绪论
1.1 数据库系统概述
1.1.1 数据库的地位
- 数据库技术产生于 二十世纪六十年代末，是数据管理的核心技术，是计算机科学与技术的重要分支。
- 造就了 五位图灵奖获得者：C.W.Bachman、E.F.Codd、James Gray、M.R.Stonebraker、Jeffrey.D.Ullman。
- 数据库技术是现代信息系统的核心和基础，极大地促进了计算机应用向各行各业的渗透。
- 大数据应用、云计算技术的迅猛发展，越来越凸显出数据库技术的重要性。
1.1.2 四个基本概念
一、数据（Data）
- 定义：数据是数据库中存储的基本对象，是描述事物的符号记录。
- 种类：数字、文字、图形、图像、声音、视频等。
- 特点：数据与其语义是不可分的。数据的语义即数据的含义。
- 举例：学生记录
（李明，男，199706，山东，计算机系，2015）需要结合语义才能理解其含义。
二、数据库（DB — Database）
- 定义：数据库是长期储存在计算机内、有组织的、可共享的大量数据集合。
- 基本特征：
- 数据按一定的数据模型组织、描述和储存
- 可为各种用户共享
- 冗余度较小
- 数据独立性较高
- 易扩展
三、数据库管理系统（DBMS — Database Management System）
- 定义：位于用户应用与操作系统之间的一层数据管理软件，是基础软件，是一个大型复杂的软件系统。
- 用途：科学地组织和存储数据、高效地获取和维护数据。
- 主要功能：
- 数据定义功能 — 提供 DDL（数据定义语言），定义数据对象的组成与结构
- 数据操纵功能 — 提供 DML（数据操纵语言），实现对数据的基本操作：查询、插入、删除、修改
- 数据库的事务管理和运行管理 — 保证事务的正确运行，保证数据的安全性、完整性、并发使用和故障恢复
- 数据库的建立和维护功能 — 数据装载和转换、数据库转储、介质故障恢复、数据库重组织、性能监视分析
- 数据组织、存储和管理 — 分类组织存储数据（数据字典、用户数据等），确定文件结构和存取方式，提供多种存取方法
- 其他功能 — 网络通信、数据转换、异构数据库互访互操作
四、数据库系统（DBS — Database System）
- 定义：在计算机系统中引入数据库后的系统构成。在不混淆的情况下常简称为数据库。
- 构成：由数据库、数据库管理系统（及其应用开发工具）、应用系统、数据库管理员（DBA） 组成的存储、管理、处理和维护数据的系统。
*1.1.3 数据管理技术的产生与发展
数据管理：对数据进行分类、组织、编码、存储、检索和维护，是数据处理的中心问题。
三个阶段
| 阶段 | 时间 | 应用背景 | 硬件 | 软件 | 处理方式 |
|---|---|---|---|---|---|
| 人工管理 | 20世纪40年代中~50年代中 | 科学计算 | 无直接存取存储设备 | 无操作系统 | 批处理 |
| 文件系统 | 20世纪50年代后~60年代中 | 科学计算、管理 | 磁盘、磁鼓 | 有文件系统 | 联机实时处理、批处理 |
| 数据库系统 | 20世纪60年代后至今 | 大规模数据管理 | 大容量磁盘 | 有DBMS | 联机实时处理、分布处理、批处理 |
人工管理阶段特点
- 数据的管理者：应用程序，数据不保存
- 数据面向的对象：某一应用程序
- 共享程度：无共享，冗余度极大
- 独立性：不独立，完全依赖于程序
- 结构化：无结构
- 数据控制能力：应用程序自己控制
文件系统阶段特点
- 数据的管理者：文件系统，数据可长期保存
- 数据面向的对象：某一应用程序
- 共享程度：共享性差，冗余度大
- 结构化：记录内有结构，整体无结构
- 独立性：独立性差，数据的逻辑结构改变必须修改应用程序
- 数据控制能力：应用程序自己控制
- 数据存取方式：按文件名访问，按记录存取
数据库系统阶段特点
- 数据的管理者：DBMS
- 数据面向的对象：现实世界
- 共享程度：共享性高
- 独立性：高度的物理独立性和一定的逻辑独立性
- 结构化：整体结构化（数据库的主要特征之一）
- 数据控制能力：由DBMS统一管理和控制
数据高共享性的好处
- 降低数据冗余度，节省存储空间
- 避免数据间的不一致性与不相容性
- 使系统易于扩充
数据独立性
- 物理独立性：用户的应用程序与存储在磁盘上的数据库数据相互独立。物理存储改变，应用程序不用改变。
- 逻辑独立性：用户的应用程序与数据库的逻辑结构相互独立。逻辑结构改变，应用程序可以不变。
- 数据独立性由 DBMS 的二级映像功能保证。
数据结构化（主要特征）
- 不再仅针对某一应用，而是面向全组织的多种应用需求
- 不仅数据内部结构化，而且整体结构化，数据之间具有联系
- 数据的结构用数据模型描述，无需程序定义和解释
- 数据可以变长
- 数据的最小存取单位是数据项
DBMS对数据的控制功能
- 数据安全性（Security）保护 — 防止非法使用造成的数据泄密和破坏
- 数据完整性（Integrity）检查 — 将数据控制在有效范围内，保证数据之间满足一定关系
- 并发（Concurrency）控制 — 对多用户的并发操作加以控制和协调
- 数据库恢复（Recovery） — 将数据库从错误状态恢复到某一已知的正确状态
1.2 数据模型
数据模型是对现实世界数据特征的抽象，是数据库系统的核心和基础。
数据模型应满足三方面要求：
- 能比较真实地模拟现实世界
- 容易为人所理解
- 便于在计算机上实现
1.2.1 两类数据模型
| 类型 | 别称 | 依据 | 用途 |
|---|---|---|---|
| 概念模型 | 信息模型 | 用户的观点 | 用于数据库设计 |
| 逻辑模型和物理模型 | — | 计算机系统的观点 | 用于DBMS实现 |
- 概念模型：现实世界到机器世界的一个中间层次
- 逻辑模型：包括网状模型、层次模型、关系模型、面向对象模型等
- 物理模型：描述数据在系统内部的表示方式和存取方法
客观对象的抽象过程（两步抽象）：
- 现实世界中的客观对象 → 概念模型
- 概念模型 → 某一DBMS支持的数据模型
1.2.2 概念模型
1. 概念模型的用途
- 用于信息世界的建模
- 是现实世界到机器世界的中间层次
- 是数据库设计的有力工具
- 是数据库设计人员和用户之间进行交流的语言
2. 信息世界中的基本概念
| 概念 | 定义 | 说明 |
|---|---|---|
| 实体（Entity） | 客观存在并可相互区别的事物 | 可以是具体的人、事、物或抽象概念 |
| 属性（Attribute） | 实体所具有的某一特性 | 一个实体可由若干个属性刻画 |
| 码（Key） | 唯一标识实体的属性集 | 如学号、身份证号 |
| 域（Domain） | 属性的取值范围 | 如性别的域为{男，女} |
| 实体型（Entity Type） | 用实体名及其属性名集合来抽象刻画同类实体 | 如学生（学号，姓名，性别） |
| 实体集（Entity Set） | 同一类型实体的集合 | 如全体学生 |
| 联系（Relationship） | 实体内部的联系和实体之间的联系 | — |
实体型间的联系
两个实体型之间：
- 一对一联系（1:1）：实体集A中每个实体，B中至多有一个实体与之联系，反之亦然。如：班级与班长。
- 一对多联系（1:n）：实体集A中每个实体，B中有n个实体（n≥0）与之联系，反之A中至多一个。如：班级与学生。
- 多对多联系（m:n）：实体集A中每个实体，B中有n个实体与之联系，反之亦然。如：课程与学生。
多个实体型之间：同样存在一对多、一对一、多对多联系。
同一实体集内：也存在联系，如职工实体集内部的"领导-被领导"关系（一对多）。
3. 概念模型的表示方法 — E-R图
E-R方法（Entity-Relationship Approach）：用E-R图来描述现实世界的概念模型，也称E-R模型。
E-R图的表示符号：
| 元素 | 图形 | 说明 |
|---|---|---|
| 实体型 | 矩形 | 框内写实体名 |
| 属性 | 椭圆形 | 用无向边与实体连接 |
| 联系 | 菱形 | 框内写联系名，用无向边连接实体并标注联系类型（1:1、1:n、m:n） |
| 联系的属性 | 椭圆形 | 用无向边与该联系连接 |
E-R图实例：工厂物资管理的概念模型涉及仓库、零件、供应商、项目、职工等实体，包含多种联系类型。
1.2.3 数据模型的组成要素
- 数据结构
- 描述数据库的组成对象及对象之间的联系
- 描述的内容
- 与对象的数据类型、内容、性质有关
- 与数据之间联系有关
- 是对系统静态特性的描述
- 数据操作
- 对数据库中各种对象（型）的实例（值）允许执行的操作集合，包括操作及有关的操作规则
- 数据操作的类型
- 查询
- 更新（插入、删除、修改）
- 数据模型对操作的定义
- 操作的确切含义
- 操作符号
- 操作规则（如优先级）
- 实现操作的语言
- 是对系统动态特性的描述
- 数据的完整性约束条件
- 一组完整性规则的集合
- 完整新规则：给定的数据模型中数据及其练习所具有的制约和依存规则
- 用以限定数据状态及状态的变化，保证数据正确、有效、相容
1.2.4 常用数据模型
| 数据模型 | 数据结构 | 说明 |
|---|---|---|
| 层次模型（Hierarchical Model） | 基本层次联系 | 格式化模型 |
| 网状模型（Network Model） | 基本层次联系 | 格式化模型 |
| 关系模型（Relational Model） | 表（Table） | 最重要、最常用 |
| 面向对象模型（Object Oriented Model） | 对象 | — |
| 对象关系模型（Object Relational Model） | 表+对象 | — |
1.2.5 层次模型
1. 数据结构
满足以下两个条件的基本层次联系的集合：
- 有且只有一个结点无双亲（根结点）
- 根以外的其他结点有且只有一个双亲结点
表示方法：
- 实体型：用记录类型描述，每个结点表示一个记录类型
- 属性：用字段描述
- 联系：用结点之间的连线表示一对多联系
特点：
- 结点的双亲是唯一的
- 只能直接处理一对多的实体联系
- 每个记录类型定义一个排序字段（码字段）
- 任何记录值只有按其路径查看才能显出全部意义
- 没有子女记录值能够脱离双亲记录值而独立存在
多对多联系的表示：需分解为一对多联系，方法有冗余结点法和虚拟结点法。
2. 数据操纵
查询、插入、删除、更新
3. 完整性约束
- 无双亲结点值就不能插入子女结点值
- 删除双亲结点值时，子女结点值也被同时删除
- 更新时应更新所有相应记录以保证一致性
4. 存储结构
- 邻接法：按层次树前序遍历顺序邻接存放
- 链接法：用指引元反映数据之间的层次联系（子女-兄弟链接法、层次序列链接法）
5. 优缺点
优点：
- 模型简单，对一对多层次关系描述自然、直观、易懂
- 性能优于关系模型，不低于网状模型
- 提供良好的完整性支持
缺点：
- 多对多联系表示不自然
- 对插入和删除操作限制多
- 查询子女结点必须通过双亲结点
- 层次命令趋于程序化
6. 典型系统
IMS（Information Management System） — 第一个大型商用DBMS，1968年由IBM公司研制。
1.2.6 网状模型
1. 数据结构
满足以下两个条件的基本层次联系的集合：
- 允许一个以上的结点无双亲
- 一个结点可以有多于一个的双亲
表示方法（与层次模型相同）：
- 实体型：记录类型
- 属性：字段
- 联系：结点之间的连线表示一对多联系
特点：
- 只能直接处理一对多实体联系
- 每个记录类型定义一个排序字段（码字段）
- 任何记录值只有按其路径查看才能显出全部意义
与层次模型的区别：
- 网状模型允许多个结点没有双亲结点
- 网状模型允许结点有多个双亲结点
- 网状模型允许两个结点之间有多种联系（复合联系）
- 网状模型可以更直接地描述现实世界
- 层次模型实际上是网状模型的一个特例
多对多联系的表示：直接分解成一对多联系。
2. 数据操纵
查询、插入、删除、更新
3. 完整性约束
- 码：唯一标识记录的数据项的集合
- 双亲与子女之间是一对多联系
- 允许插入尚未确定双亲结点值的子女结点值
- 允许只删除双亲结点值
4. 存储结构
常用方法：单向链接、双向链接、环状链接、向首链接
5. 优缺点
优点：
- 能更直接地描述现实世界（一个结点可有多个双亲）
- 具有良好的性能，存取效率较高
缺点：
- 结构复杂，随应用环境扩大而越来越复杂
- DDL、DML语言复杂，用户不易使用
- 记录间联系通过存取路径实现，用户必须了解系统结构细节
6. 典型系统
DBTG系统（CODASYL系统） — 由DBTG提出的系统方案，奠定了数据库系统的基本概念、方法和技术。实际系统包括：IDMS、DMS1100、IDS/2、IMAGE等。
1.2.7 关系模型
最重要的一种数据模型，是目前主要采用的数据模型。1970年由IBM公司San Jose研究室的 E.F.Codd 提出，是本课程的重点。
1. 数据结构
在用户观点下，关系模型中数据的逻辑结构是一张二维表，由行和列组成。
基本概念：
| 术语 | 定义 | 通俗理解 |
|---|---|---|
| 关系（Relation） | 一张二维表 | 对应通常说的表 |
| 元组（Tuple） | 表中的一行 | — |
| 属性（Attribute） | 表中的一列 | 每个属性有属性名 |
| 主码（Key） | 唯一确定一个元组的属性组 | — |
| 域（Domain） | 属性的取值范围 | — |
| 分量 | 元组中的一个属性值 | — |
| 关系模式 | 对关系的描述 | 关系名（属性1，属性2，…） |
实体及联系的表示：
- 实体型：直接用关系（表） 表示
- 属性：用属性名表示
- 一对一联系：隐含在实体对应的关系中
- 一对多联系：隐含在实体对应的关系中
- 多对多联系：直接用关系表示
规范化要求：关系必须规范化，最基本的是每个分量必须是不可分的数据项。
2. 数据操纵
查询、插入、删除、更新
特点：
- 数据操作是集合操作，操作对象和结果都是关系
- 存取路径对用户透明，用户只需说明"干什么"，不必说明"怎么干"
3. 完整性约束
- 实体完整性
- 参照完整性
- 用户定义的完整性
4. 存储结构
表以文件形式存储。有的DBMS一个表对应一个操作系统文件，有的自己设计文件结构。
5. 优缺点
优点：
- 建立在严格的数学概念基础上
- 概念单一，数据结构简单、清晰，用户易懂易用
- 实体和各类联系都用关系表示，检索结果也是关系
- 存取路径对用户透明
- 具有更高的数据独立性，更好的安全保密性
- 简化了程序员的工作和数据库开发建立的工作
缺点：
- 存取路径透明导致查询效率往往不如非关系数据模型
- 为提高性能必须对查询请求进行优化，增加了开发DBMS的难度
6. 典型系统
ORACLE、SYBASE、INFORMIX、SQL Server、DB/2等。
国内自主研发的：COBASE（北大/人大/中软）、PBASE（人大）、EasyBase（人大）、DM/2（华中科技大学）、OpenBase（东大阿尔派）。
1.3 数据库系统结构
1.3.1 数据库系统内部的模式结构
型与值
- 型（Type）：对某一类数据的结构和属性的说明
- 值（Value）：型的一个具体赋值
- 模式（Schema）：数据库逻辑结构和特征的描述，是型的描述，不涉及具体值，是相对稳定的
- 实例（Instance）：模式的一个具体值，反映数据库某一时刻的状态，随数据的更新而变动。同一模式可以有多个实例。
三级模式结构
模式（Schema）/逻辑模式
- 数据库中全体数据的逻辑结构和特征的描述
- 所有用户的公共数据视图
- 一个数据库只有一个模式
- 是模式结构的中间层
- 与数据的物理存储细节和硬件环境无关
- 与具体的应用程序、开发工具、高级程序设计语言无关
- 定义内容：数据的逻辑结构、数据之间的联系、安全性/完整性要求
外模式（External Schema）/子模式/用户模式
- 数据库用户使用的局部数据的逻辑结构和特征的描述
- 数据库用户的数据视图
- 模式与外模式的关系：一对多
- 外模式通常是模式的子集
- 一个数据库可以有多个外模式
- 同一外模式可为多个应用系统使用，但一个应用程序只能使用一个外模式
- 用途：保证数据库安全性的有力措施，用户只能看见和访问所对应的外模式中的数据
内模式（Internal Schema）/存储模式
- 数据物理结构和存储方式的描述
- 是数据在数据库内部的组织方式
- 一个数据库只有一个内模式
- 包括：记录的存储方式（顺序/B树/hash）、索引的组织方式、数据压缩/加密等
二级映像功能与数据独立性
外模式／模式映像
- 定义外模式与模式之间的对应关系
- 每个外模式都有一个映像
- 保证数据的逻辑独立性：模式改变时，修改映像使外模式不变，应用程序不必修改
模式／内模式映像
- 定义数据全局逻辑结构与存储结构之间的对应关系
- 数据库中唯一的
- 保证数据的物理独立性：存储结构改变时，修改映像使模式不变，应用程序不受影响
数据与程序的独立性使得数据的定义和描述可从应用程序中分离出去，数据的存取由DBMS管理，用户不必考虑存取路径等细节，大大减少了应用程序的维护和修改。
1.3.2 数据库系统外部的体系结构
单用户结构
- 整个数据库系统装在一台计算机上，为一个用户独占
- 不同机器之间不能共享数据
- 早期最简单的数据库系统
主从式结构
- 一个主机带多个终端的多用户结构
- 所有处理任务由主机完成
- 优点：易于管理、控制与维护
- 缺点：主机易成为性能瓶颈；系统可靠性依赖主机
分布式结构
- 数据在逻辑上是一个整体，但物理地分布在计算机网络的不同结点上
- 每个结点可独立处理本地数据（局部应用），也可存取异地数据（全局应用）
- 优点：适应地理上分散的应用需求
- 缺点：数据处理、管理与维护困难；访问远程数据时受网络传输制约
客户/服务器（C/S）结构
- DBMS功能和应用分开：服务器专门执行DBMS功能，客户机安装外围应用开发工具
- 种类：集中式服务器结构、分布式服务器结构
- 优点：减少数据传输量，数据库更开放，跨平台运行
- 缺点："胖客户"问题——安装复杂，维护困难，安全性差，浪费系统资源
浏览器/应用服务器/数据库服务器（B/S）结构
- 客户端：浏览器软件，界面统一，易掌握
- 服务器端：Web服务器、应用服务器、数据库服务器
- 优点：大大减少开发和维护代价，能支持数万甚至更多用户
*1.4 数据库系统的组成
数据库系统由以下四部分组成：
- 数据库
- 数据库管理系统（及其开发工具）
- 应用程序
- 数据库管理员
一、硬件平台及数据库
对硬件资源的要求：
- 足够大的内存 — 用于操作系统、DBMS核心模块、数据缓冲区、应用程序
- 足够大的外存 — 磁盘或磁盘阵列（存放操作系统、DBMS、应用程序、数据库及备份）、光盘和磁带（数据备份）
- 较高的通道能力 — 提高数据传送率
二、软件
- DBMS
- 操作系统
- 与数据库接口的高级语言及其编译系统
- 以DBMS为核心的应用开发工具
- 为特定应用环境开发的数据库应用系统
三、人员
数据库管理员（DBA）
- 决定数据库中的信息内容和结构
- 决定数据库的存储结构和存取策略
- 定义数据的安全性要求和完整性约束条件
- 监控数据库的使用和运行（周期性转储数据库、系统故障恢复、介质故障恢复、监视审计文件）
- 数据库的改进和重组重构（性能监控和调优、定期重组织、需求变化时重构造）
系统分析员
- 负责应用系统的需求分析和规范说明
- 与用户及DBA协商确定系统软硬件配置
- 参与数据库系统的概要设计
数据库设计人员
- 参加用户需求调查和系统分析
- 确定数据库中的数据
- 设计数据库各级模式
应用程序员
- 设计和编写应用系统的程序模块
- 进行调试和安装
最终用户
- 偶然用户：不经常访问数据库，每次需不同信息（高中级管理人员）
- 简单用户：主要工作是查询和更新数据库（银行职员、机票预订人员）
- 复杂用户：直接使用数据库语言访问数据库，甚至基于API编制自己的应用程序（工程师、科学家等）
本章小结
本章围绕数据库系统的基本概念、数据模型和系统结构展开，是学习数据库原理的基础。
关键内容
- 基本概念：数据、数据库（DB）、数据库管理系统（DBMS）、数据库系统（DBS）的定义、特点和区别。
- 数据管理发展：人工管理、文件系统、数据库系统三个阶段及其特点对比。
- 数据库系统特点：整体数据结构化，高共享、低冗余，物理独立性和逻辑独立性较高，并由 DBMS 统一管理安全性、完整性、并发控制和恢复。
- 数据模型：掌握数据结构、数据操作、完整性约束三要素；理解概念模型与 E-R 图；比较层次模型、网状模型和关系模型。
- 系统结构：理解三级模式结构（模式、外模式、内模式）和二级映像，明确二级映像分别支撑逻辑独立性和物理独立性。
- 系统组成：数据库系统由硬件、软件和人员共同构成，其中 DBA 负责数据库的规划、设计、运行与维护。
核心要点
- 数据库系统相对文件系统的核心优势在于数据共享、数据独立性和统一的数据控制。
- 概念模型面向信息世界，关系模型面向机器世界，是数据库逻辑设计的主要基础。
- 三级模式和二级映像是理解数据库系统数据独立性的关键。
关键术语
Data, DB, DBMS, DBS, DBA, 数据模型, E-R 图, 层次模型, 网状模型, 关系模型, 模式, 外模式, 内模式, 物理独立性, 逻辑独立性。