企业官网建设流程全解析

数据库系统の规范化理论：怎么设计一张"好"的表？

你有没有见过这样一张表：学生的学号、姓名、院系编号、院系名称、院系地址，全部塞在同一张表里？

看起来"什么都有"，用起来却是灾难——新成立的院系没有学生就没法录入、删除最后一个学生会连带丢掉整个院系的信息、改一次院系地址要改几十行数据……

这些问题的根源是同一个：关系模式设计得不好。而规范化理论，就是一套科学的"表格设计方法论"——告诉你什么样的表是"好"的，怎么把"坏"的表拆成"好"的表。

这篇文章把函数依赖、Armstrong公理、属性闭包、五大范式、模式分解全部讲透。期末考试必考的规范化大题，这一篇就够了。

本文目录

1. 问题的提出：为什么需要规范化？

2. 函数依赖：规范化的理论基石

3. Armstrong公理与属性闭包

4. 最小函数依赖集

5. 范式：从1NF到BCNF

6. 模式分解：怎么把"坏表"拆成"好表"

一、问题的提出：为什么需要规范化？

1.1 一个"坏"的关系模式

假设我们设计这样一张表来管理学生信息：

StudentDept（Sno, Sname, Ssex, Dno, Dname, Daddr）

看起来什么问题都有——每个学生的院系信息都重复了。但这不只是"浪费空间"的问题，还会导致四种严重的操作异常。

1.2 四种操作异常

数据冗余——计算机系的名称和地址被重复存储了两次（张三和李四各存一份）。如果有100个计算机系的学生，"计算机系, 1号楼"就要重复100次。

插入异常——假设学校新成立了一个"人工智能学院"，但还没有招到学生。因为Sno是主码不能为空，所以我们无法把新院系的信息插入到表中——该插入的数据插不进去。

删除异常——假设数学系只有一个学生王五。如果王五毕业了，我们删除王五的记录，连带着数学系的全部信息也丢失了——不该丢的数据被一起删了。

修改异常——计算机系搬到了3号楼。我们需要修改所有计算机系学生的Daddr字段（张三和李四都要改）。如果漏改了某一行，数据就不一致了。

1.3 异常的根源

这四种异常的根源是同一个：关系模式中存在不合适的数据依赖。

具体来说：Sno能决定Sname（每个学号对应唯一的姓名），Dno能决定Dname和Daddr（每个院系有唯一的名称和地址）。但我们把学生信息和院系信息放在了同一张表里，导致了院系信息对Sno的"间接依赖"——这就是问题的核心。

解决思路：把一个大关系分解成多个小关系（模式分解），让每个关系只描述一个"主题"。

二、函数依赖：规范化的理论基石

要科学地设计关系模式，首先需要一种工具来描述属性之间的依赖关系——这就是函数依赖（Functional Dependency, FD）。

2.1 函数依赖的定义

X→Y：在关系R中，如果X的值确定了，Y的值就唯一确定了，则称X函数决定Y，或Y函数依赖于X。

X称为决定因素（Determinant），Y称为被决定因素。

比如在学生表中：Sno→Sname（学号确定姓名），Dno→Dname（院系编号确定院系名称）。

注意：函数依赖是语义层面的——它取决于现实世界中数据之间的实际关系，不是看某个具体实例（数据表）是否满足，而是看所有可能的合法数据是否都满足。

2.2 函数依赖的分类

函数依赖的三种类型：完全依赖、部分依赖、传递依赖

平凡函数依赖——Y是X的子集（如AB→A）。这种依赖总是成立，没有实际意义。

非平凡函数依赖——Y不是X的子集（如Sno→Sname）。这是我们关心的有意义的依赖。

完全函数依赖——Y依赖于X，且不依赖于X的任何真子集。记为X →ᶠ Y。比如(Sno, Cno) → Grade：成绩由学号和课程号共同决定，缺一不可。

部分函数依赖——Y依赖于X，但Y实际上只依赖于X的某个真子集。记为X →ₚ Y。比如(Sno, Cno) → Sname：姓名只依赖于Sno（学号），不依赖于Cno（课程号），所以Sname对复合码(Sno, Cno)是部分依赖。

传递函数依赖——X→Y，Y→Z，且Y不包含于X，Y不决定X。比如Sno→Dno，Dno→Daddr，则Daddr传递依赖于Sno。院系地址不是由学号直接决定的，而是通过院系编号"传递"过来的。

2.3 函数依赖与码的关系

候选码——能函数决定全部属性的最小属性集。"最小"意味着去掉任何一个属性就不能决定全部属性了。

主属性——包含在任一候选码中的属性。

非主属性——不包含在任何候选码中的属性。

全码——所有属性组合起来才是候选码（极端情况）。

三、Armstrong公理与属性闭包

3.1 Armstrong公理

有了函数依赖集F，我们想知道F能推导出哪些新的函数依赖。Armstrong公理提供了三条基本推理规则：

Armstrong公理与属性闭包算法

自反律（Reflexivity）：若Y⊆X，则X→Y。意思是：如果Y是X的子集，那么X当然能决定Y。（比如学号+姓名当然能决定姓名——废话。）

增广律（Augmentation）：若X→Y，则XZ→YZ。意思是：如果X能决定Y，那么在两边都加上相同的属性集Z，依赖仍然成立。

传递律（Transitivity）：若X→Y，Y→Z，则X→Z。意思是：依赖关系可以传递。

由这三条公理可以推导出三条常用规则：

合并律：若X→Y且X→Z，则X→YZ。（左边相同，右边可以合并。）

分解律：若X→YZ，则X→Y且X→Z。（右边可以拆开。）

伪传递律：若X→Y且WY→Z，则WX→Z。（把X→Y代入WY→Z中的Y。）

Armstrong公理是完备的——F能推导出的所有函数依赖，都可以用这三条公理推出来。

3.2 属性闭包

X⁺（X关于F的闭包）——从X出发，利用F中的函数依赖，能函数决定的所有属性的集合。

求闭包的算法：

1. 令X⁺ = X（初始值）

2. 反复扫描F中的每个FD：如果左边⊆X⁺，就把右边加入X⁺

3. 直到X⁺不再增大为止

例题：已知F = {A→B, B→C, CD→E}，求A⁺。

• 初始：A⁺ = {A}

• 应用A→B：A⁺ = {A, B}

• 应用B→C：A⁺ = {A, B, C}

• 应用CD→E：C⊆A⁺但D不在A⁺中，不满足，跳过

• 没有新的FD可以应用了，最终A⁺ = {A, B, C}

属性闭包的三大用途：

判断候选码：如果X⁺包含了关系的全部属性（X⁺ = U），则X是超码。再检查X的每个真子集的闭包是否≠U，如果都不等于U，则X是候选码（最小性）。

判断FD是否成立：要判断X→Y是否被F所蕴含，只需检查Y是否⊆X⁺。如果是，则X→Y成立。

求最小覆盖：属性闭包是求最小函数依赖集的关键工具。

四、最小函数依赖集（最小覆盖）

4.1 定义

最小覆盖Fmin是与原函数依赖集F等价的最简形式，满足三个条件：

1. 每个FD的右边都是单属性

2. 没有冗余的FD——去掉任何一个FD后，闭包会改变（不等价）

3. 每个FD的左边没有冗余属性——去掉左边任何一个属性后，闭包会改变

4.2 求最小覆盖的步骤

第一步：拆分右边——把每个FD的右边拆成单属性。比如AB→CD拆为AB→C和AB→D。

第二步：消除冗余FD——逐个尝试去掉每个FD，检查去掉后剩下的FD集是否仍然能推出被去掉的FD（用属性闭包判断）。如果能推出，说明这个FD是冗余的，可以去掉。

第三步：消除左边冗余属性——对于左边有多个属性的FD（如AB→C），逐个检查去掉某个属性后（如B→C或A→C），用剩余FD集的属性闭包是否仍能推出C。如果能，则该属性是冗余的。

4.3 注意

最小覆盖不唯一——取决于处理FD的顺序。但任何最小覆盖都与原F等价（能推出相同的函数依赖集）。

五、范式：从1NF到BCNF

范式（Normal Form）是衡量关系模式"好坏"的标准。范式越高，数据冗余越少。

范式层级：1NF ⊃ 2NF ⊃ 3NF ⊃ BCNF

5.1 第一范式（1NF）

要求：每个分量都是不可再分的基本数据项（原子性）。

这是关系数据库的最低要求——不满足1NF的连"关系"都算不上。

反例：如果"地址"属性包含了省、市、街道，没有拆分成独立字段，就不满足1NF。

5.2 第二范式（2NF）

要求：1NF + 消除非主属性对码的部分函数依赖。

含义：每个非主属性必须完全依赖于候选码（不能只依赖码的一部分）。

问题场景：关系SC(Sno, Cno, Sname, Grade)，码是(Sno, Cno)。Sname只依赖于Sno（不依赖Cno），所以Sname对码(Sno, Cno)是部分依赖。

解决：分解为两个关系：

• Student(Sno, Sname)——学号决定姓名

• Score(Sno, Cno, Grade)——学号+课程号决定成绩

分解后，每个非主属性都完全依赖于码，满足2NF。

快速判断：如果候选码是单属性（只有一个属性），则不存在部分依赖，自动满足2NF。

5.3 第三范式（3NF）

要求：2NF + 消除非主属性对码的传递函数依赖。

含义：非主属性不能通过另一个非主属性"传递"依赖于码。

问题场景：关系Student(Sno, Sname, Dno, Daddr)，码是Sno。Sno→Dno（学号决定院系编号），Dno→Daddr（院系编号决定地址）。Daddr传递依赖于Sno。

解决：分解为两个关系：

• Student(Sno, Sname, Dno)——学生基本信息

• Dept(Dno, Daddr)——院系信息

分解后消除了传递依赖，满足3NF。

5.4 BC范式（BCNF）

要求：每个决定因素都是候选码。

BCNF比3NF更严格。3NF只关注非主属性不能传递/部分依赖于码，但BCNF关注所有属性——包括主属性。

3NF和BCNF的区别：

3NF允许的情况：非主属性不传递依赖于码，但主属性可能部分依赖或传递依赖于码。

BCNF消除了这种情况：每个决定因素都必须是候选码——无论是主属性还是非主属性。

满足BCNF一定满足3NF，反之不然。

BCNF的例子：关系STJ(S, T, J)，S是学生，T是教师，J是课程。FD：T→J（每个教师只教一门课），(S,J)→T（每个学生每门课只有一个教师），(S,T)→J（每个学生跟每个教师只学一门课）。候选码是(S,J)和(S,T)。T→J中T不是候选码，所以不满足BCNF。

5.5 第四范式（4NF）

4NF引入了多值依赖（MVD）的概念：X→→Y。实际考试中较少涉及，这里简单提一下：4NF要求消除非平凡且非函数依赖的多值依赖。

5.6 范式之间的关系

1NF ⊃ 2NF ⊃ 3NF ⊃ BCNF ⊃ 4NF——每个更高的范式都是更低范式的子集。满足高阶范式一定满足低阶范式，反之不然。

范式越高，数据冗余越少，异常越少。但代价是：查询时可能需要更多的连接（JOIN）操作，因为数据分散在更多的表中。

实际设计中，通常达到3NF或BCNF即可。更高的范式（4NF、5NF）在理论研究中更有意义。

六、模式分解：怎么把"坏表"拆成"好表"

规范化过程：从1NF逐步分解到3NF

6.1 分解的目标

把低范式的关系模式分解为高范式的多个关系模式，减少数据冗余和操作异常。

6.2 无损连接性（Lossless Join）

定义：分解后的关系做自然连接，能完全恢复原关系（不多不少）。

为什么必须无损？如果分解不是无损的，做自然连接后会产生原表中不存在的"伪元组"——这就丢失了信息。

判定方法：

二分分解定理（最常用）：R分解为R1和R2，如果满足以下任一条件，则是无损分解：

• R1 ∩ R2 → R1 - R2（交集能决定R1独有的属性）

• R1 ∩ R2 → R2 - R1（交集能决定R2独有的属性）

表格法（Chase算法）：对于分解为多个关系的情况，构造一个初始表，反复应用FD修改表中的值，直到某一行全为a（表示无损）或无法再修改（表示有损）。

6.3 保持函数依赖

定义：分解后，原F中的每个FD都可以在某个子模式上检查。

为什么需要保持？如果不保持，有些约束无法在单个表上验证——需要跨表检查，代价很高。

判定方法：检查每个FD的左右属性是否都包含在某个子模式中。

6.4 分解算法

3NF分解——保证无损连接且保持函数依赖。具体步骤：

1. 求F的最小覆盖Fmin

2. 对Fmin中的每个FD X→Y，生成一个子模式XY

3. 如果某个子模式不包含任何候选码，加入一个包含候选码的子模式

BCNF分解——保证无损连接（但不一定保持函数依赖）。具体步骤：

1. 检查当前关系是否满足BCNF

2. 如果不满足，找到违反BCNF的FD X→Y（X不是候选码）

3. 将R分解为R1(XY)和R2(R-Y)

4. 递归检查R1和R2，直到所有子关系都满足BCNF

6.5 分解的权衡

选择原则：如果要求保持函数依赖（便于约束检查），选3NF分解。如果要求最大程度消除异常，选BCNF分解。实际中，大多数设计达到3NF就够了——3NF已经消除了绝大部分冗余和异常。

总结

规范化理论的核心可以用一条主线串起来：

函数依赖→ 描述属性之间的决定关系，是理论基础。部分依赖和传递依赖→ 导致数据冗余和操作异常的"罪魁祸首"。Armstrong公理→ 从已知FD推导新FD的推理工具。属性闭包→ 判断候选码、验证FD、求最小覆盖的万能工具。范式→ 从1NF到BCNF，每一级消除一种"坏"依赖。模式分解→ 把坏表拆成好表，保证无损连接和（尽量）保持函数依赖。

一句话总结：规范化的本质就是"一事一表"——让每张表只描述一个主题，属性之间有清晰的依赖关系，不冗余、不矛盾、不异常。