数据库设计-概念结构设计

article/2025/10/13 15:32:11

文章目录

  • 数据库设计
  • 概念设计结构
  • 概念结构设计
    • ER模型的基本元素
      • 实体/实体集
      • 属性
      • 区别实体和属性
      • 联系
    • 二元联系的关系
      • 1:1
      • 1:n
      • m:n
    • 一元联系
      • 1:1
      • 1:n
      • m:n
    • 三元联系
  • 采用ER模型的概念设计
      • 设计局部ER模型
      • 例题
      • 设计全局ER模型
      • 全局ER模型的优化

数据库设计

数据库设计:构造最优的数据模型,建立数据库及其应用系统的过程

数据库设计的好坏非常重要

概念设计结构

  • 概念设计的目标是产生反映用户需求的数据库概念结构,即概念模型

  • 概念模型具有硬件独立、软件独立的特点

  • 处于一个桥梁作用

  • 概念设计的主要步骤

  • 概念设计的方法
    • 实体练习方法(ER方法)

概念结构设计

ER模型的基本元素

实体/实体集

  • 实体

    • 实体是指数据对象,指应用中可以区别的客观存在的事物。
  • 实体集

    • 同一类实体组成的集合
  • 举例

属性

  • 实体的某一特征称为属性
  • 在一个实体中,能够唯一标识实体的属性或属性集称为“实体标识符
  • 一个实体只有一个标识符,没有候选标识符的概念。实体标识符有时也称为实体的主键

区别实体和属性

  • 实体和属性都是名词,所以要区分

  • 以例子讲解

  • 找出名词

  • 我们可以先看出规律,属性从属于实体,而且属性不能再分

  • 具体这题后面会讲

联系

  • 联系表示一个或多个实体之间的关联关系

  • 联系集是指同一类联系构成的集合

  • 将联系、联系集等统称为联系

  • 举例

  • 联系的元数

  • 二元联系
  • 三元联系
  • 一元联系(自己跟自己的联系)

二元联系的关系

1:1

1:n

  • 联系也会有属性:用于描述联系的特征

m:n

一元联系

1:1

1:n

m:n

三元联系

采用ER模型的概念设计

采用ER模型进行数据库的概念设计的步骤

  1. 首先设计局部ER模型
  2. 然后把各局部ER模型综合成一个全局ER模型
  3. 最后对全局ER模型进行优化,得到最终的ER模型,即概念模式

设计局部ER模型

  • 要点是区分实体和属性

  • 两条准则

    • 属性不能再具有需要描述的性质
    • 属性不能与其他实体具有联系
  • 举例

    • 因为职称跟其他东西挂钩,所以要作为实体

例题

  • 例题1

  • 画出ER图

  • 把借阅作为实体有问题吗

  • 有,借阅信息没有实体标识符(类似主键,唯一区分),在ER图中每个实体都要有实体标识符,而联系没有。所以这里要给借阅信息加上一个实体标识符。

  • 例题2

  • 先看上面带序号的,区分出实体和属性

  • 再根据关系,将各个实体相连

设计全局ER模型

将局部ER模型综合成单一的全局概念结构的步骤:

  • 确定公共实体类型
    • 根据实体类型名和键来认定公共实体类型
  • 合并局部ER模型
    • 首先进行两两合并,先合并那些现实世界有联系的局部结构
    • 合并从公共类型开始,最后再加入独立的局部结构
  • 消除冲突
    • 属性合并(属性域冲突)
    • 结构冲突
    • 命名冲突

全局ER模型的优化

  • 优化原则

    • 合并实体类型

    • 消除冗余属性

    • 消除冗余联系

  • 例题

  • 学籍管理

  • 课程管理

  • 教师管理

  • 全局ER


http://chatgpt.dhexx.cn/article/KVK3S9fC.shtml

相关文章

数据库设计—图书管理数据库系统设计

如下代码供学习交流,获取完整代码,请关注公众号(coding加油站)获取 1、项目简介 图书馆数据库,该项目同时提供pythonweb可视化展示界面,也可提供相关报告数据,可以用来作为数据库系统设计的期…

数据库设计(一)——数据库设计

一、数据库设计简介 按照规范设计,将数据库的设计过程分为六个阶段: A、系统需求分析阶段 B、概念结构设计阶段 C、逻辑结构设计阶段 D、物理结构设计阶段 E、数据库实施阶段 F、数据库运行与维护阶段 需求分析和概念结构设计独立于任何数据库管理系统…

数据库设计的六个基本步骤

按照规范设计的方法,考虑数据库及其应用系统开发全过程,可将数据库设计分为以下6个阶段,分别为:1.需求分析,2.概念结构设计,3.逻辑结构设计,4.物理结构设计,5.数据库实施&#xff0c…

数据库设计(一)

目录 数据库设计的基本概念: 数据库设计包括以下几个部分: 需求设计: 1、数据: 2、处理: 概念结构设计: 实体: 例如: 联系类型: 1、一对一: 2、一对多&a…

数据库:数据库设计(需求,设计,运行,维护)

1,数据库设计概述 1.1,数据库设计的基本概念 数据库设计是指对于一个给定的应用环境,构造(设计)优化的数据库逻辑模式和物理结构,并据此建立数据库及其应用系统,使之能够有效地存储和管理数据&…

数据库系统-数据库设计

数据库系统-数据库设计 数据库设计概述及六步骤简介 数据库设计是指对于一个给定的应用环境,构造最优的数据库模式,建立数据库及其应用系统,使之能够有效地存储数据,满足各种用户的应用需求。 数据库设计的特点 数据库设计是一…

学生成绩管理系统数据库设计--MySQLSQL Server

MySQL 数据库设计-学生成绩管理系统 设计大纲友情链接 1、医疗信息管理系统数据库–MySQL2、邮件管理数据库设计–MySQL3、点餐系统数据库设计–SQL Server4、商品管理系统数据库设计–SQL Server5、SQL Server医疗信息管理系统数据库【英文版-源码】–(Medical Ma…

数据库设计-网上书店系统

一、需求分析 1.1 用户分析 网上书店系统的使用者主要有三种:普通用户、会员和管理员。 普通用户:浏览图书、查询图书、注册成为会员等; 会员:浏览图书、查询图书、加入购物车、修改购物车、订购图书、生成及查看订单、查看修改…

数据库设计

数据库设计 一.数据库设计概述1.数据库设计的特点2.数据库设计方法3.数据库设计的基本步骤4.数据库设计过程中的各级模式 二.需求分析1.需求分析的任务2.需求分析的方法3.数据字典 三.概念结构设计1.概念模型2.E-R模型3.概念结构设计 一.数据库设计概述 ①数据库设计是指对于一…

机器学习之PCA

一、PCA基本介绍 PCA(Principal Components Analysis)-主成分分析算法 用于数据降维、可视化、去噪非监督学习算法 二、PCA工作原理 目标:每次将空间中多维的样本点映射到一条直线上(要保证样本点之间的间距最大,用方差衡量,即保…

PCA9536——填坑

0. 问题 使用PCA9536输出模式控制4个小灯,开始时候按几次就不显示了,以为是接线不稳定原因。 后来一按开机电源就不显示了,以为是其他器件电源不稳定导致。 1. 问题1排除 接线问题,重新接线,重新做端子,…

sklearn PCA

sklearn.decomposition.PCA class sklearn.decomposition.PCA(n_componentsNone, *, copyTrue, whitenFalse, svd_solverauto, tol0.0, iterated_powerauto, random_stateNone)官方:link PCA是特征降维中一种 线性降维 的方法。 与特征选择不同(直接筛…

使用PCA对彩色图片降维

PCA对图片降维 1.原图片2.PCA降维思路3.代码4.k5效果图5.结论 1.原图片 2.PCA降维思路 1、小灰灰图片(407,367)2、求图片407行每行的均值mean,再将407行每行元素各自减去对应行的均值mean,即去中心化。得矩阵X&#xf…

使用PCA拟合平面

PCA原理&使用PCA拟合平面 背景三点确定一平面多点拟合平面基础数学知识PCA基本思想PCA拟合平面计算过程 PCA理解中心化协方差对角化 背景 本文参考以下两篇平面解析的论文。 《Fast Plane Extraction in Organized Point Clouds Using Agglomerative Hierarchical Cluster…

Dynamic inner PCA 和 Dynamic PCA

动态PCA方法的核心思想: 将数据X变成增广矩阵,即: l为潜在变量数,然后对X进行传统的PCA方法进行求解,即是动态PCA的结果。 动态内模PCA与之不同,上述动态PCA的一大缺陷是增加了数据的维度,而动…

python实现PCA

★ PCA个人理解: PCA降维是通过变换坐标系,来尽可能的减少信息损失。 ★ PCA思路: 我们的初始矩阵为X,它是mn维的矩阵,其中:m是该数据集有m条记录,n是每条记录中有n个特征,X的基本格…

PCA降维算法

目录 1.维度1.1数据维度1.2特征维度 2.sklearn中的降维算法2.1PCA与SVD2.2降维的实现2.3重要参数n_components2.3.1最大似然估计自选超参数2.3.2 按信息量占比选超参数 3.PCA中的SVD3.1重要参数svd_solver 与 random_state3.2重要属性components_3.3重要接口inverse_transform …

PCA降维

一、主成分分析 1、动机:多个变量之间往往存在一定的相关性,可以通过线性组合的方式从中提取信息。 2、主成分分析:将原始的n维数据投影到低维空间,并尽可能的保留更多的信息。 ---投影后方差最大 ---最小化重构误差 从而达到…

pca绘图

pca 1 PCAtools 1.1 加载R包 library(PCAtools) library(tidyverse)1.2 加载数据&#xff0c;构建表达矩阵和分组信息&#xff08;以iris为例&#xff09; iris <- as.data.frame(iris) iris <- iris %>% mutate(class str_c("a",1:dim(iris)[1],sep …

PCA算法详解

文章出处&#xff1a;http://blog.csdn.net/zhongkelee/article/details/44064401 一、PCA简介 1. 相关背景 上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后&#xff0c;颇有体会。最近在做主成分分析和奇异值分解方面的项目&#xff0c;所以记…