西安石油大学数据库原理与应用第2章 - 数据模型

•
这是一个从普遍到特殊的过程， 这个过程叫做特殊化。 与特殊化相反的 过程叫普遍化， 即把几个具有某些共性 的实体集概括成一个更普遍的实体集。 例如， 把研究生、 本科生、 大专生三个 实体集概括为学生实体集， 还可以把学 生、 教师、 职工这些实体集概括为“人” 这个实体集。 从一般到特殊， 从特殊到 一般， 本来就是人们认识世界常用的方 法， 因而在 E-R 数据模型中引入特殊化 和普遍化这两个概念， 对模拟现实世界 是有用的。
用主键（primary key）来代表被数 据库设计者选中的，用来在同一实体集 中区分不同实体的候选键。键(主键、 候 选键和超键)是实体集的性质，而不是一 个实体的性质。实体集中的任意两个实 体都不允许同时在键属性上具有相同的 值。键的指定代表了对被建模的现实世 界中的约束。
(2) 联系集的键。 实体集的主键使得我们可以将实体集中 的不同实体区别开来。需要一种类似的机制 来区别一个联系集中不同的联系。 假设R只是一个涉及实体集El， E2， …， En 的联系集，而 primary-key(Ei) 代表构成 实体集Ei主键的属性集合。这里假设所有主 键的属性名是惟一的 ( 如果不是这样，可以 采用适当的重命名机制 ) 。联系集主键的构 成依赖于同联系集相联系的属性的结构。
基数比约束和参与约束构成联系的语 义约束，有时合称为结构约束(structure constraint)。 参与度的min项隐含了参与 约束，而其中的max项隐含了基数比约束。 设R(E1，E2)为定义在实体集E1、E2的联系 集, E1、E2的参与度分别为(min1，max1)、 (min2， max2)，如果max1、max2都为1， 则显然是1∶1联系； 如果max1、max2中 有一个为1，另一个大于1， 则显然为1∶N 联系; 如果max1和max2都大于1， 则显然 为M∶N联系。 用参与度表示结构约束容易 推广到多元联系， 且对实体参与联系的程 度有量的概念。
在同一实体集中，每个实体的属性 及其域是相同的，但可能取不同的值。 一个实体是由其属性的值确定的。在E-R 模型中，根据属性取值的不同种类，可 将属性划分为如下的几种类型: (1) 简单属性: 指它们不能再划分为更 小的部分。 (2) 复合属性: 指它们可以再划分为更 小的部分(即划分为别的属性)。
实体集之间的关联称为参与，也就是 说，实体集e1， e2，…，en参与联系集。 E―R 模式中的一个联系实例表示所模拟 的现实世界的命名实体间存在联系。参 与联系集的实体集的数目也称为联系集 的度，二元联系集的度为2，三元联系集 的度为3。
实体 1 实体 1 联系 联系 实体 2
实体 2 (a)
实体 3 (b)
第2章 数据模型 2.1 基本实体—联系模型 2.2 扩展实体—联系模型 2.3 实体—联系模型的应用 2.4 关系模型 2.5 数据库设计工具— PowerDesigner 2.6 面向对象的数据模型
2.1 实体―联系模型
不同的数据模型提供给我们模型化数据 和信息的不同工具。根据模型应用的不同 目的，可以将这些模型划分为两个层次: 一 类模型是概念模型，也称信息模型，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; 另一类模型是数据模型， 主 要包括网状模型、层次模型、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。
2.1.2 实体-联系模型中各元素的图示 E-R 数据模型提供了实体、属性和联 系三个主要的抽象概念。这三个概念简 单明了，直观易懂，用以模拟现实世界 比较自然。用E-R数据模型对一个系统的 模拟， 称为 E-R 数据模式。 E-R 数据模 式可以很方便地转换成相应的关系、层 次和网状数据模式。E-R数据模式可用非 常直观的E-R图(E-R diagram)表示，ER图中包括如下几个主要符号:
A
B
A
B
A
B
A
B
(a)
(b)
(c)
(d)
图2.2 二元联系集中映射的基数情况
参与 度的一般形式 可表示 为 (min ， max) ，如果 min=0 ，则意味着实体集的 实体不一定每个都参与联系。实体的这 种 参与 联 系 的 方 式 称 为 部 分 参 与 (part participation) 。如果 min>0 ，则意味着 实体集中的每个实体都必须参与联系， 否则就不能作为一个成员在实体集中存 在。实体的这种参与联系的方式称为全 参与(total participation)。实体参与联 系的方式是重要的语义约束，称为参与 约束(participation constraint)。
实体-联系 (E-R)数据模型是基于对现 实世界的这样一种认识: 世界由一组称作 实体的基本对象及这些对象间的联系组 成。E-R模型是一种语义模型，模型的语 义方面主要体现在模型力图去表达数据 的意义。 E-R 模型在将现实世界中事实的含 义和相互关联映射到概念模式方面非常 有用，因此，许多数据库设计工具都利 用了E-R模型的概念。
(3) 单值属性: 指所定义的属性对一个 特定实体都只有单独的—个值。
(4) 多值属性: 指对某个特定实体而言， 一个属性可能对应于一组值。 (5) NULL属性: 当实体在某个属性上 没有值或属性值未知时使用NULL值。 (6) 派生属性: 这类属性的值可以从别 的相关属性或实体派生出来。
3． 联系(relationship) 联系是多个实体间的相互关联。 实体之间会有各种关系，例如学生实体 与课程实体之间可有选课关系，学生与教师 之间可能有讲课关系等。这种实体与实体间 的关系抽象为联系。 联系可用实体所组成的元组表示，例如 元组〈e1， e2， …， en〉表示实体e1, e2, …, en之间的一个联系。如果n=2，则称为二 元联系，如果 n>2 ，则称为多元联系。 同 一类型的联系可能包含若干具体的联系， 例如学生选课这一类型的联系就包含许多具 体的学生选课联系。
• • • •
• • • • •
矩形: 表示实体集。 椭圆: 表示属性。 菱形: 表示联系集。 线段: 将属性连接到实体集或将实体集连接 到联系集。 双椭圆: 表示多值属性。 虚椭圆: 表示派生属性。 双线: 表示一个实体全部参与到联系集中。 双边框的矩形: 表示弱实体集。 双边框的菱形: 表示弱实体集对应的标识性 联系。
如果没有属性同联系集R相联， 那么属性 集合 primary-key(E1)∪primary-key(E2)∪… ∪primary-key(En) 描述了集合R中的一个联系。 如果属性a1，a2，…，am同联系集R相联 系，那么属性集合 primary-key(E1)∪primary-key(E2)∪… ∪primary-key(En)∪{a1， a2， …， am}
(3) 弱实体集的主键。 有些实体集的属性都不足以形成主键， 这样的实体集称作弱实体集。与此相对， 有主键实体集称作强实体集。弱实体集 只有作为一对多联系的一部分才有意义， 这时该联系集就应该不具有任何描述性 属性，因为任何所需属性都可以同弱实 体集相联系。强实体集和弱实体集的概 念是与存在依赖相关的。
2.1.1 基本概念 E-R数据模型所采用的概念主要是三个: 实体集、联系集和属性。 1． 实体（entity） 实体是对现实世界中客观存在并可互相 区别的“事件”或“物体”的抽象。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，学校中的每个人是一个实 体，一个系、一门课，学生的一次选课也是 一个实体。实体集是具有相同类型及相同性 质(或属性)的实体集合。
2． 属性(attribute) 实体一般具有若干特征，称之为实体 的属性。实体通过一组属性来表示， 而 属性是实体集中每个成员具有的描述性 性质。例如学生具有姓名、学号等属性。 每个属性都有其取值的范围，在E-R数据 模型中称为值集(value set)或域。 例如， 实体学生的属性姓名的域可能是某个长 度的所有字符串的集合， 属性成绩的域 可能是所有正整数的集合。
描述了集合 R 中的一个联系。在以上两 种情况下， 属性集合 primary-key(E1)∪primary-key(E2)∪… ∪primary-key(En) 构成联系集的一个超键。
联系的主键结构依赖于联系集映射的 基数。假设联系集是多对多的，而且有 表示联系特征的属性 type 与之相联系， 那么联系集的主键由参与的两个实体集 的主键共同组成。如果联系集是多对一 的或一对多的，那么联系集的主键就是 参与多方的实体集的主键。在一对一的 联系中，可以使用两个主键中的任何一 个来作联系集的主键。
联系也可能具有描述性属性，称为 联系的属性。
实体 1 学生
联系
描述性属性
选课
成绩
实体 2 (a)
图2.3 (a) 二元联系的描述性属性; (b) 实例
课程 (b)
4． 键(key) 关于给定实体集中的实体或给定联系集中的 联系如何相互区别的声明是非常重要的。从概念 上来说，各个实体或联系是互异的，但从数据库 的观点来看，它们的区别必须用其属性来表明。 键的概念使得可以进行这样的区别。 (1) 实体集的键。 能够惟一标识实体的属性或属性组称为实体 集的超键。超键是一个或多个属性的集合，这些 属性的组合可以使我们在一个实体集中惟一地标 识一个实体。
椭圆
双边框的矩形
双边框的菱形
图2.4 E―R图中使用的各种符号
联系集可以是多对多的、 一对多的、 多对一的或一对一的。 为了将这些类型 相互区别开来，在联系集和所联系的实 体集间或者用箭头(→)， 或者用线段(—) 标识， 并标注基数比。 例如如图2.5所 示。
2.1.3 扩充E-R数据模型 为了满足新的应用需求和表达更多的语 义， E-R数据模型进行了扩充。扩充E-R数 据模型引入了下列抽象概念。 1 ． 特 殊 化 (specialization) 和 普 遍 化 (generalization) 如前所述，一个实体集是具有某些共性 的实体的集合。这些实体一方面具有共性， 另一方面还具有各自的特殊性。一个实体集 可以按照某一特征区分为几个子实体集。 例如学生这个实体集可以分为研究生、本科 生、大专生等子集。如果需要的话，还可以 把研究生这个实体集再分为博士生、硕士生 等子集。