概念模型



什么是概念模型？

概念模型是面向用户、面向现实世界的数据模型,与DBMS无关。采用概念模型,数据设计 

人员可以把主要精力用于了解和描述现实世界上,而把涉及DBMS的一些技术性问题推迟 

到设计阶段解决。



如何设计概念模型？

需求分析阶段完成后,通过分析和总结提炼出数据字典,然后确定实体以及实体之间的联系。然后确定实体的属性，逐步画出局部E-R图,画出实体之间的联系,然后合并局部E-R图,得到全局的E-R图(实体-联系图)

逻辑模型



什么是逻辑模型？

逻辑模型是概念模型的延伸,将概念模型按DBMS支持的数据模型(层次、网状、关系)转换 

成相应的逻辑模型。



如何得到逻辑模型?

如果是将概念模型转换成关系型数据库对应的数据模型,则需要遵循以下原则: 

1. 实体转换成一个关系,实体名可以作为关系名,实体的属性可以作为关系的属性 

实体的码可以作为关系的码。 

2. 联系也转换成为一个关系,联系名可以作为关系名。关系的码按如下方法确定: 

* 如果联系是1:1的,这每个实体的码都是关系的码 

* 如果联系是1:n的,则n端实体的码成为关系的码 

* 如果联系是多对多的,则两端实体的码组合成为关系的码

物理模型



什么是物理模型？

物理模型是在逻辑模型的基础上,考虑到具体的技术实现因素,在具体的数据库上实现数据存储。

如何得到物理模型？

确定所有的表和列,定义外键用于确定表之间的关系,根据用户的需求来做一些反范式化。最终实现真正在数据库中的存放。

概念模型是用于信息世界的建模，是现实世界的第一层抽象。
1.基本概念
（1）实体（entity）

客观存在并可相互区别的实物称为实体。实体可以是具体的人、事、物，也可以是抽象的概念或联系，例如：一个职工、一个学生等是实体。

（2）属性（attribute）

实体所具有的某一个特性称为属性。一个实体可以由若干个属性来刻画。一个学生实体可以由学生号、姓名、出生年月等，属性组合（2019001，张三，男，19940505）即表征了一个学生。

（3）码（key）

唯一标识实体的属性集称为码。例如学号是学生实体的码。

（4）实体型（entity type）

具有相同属性的实体必然具有相同的特征和性质。用实体名及其属性名来抽象和刻画同类实体，称为实体型，如学生（学生号、姓名、出生年月）就是一个实体型

（5）实体集（entity set）

同一类型实体的集合称为实体集，例如全体学生就是一个实体集。

（6）联系（relationship）

实体之间的联系是指不同实g体集之间的联系。实体之间的联系有一对一、一对多、多对多等多种类型。

实体集A中每一个实体，实体集B中至多有一个（也可以没有）实体与之联系，反之亦然，则实体集A与实体集B具有一对一关系。

实体集A中每一个实体，实体集B中有n个实体（n>=0）与之联系，反之，实体B中的每一个实体，实体集A中至多只有一个实体与之联系，则实体A与B有一对多联系。

实体集A中每一个实体，实体集B中有n个实体（n>=0）与之联系，反之，实体B中的每一个实体，实体集A中也有M个实体，则实体A与实体B具有多对多联系。例如一门课程有若干个学生选修，而一个学生同时选修多门课程，则课程实体与学生实体具有多对多联系。
2.概念模型
概念模型是对信息世界的建模，实体——联系方法（Entity—Relationship approach），该方法用E-R图来描述现实世界的概念模型，即E-R模型。

数据模型是由数据结构、数据操作和数据完整性约束条件组成的。

1）数据结构

数据结构描述数据库的组成对象以及对象之间的联系。

2）数据库操作

数据操作是指对数据库中各种对象的实例允许执行的操作集合，包括操作及有关操作规则。

3）数据库完整性约束条件

数据的完整性约束条件是一组完整的规则。
3.关系模型
关系模型由一组关系组成，每个关系的数据结构是一张规范化的二维表。



关系（relation）：一个关系对应一张表

元组（tuple）：表中的一行即一个元组

属性（attribute）：表中的一列为一个属性，给每一个属性起一个名称即属性名

码（key）：码键，表中的某个属性组，它可以唯一确定一个元组

域（domain）：域是一组具有相同数据类型的值的集合，属性的取值范围来自某个域，如人的年龄是1-120岁

分量：元组中的一个属性值
关系模式：对关系的描述，一般表示为

关系名（属性1，属性2，……属性n）

例如：

学生（学号，姓名，年龄，性别，系名，年级）

抽象 -> 区分 -> 命名 -> 表达
ER模型 （Entity-Relation）
理论
实体 & 实例：




实体
实例




用属性刻画
用实体的值刻画（元组）


型（Type）
值（Value）


模式（Schema）
数据（data）


数据模型（Data Model）
模式（Schema）


模式（Schema）
实例（Instance）


类（Class）
对象（Object）




实体就是客观存在并可以相互区分的事务：可用重叠量词描述(一个个、一件件…)


实体必须给出关键字：区分每个实例


实体集：

域：属性允许取值的集合
属性种类：

简单属性 & 复合属性

单值属性 & 多值属性

派生属性

联系集

用来表示实体集之间的联系

度


参与联系的实体集数量：一元联系，二元联系…


任何非二元联系都可以转换为二元联系：人为的创建实体集（将多元联系按实体集拆分开来：再分别映射连接到一个引入的实体集）=》 细化Relationship


Q1: 三元联系转换为二元联系的例子：

A1: 三元联系parents(father, mather, child) ==> father(f, child) & mather(m, child)
Q2: 有些三元联系更自然,例子：

A2: proj_guide(instructor, project, student)
角色（Role）

自环联系集（Recursive Relationship Set）：通过Role来标识不同元组的参与方式

eg：

映射基数 (Mapping Cardinality)

一般用于描述二元联系集：参与的两个实体的参与情况：1对1，1对多 …

联系集的候选码依赖于集合的映射基数：

1对多：多的一方可作为Canditate Key（能唯一标识一个联系）

eg:一个老师对应多个学生：可用学生id作为Relationship(student, teacher)的CK

多对多：Super Key = Canditate Key
-> 基数约束
Q1: 举出一个1对多拆分为1对1的例子，并说明好处是什么？
全参与 (Total) & 部分参与（Partial Participation）

全参与：实体集中每个实体都在Relationship中至少有一个联系对 （NOT NULL）
部分参与：有些实体没参与到联系中 (可以取NULL)

实体集中一个实体参与到联系的数目：下限由全参与(至少是1) 还是部分参与 (0)决定，上限由映射基数（1还是n）决定
teacher --[0, *]-- \<advisor> --[1, 1]-- student
[0, *] : 0=Partial, *=单端（一个老师可以有多个学生，每个老师可以参与到多个联系中 -> 1对多 中的1端）
[1, 1] : 1=Total, 1=多端（一个学生只有一个老师，每个学生只能参与一个联系中 -> 1对多 中的多端）

弱实体集 & 强实体集


弱实体集： 没有主码，只能依附于宿主实体集存在 （类似于宿主实体集候选码的“子属性”）


弱实体集的部分码：一个弱实体集中能区分所有实体的属性集合


弱实体集的主码 = 宿主实体集的主码 + 它的部分码


标识性联系 Indentify Relationship: 宿主实体集(1端) 与 弱实体集(多端) 之间的联系

可以看作是一种减少冗余的方式：通过Indentify Relationship将弱实体集的主码隐含在宿主实体集中

特化 Specialization / 概化 Generalization
对 特化 / 概化 的设计约束
聚集
引入复合实体集
ER图的画法：
ER图：建模
Step 1: 理解需求 寻找实体（一个个…）

Step 2: 用属性刻画实体

Step 3: 确定每个实体的关键字 / 码（唯一标识）

Step 4: 重点是分析实体间的联系，并刻画联系的（属性，基数…）

Step 5: 检查是否覆盖了需求 （语义：内容 / 绘图：语法）
陈方法

缺陷：组合属性，多值属性，和导出属性的表达

Crow’s foot方法
IDEF1x方法（工程化）

特点： 在实体中反映了联系（FK ）

将ER图导出为数据库表
Step 1：将所有Entity, Relation => Table

Step 2: 去重 合并

强实体集属性不变
弱实体集添上所依赖的主键（宿主实体集的）
复合属性 / 多值属性
联系集：实体集们的主键属性 + 自己的属性

表的冗余：

数据模型应满足三方面的要求，一是比较真实的模拟现实世界，二是容易被人理解的方式，三是便于在计算机中实现。一种模型要很好地满足这三方面的要求目前尚很困难，因此数据库中针对不同的对象和使用目的，采用不同的数据模型。

根据模型应用的不同目的，可以将模型划分两类，分别属于不同的两个层次，一是概念模型，而是逻辑模型和物理模型。

概念模型也称信息模型，它是按用户的观点来对数据和信息建模，主要用于数据库设计。

逻辑模型中包括层次模型、网状模型、关系模型、面向对象模型和对象关系模型等。是按计算机系统的观点对数据建模，主要用于DBMS的实现。其中层次模型和网状模型统称非关系模型。

物理模型是对数据最低层的抽象，描述数据在系统内部的表示方式和存取方法，是面向计算机系统的。