数据库设计 Step by Step (2)——数据库生命周期

引言：数据库设计 Step by Step (1)得到这么多朋友的关注着实出乎了我的意外。这也坚定了我把这一系列的博文写好的决心。近来工作上的事务比较繁重，加之我期望这个系列的文章能尽可能的系统、完整，需要花很多时间整理、思考数据库设计的各种资料，所以文章的更新速度可能会慢一些，也希望大家能够谅解。

系列的第二讲我们将站在高处俯瞰一下数据库的生命周期，了解数据库设计的整体流程

数据库生命周期

大家对软件生命周期较为熟悉，数据库也有其生命周期，如下图所示。

图（1）数据库生命周期

数据库的生命周期主要分为四个阶段：需求分析、逻辑设计、物理设计、实现维护。

这个系列的博文将主要关注数据库生命周期中的前两个阶段（需求分析、逻辑设计）。如图中红色框出的部分。

数据库的物理设计，包括索引的选择与优化、数据分区等内容。这些内容也非常丰富，而且可以自成体系，园子里也有很多好文章，故在本系列中不作主要关注。本文最后将给出一些链接供大家参考。

数据库生命周期的四个阶段又能细分为多个小步骤，我们配合图（1）来看看每一小步包含的内容。

阶段1 需求分析

数据库设计与软件设计一样首先需要进行需求分析。

我们需要与数据的创造者和使用者进行访谈。对访谈获得的信息进行整理、分析，并撰写正式的需求文档。

需求文档中需包含：需要处理的数据；数据的自然关系；数据库实现的硬件环境、软件平台等；

图（2）阶段1 需求分析

阶段2 逻辑设计

使用ER或UML建模技术，创建概念数据模型图，展示所有数据以及数据间关系。最终概念数据模型必须被转化为范式化的表。

数据库逻辑设计主要步骤包括：

a) 概念数据建模

在需求分析完成后，使用ER图或UML图对数据进行建模。使用ER图或UML图描述需求中的语义，即得到了数据概念模型（Conceptual Data Model），例如：三元关系（ternary relationships）、超类（supertypes）、子类（subtypes）等。

eg:  零售商视角，产品/客户数据库的ER模型简图

注：ER图的含义，以及详细标记方法将在该系列的下一篇博文中进行讨论

图（3）阶段2(a) 概念数据建模

b) 多视图集成

当在大型项目设计或多人参与设计的情况下，会产生数据和关系的多个视图。这些视图必须进行化简与集成，消除模型中的冗余与不一致，最终形成一个全局 的模型。多视图集成可以使用ER建模语义中的同义词(synonyms)、聚合(aggregation)、泛化(generalization)等方 法。多视图集成在整合多个应用的场景中也非常重要。

eg: 集成零售商ER图与客户ER图

零售商ER图如图（3）所示。客户视角，产品/客户数据库的ER模型简图如下：

图（4）以客户为关注点绘制的ER图

注：现在市面上有许多辅助建模工具可以绘制ER图。使用Sybase的PowerDesigner绘制与图（4）相同语义的ER图如下：

其标记法与图（4）中略有不同，这将在今后的博文中加以说明。

这里需要指出的是辅助软件的使用不是设计的核心，大家不要被这些工具迷惑。所以后文中我们将主要使用手绘。只要掌握了ER图的语义，使用这些软件都不会是件难事。

集成零售商ER图与客户ER图

图（5） 阶段2(b) 多视图集成

c) 转化概念数据模型为SQL表

根据映射规则，把ER图中的实体与关系转化为SQL表结构。在这一过程中我们将识别冗余的表，并去除这些表。

eg: 把图（5）中的customer, product, salesperson实体转化为SQL表

图（6） 阶段2(c)转化概念数据模型为SQL表

d) 范式化

范式化是数据库逻辑设计中的重要一步。范式化的目标是尽可能去除模型中的冗余信息，从而消除关系模型更新、插入、删除异常（anomalies）。

讲到范式化就会引出函数依赖（Functional Dependency）这一概念。函数依赖(FDs)源自于概念数据模型图，反映了需求分析中的数据关系语义。不同实体之间的函数依赖表示各个实体唯一键 之间的依赖。实体内部也有函数依赖，反映了实体中键属性与非键属性之间的依赖。在保证数据完整性约束的前提下，基于函数依赖对候选表进行范式化（分解、降 低数据冗余）。

eg: 对图（6）中的Salesperson表进行范式化，消除更新异常（update anomalies）

图（7） 阶段2(d)范式化

阶段3 物理设计

数据库物理设计包括选择索引，数据分区与分组等。

逻辑设计方法学通过减少需要分析的数据依赖，简化了大型关系数据库的设计，这也减轻了数据库物理设计阶段的压力。

1. 概念数据建模和多视图集成准确地反映了现实需求场景

2. 范式化在模型转化为SQL表的过程中保留了数据完整性

数据库物理设计的目标是尽可能优化性能。

物理设计阶段，全局表结构可能需要进行重构来满足性能上的需求，这被称为反范式化。

反范式化的步骤包括：

1. 辨别关键性流程，如频繁运行、大容量、高优先级的处理操作

2. 通过增加冗余来提高关键性流程的性能

3. 评估所造成的代价（对查询、修改、存储的影响）和可能损失的数据一致性

阶段4 数据库的实现维护

当设计完成之后，使用数据库管理系统（DBMS）中的数据定义语言（DDL）来创建数据结构。

数据库创建完成后，应用程序或用户可以使用数据操作语言（DML）来使用（查询、修改等）该数据库。

一旦数据库开始运行，就需要对其性能进行监视。当数据库性能无法满足要求或用户提出新的功能需求时，就需要对该数据库进行再设计与修改。这形成了一个循环：监视 –> 再设计 –>  修改 –> 监视…。

在进行数据库设计之前，我们先回顾一下关系数据库的相关基本概念。

这里只做一个提纲挈领的简介，大家可以根据相应的线索进行扩展。

表、行、列

关系数据库可以想象成表的集合，每个表包含行与列。（可以想象成一个Excel workbook，包含多个worksheet）。

表在关系代数中被称为关系，这也是关系数据库名称的起源（不要与表之间的外键关系混淆）。

列在关系代数中被称为属性（attribute）。列中允许存放的值的集合称为列的域（域与数据类型密切相关，但并不完全相同）。

行在关系代数中的学名是元组（tuple）。

关系数据库的理论基础来自于“关系代数”。但在关系代数中，一个集合的各个元组没有次序的概念，在关系数据库中为了方便使用，定义了行的次序。

键、索引

键是一种约束，目的是保证数据完整性

1. 复合键（Compound key）：由多个数据列组成的键

2. 超键（Superkey）：列的集合，其中任何两行都不会完全相同

3. 候选键（Candidate key）：首先是一个超键，同时这个超键中的任何列的缺失都会破坏行的唯一性

4. 主键（Primary key）：指定的某个候选键

索引是数据的物理组织形式，目的是提高查询的性能

约束

基本约束

not null constraint, domain constraint

检查约束（Check Constraints）

eg: Salary > 0

主键约束（Primary Key Constraints）

实体完整性（entity integrity），没有两条记录是完全相同的，组成主键的字段不能为null

唯一性约束（Unique Constraints）

外键约束（Foreign Key Constraints）

也被称为引用完整性约束，eg:

关系数据库操作

1.选择（Selection）

2.映射（Projection）

3.联合（Union）

4.交集（Intersection）

5.差集（Difference）

6.笛卡尔积（Cartesian Product）

7.连接（Join）

上述7种是最基本的关系数据库操作，对应于集合论中的关系运算。

有些书籍中还会加入改名（Rename），除（Divide）等关系操作。

主要内容回顾

1. 数据库生命周期的四个阶段：需求分析、逻辑设计、物理设计、实现维护。

2. 关系数据库的理论基础是关系代数。

数据库物理设计参考资料

第一个链接是我针对查询优化作的读书笔记，后三个链接是SQLServerCentral中几篇关于索引的文章（需要简单注册后才能看到全文）

1. 查询优化系列（查询优化（1），查询优化（2），查询优化（3），查询优化（4），查询优化（5）——总结）

2. Part 1 - The basics of indexes

3. Part 2 - The Clustered Index

4. Part 3 - The Non-clustered index