数据库笔记(十二)——函数依赖理论和分解算法

函数依赖理论

  • 逻辑蕴涵

    • 定义:

      • 存在如下条件
        • 关系模式:r(R)
        • 依赖集:F (由一个或多个依赖组成)
        • 依赖:f
      • 若r(R)满足F ==> r(R)满足f
      • 我们称 F 逻辑蕴涵 f

      ps: 其中f可由F通过Armstrong公理推得

    • 举个栗子:
      • 给定关系模式 r(A, B, C, G, H, I)

      • F包含如下依赖

        • A → B
        • A → C
        • CG → H
        • CG → I
        • B → H
      • 函数依赖f : A → H

      • 其中 f 被 F 逻辑蕴涵

        • 由Amstrong传递公理可知:A → B, B → H ==> A → H
  • 函数依赖集的闭包

    • 令 F 为一个函数依赖集。则 F的闭包被 F 逻辑蕴涵的所有函数依赖的集合
    • 记作:F+
  • Armstrong公理(Armstrong's axiom)

    公理是科学的客观规律,不需要自己证明,直接用就行

    • Armstrong 公理

      • 自反律(reflexivity rule)。若α为一个属性集,且β⊆α, 则α→β
        • 举个栗子:(A, B)→A
      • 增补律(augmentation rule)。若α→β成立且γ为一属性集,则γα→γβ
        • 举个栗子:(A, B)→C ==> (A, B, D, E)→(C, D, E)
      • 传递律(transitivity rule)。若α→β和β→γ成立,则 α→γ 成立
        • 举个栗子:A→B, B→C ==> A→C
    • Armstrong公理是完备的,对于一个给定的函数依赖集F,通过Armstrong公理可以产生全部的F+

    • Armstrong公理的一些推论

      可由Armstrong公理直接推得,也可以当做公理使用

      • 合并律(union rule)。若α→β和α→γ成立,则α→βγ
        • 举个栗子:A→B, A→C ==> A→(B, C)
      • 分解律(decomposition rule)。若α→βγ成立,则α→β和α→γ成立
        • 举个栗子:A→(B, C) ==> A→B, A→C
      • 伪传递律(pseudotransitivity rule)。若α→β和γβ→δ成立,则αγ→δ成立
        • 举个栗子:A→B, (B, C)→D ==> (A, C)→D
  • 属性集的闭包

    • 令α为一个属性集,我们将函数依赖集 F 下被α 函数确定的所有属性的额集合为称为F下α的闭包
    • 记作:α+
    • 伪代码如下:
      result := α
        repeat
          for each 函数依赖 β→γ in F do
            begin
              if β ⊆ result then result := result ∪ γ
            end
        until(result 不变)
      
  • 正则覆盖(极小函数依赖集)

    • 如果去除函数依赖中的一个属性不改变函数依赖集的闭包,则称该属性是无关的
    • F的正则覆盖 Fc 是一个依赖集,使得F逻辑蕴涵Fc 中的所有依赖,并且Fc 逻辑蕴涵F中的所有依赖。此外,Fc 必须具有如下性质 :
      • Fc 中任何函数依赖都不含无关属性
      • Fc 中函数依赖的左半部都是唯一的。即Fc 中不存在两个依赖α1→β1和α2→β2, 满足α12
  • 无损分解

    • 如果用两个关系模式r1(R)和r2(R)替代r(R)时没有信息损失,则我们称该分解时无损分解(lossless decomposition)
    • SQL 表示
      -- 下面查询的结果与r具有相同结果的元组集
      SELECT *
      FROM r1 natural join r2
      
    • 关系代数表示:
      • R1(r) ⋈ ∏R2(r) = r

分解算法=> 下回分解

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容