现系统扩充，对于插入和删除操作时，限制比较多，涉及到大量链接指针的调整。
 
③ 查询子结点必须经过父结点。
 
④ 由于结构严密，层次命令趋于程序化。
 
 
 
（二）网状模型
 
在现实世界中，事物之间的联系更多的是非层次关系的，用层次模型表示非树型结构是很不直接的，网状模型则可以克服这一弊病。层次模型中的记录只能组织成树的集合而不能是任意图的集合，而网状模型则可以。
 
(1) 网状模型的定义：用网状结构表示实体之间联系的模型叫网状模型。
 
(2) 网状模型的表示方法：网的结点表示记录(实体)，每个记录可包含若干个字段(实体的属性)，结点之间的连线表示相连两记录(实体)之间的关系，这种关系可以是“1-M”的，也可以是“M-M”的。
 
(3) 网状模型的特点：①允许一个以上的结点无父亲结点。②一个结点可以有多于一个的父亲结点。
 
网状模型是一种比层次模型更具普遍性的结构，它去掉了层次模型的两个限制，允许多个结点没有父亲结点，允许结点有多个父亲结点，此外它还允许两个结点之间有多种联系。因此网状模型可以更直接地去描述现实世界，而层次模型实际上是网状模型的一个特例。网状模型示例如下：
 
 
 
 
(4) 网状数据模型的优点
 
①能够更为直接地描述现实世界，如一个结点可以有多个父亲节点。
 
②具有良好的性能，存取效率较高。
 
 
 
(5) 网状数据模型的缺点
 
①结构比较复杂，而且随着应用环境的扩大，数据库的结构就变得越来越复杂，不利于最终用户掌握。
 
②难以实现系统扩充，对于插入和删除操作时，限制比较多，涉及到大量链接指针的调整。
 
③其DDL，DML语言复杂，用户不容易使用。由于记录之间联系是通过存取路径实现的，应用程序在访问数据时必须选择
 
适当的存取路径，因此，用户必须了解系统结构的细节，加重了编写应用程序的负担。
 
 
 
（三）关系模型
 
 
 
(1) 关系模型的定义：用二维表格数据来表示实体及实体之间联系的模型叫关系模型。
 
(2) 关系模型的特点：
 
① 每个表有多个列，每一列中的字段(属性)唯一且是类型相同的数据；
 
② 列的顺序可以是任意的；
 
③ 行的顺序可以是任意的；
 
④ 表中的字段(属性)是不可再分割的最小数据项，即表中不允许有子表；
 
⑤ 表中的任意两行不能完全相同。
 
在关系模型中，无论是从客观事物中抽象出的实体，还是实体之间的联系，都用单一的结构类型—关系(表)来表示。在对关系进行各种处理之后，得到的还是关系—一张新的二维表。如图所示：
 
 
关系数据库采用关系模型作为数据的组织方式。关系数据库因其严格的数学理论、使用简单灵活、数据独立性强等特点，而被公认为最有前途的一种数据库管理系统。它的发展十分迅速，目前已成为占据主导地位的数据库管理系统。自20世纪80
 
年代以来，作为商品推出的数据库管理系统几乎都是关系型的，例如，Oracle，Sybase，Informix，Visual FoxPro，Mysql，Sqlserver等。
 
 
 
(3) 关系模型的设计范式
 
只有满足一定条件的关系模式，才能避免操作(例如插入、删除、修改)异常和数据异常(例如数据冗余)，关系模式要满足的条件称为规范化形式，简称范式。　
 
 
 
① 第一范式(1NF)
 
第一范式是对表属性的原子性约束，要求属性具有原子性，不可再分解成其它属性；其目的是消除重复字段(列)。
 
 
 
②  第二范式(2NF)
 
第二范式是对表记录的惟一性约束，要求记录有惟一标识，能唯一地区分其它记录；其目的是消除重复记录(行)。
 
 
 
③ 第三范式(3NF)
 
第三范式是对表字段冗余性的约束，要求字段没有冗余，任何字段都不能由其他字段派生出来；其目的是消除字段冗余。
 
 
 
④  第四范式(4NF)
 
第四范式是对表记录冗余性的约束，要求记录没有冗余，同一表不存在一对多或多对多关系；其目的是消除记录冗余。
 
 
 
⑤  第五范式(5NF)
 
第五范式是将表分割成尽可能小的块，目的是消除表中所有的冗余。
 
 
 
在设计关系数据库表的时候，你应该总是要遵循这五大范式。