數據庫筆記(十二)——函數依賴理論和分解算法

函數依賴理論

  • 邏輯蘊涵

    • 定義:

      • 存在如下條件
        • 關系模式:r(R)
        • 依賴集:F (由一個或多個依賴組成)
        • 依賴:f
      • 若r(R)滿足F ==> r(R)滿足f
      • 我們稱 F 邏輯蘊涵 f

      ps: 其中f可由F通過Armstrong公理推得

    • 舉個栗子:
      • 給定關系模式 r(A, B, C, G, H, I)

      • F包含如下依賴

        • A → B
        • A → C
        • CG → H
        • CG → I
        • B → H
      • 函數依賴f : A → H

      • 其中 f 被 F 邏輯蘊涵

        • 由Amstrong傳遞公理可知:A → B, B → H ==> A → H
  • 函數依賴集的閉包

    • 令 F 為一個函數依賴集。則 F的閉包被 F 邏輯蘊涵的所有函數依賴的集合
    • 記作:F+
  • Armstrong公理(Armstrong's axiom)

    公理是科學的客觀規律,不需要自己證明,直接用就行

    • Armstrong 公理

      • 自反律(reflexivity rule)。若α為一個屬性集,且β?α, 則α→β
        • 舉個栗子:(A, B)→A
      • 增補律(augmentation rule)。若α→β成立且γ為一屬性集,則γα→γβ
        • 舉個栗子:(A, B)→C ==> (A, B, D, E)→(C, D, E)
      • 傳遞律(transitivity rule)。若α→β和β→γ成立,則 α→γ 成立
        • 舉個栗子:A→B, B→C ==> A→C
    • Armstrong公理是完備的,對于一個給定的函數依賴集F,通過Armstrong公理可以產生全部的F+

    • Armstrong公理的一些推論

      可由Armstrong公理直接推得,也可以當做公理使用

      • 合并律(union rule)。若α→β和α→γ成立,則α→βγ
        • 舉個栗子:A→B, A→C ==> A→(B, C)
      • 分解律(decomposition rule)。若α→βγ成立,則α→β和α→γ成立
        • 舉個栗子:A→(B, C) ==> A→B, A→C
      • 偽傳遞律(pseudotransitivity rule)。若α→β和γβ→δ成立,則αγ→δ成立
        • 舉個栗子:A→B, (B, C)→D ==> (A, C)→D
  • 屬性集的閉包

    • 令α為一個屬性集,我們將函數依賴集 F 下被α 函數確定的所有屬性的額集合為稱為F下α的閉包
    • 記作:α+
    • 偽代碼如下:
      result := α
        repeat
          for each 函數依賴 β→γ in F do
            begin
              if β ? result then result := result ∪ γ
            end
        until(result 不變)
      
  • 正則覆蓋(極小函數依賴集)

    • 如果去除函數依賴中的一個屬性不改變函數依賴集的閉包,則稱該屬性是無關的
    • F的正則覆蓋 Fc 是一個依賴集,使得F邏輯蘊涵Fc 中的所有依賴,并且Fc 邏輯蘊涵F中的所有依賴。此外,Fc 必須具有如下性質 :
      • Fc 中任何函數依賴都不含無關屬性
      • Fc 中函數依賴的左半部都是唯一的。即Fc 中不存在兩個依賴α1→β1和α2→β2, 滿足α12
  • 無損分解

    • 如果用兩個關系模式r1(R)和r2(R)替代r(R)時沒有信息損失,則我們稱該分解時無損分解(lossless decomposition)
    • SQL 表示
      -- 下面查詢的結果與r具有相同結果的元組集
      SELECT *
      FROM r1 natural join r2
      
    • 關系代數表示:
      • R1(r) ? ∏R2(r) = r

分解算法=> 下回分解

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,739評論 6 534
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,634評論 3 419
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,653評論 0 377
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,063評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,835評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,235評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,315評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,459評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,000評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,819評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,004評論 1 370
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,560評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,257評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,676評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,937評論 1 288
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,717評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,003評論 2 374

推薦閱讀更多精彩內容