数据库设计与数据库范式

  • UNF
  • 1NF：第一范式
  • 2NF：第二范式
  • 3NF：第三范式
  • EKNF
  • BCNF：鲍依斯-科得范式
  • 4NF：第四范式
  • 5NF：第五范式
  • DKNF
  • 6NF：第六范式


数据库范式（Database Normalization）是指数据库设计的一系列原则和规范，是关系型数据库设计过程中所要遵循的规则和指导方法。数据库范式最早由英国计算机科学家Edgar F. Codd在他的关系数据库模型（Relational model）中提出。

按照规范化程度，数据库范式从低到高依次有：UNF、1NF、2NF、3NF、EKNF、BCNF、4NF、ETNF、5NF、DKNF、6NF。一般实际应用中，最多只会考虑到第四范式（4NF），超出4NF以外的范式一般只出现在学术研究中。

UNF

As a prerequisite to conform to the relational model, a table must have a primary key, which uniquely identifies a row.

即Unnormalized form，最低一级的数据库范式。UNF要求一张表中必须包含主键，以便可以唯一地区分表中的每一行。

1NF：第一范式

Each column of a table must have a single value. Columns which contain sets of values or nested records are not allowed.

第一范式首先必须满足UNF，同时还强调列的原子属性，即一个列不能再被拆分为几个其他的列。
假设有张表的某一列为“紧急联系人”，可以被继续拆分为“紧急联系人姓名”、“紧急联系人联系方式”等几个子列，那么就不满足1NF。

2NF：第二范式

Every non-trivial functional dependency either does not begin with a proper subset of a candidate key or ends with a prime attribute (no partial functional dependencies of non-prime attributes on candidate keys).

第二范式首先必须满足1NF，同时还强调非主键列必须完全依赖主键，要求没有包含在主键中的列必须完全依赖于主键，而不能只依赖于主键的一部分。

假设一张表包含订单号orderID、产品代码productID、产品名称productName、单价unitPrice、折扣discount、数量quantity等多个列，其中主键为(orderID,productID)。可以发现，discount和quantity与主键中的两列都有依赖关系，但是productName、unitPrice仅取决于productID。因此不满足2NF，容易产生冗余数据。

解决的办法是把上面的表拆分为两张表，第一张表包含[orderID, productID, discount, quantity]，另一张表包含[productID, unitPrice, productName]。

3NF：第三范式

Every non-trivial functional dependency either begins with a superkey or ends with a prime attribute (no transitive functional dependencies of non-prime attributes on candidate keys).

第三范式首先必须满足2NF，同时还强调非主键列必须直接依赖于主键列，不能存在依赖传递。即不能存在一个非主键列A依赖于另一个非主键列B，然后非主键列B再依赖于主键的情况。

假设一张表中存在书名title、作者author、作者国籍authorNationality、品类代码genreID、品类名称genreName、页数pages等多个列，其中主键为title。可以发现，authorNationality列取决于author列，而author列取决于主键title列；同时，genreName取决于genreID，而genreID取决于主键title。即存在依赖传递现象，因此不满足3NF。

解决办法是把上面的表拆分为三张表，第一张包含[title, author, genreID, pages]，第二张表包含[author, authorNationality]，第三张表包含[genreID, genreName]。

EKNF

Every non-trivial functional dependency either begins with a superkey or ends with an elementary prime attribute.

即Elementary-key Normal Form，介于3NF和BCNF之间。EKNF一般很少被提到。

BCNF：鲍依斯-科得范式

Every non-trivial functional dependency begins with a superkey.
A relational schema R is in Boyce–Codd normal form if and only if for every one of its dependencies X → Y, at least one of the following conditions hold:
(1) X → Y is a trivial functional dependency (Y ⊆ X).
(2) X is a superkey for schema R.

即Boyce-Codd Normal Form，又被称为3.5NF。BCNF在满足3NF的基础上，还强调主键的某一列不能依赖于主键的其他列。

假设一张库存表中有仓库名warehouse、管理员名keeper、商品名article、数量quantity几个列。其中主键为(warehouse, keeper, article)。可以发现，keeper是依赖于warehouse的，删除某一个仓库也会导致同时删除管理员，因此不符合BCNF。

考虑另一个例子，有一张网球场预约记录表，包含球场编号court、预约开始时间startTime，预约结束时间endTime、预约类型rateType等多个列。预约类型可以分为以下四类：

  • SAVER：会员预定、场地1；
  • STANDARD：非会员预定、场地1；
  • PREMIUM-A：会员预定、场地2；
  • PREMIUM-B：非会员预定、场地2。

主键(court, startTime, endTime, rateType)可以唯一地标识每一行。但是主键列rateType部分依赖于另一个主键列court，同时主键列court完全依赖于另一个主键列rateType，因此不满足BNCF。

解决办法是把上面的表拆分为两张表，一张表包含[court, startTime, endTime, memberFlag]，另一张表包含[rateType, court, memberFlag]。其中memberFlag列用来标识预约者是否为会员身份。

4NF：第四范式

Every non-trivial multivalued dependency begins with a superkey.

4NF在满足BCNF的基础上，还强调非主键属性不应该有多值。前面介绍的2NF、3NF和BCNF都只考虑了函数依赖（functional dependencies），第四范式则是考虑了多值依赖（multivalued dependency）。4NF限制关系模式的属性间不允许有非平凡（non-trivial）且非函数依赖的多值依赖。

假设有这样一张表，记录了各个餐厅可以往不同区域外卖派送的披萨种类，包含[restaurant, pizzaVariety, deliveryArea]多个列。候选键(restaurant, pizzaVariety, deliveryArea)可以唯一地标识每一行，且列之间不存在决定关系，因此该表满足BCNF。

如果餐厅可以往所有区域派送所有的披萨种类，那么上面的表不满足4NF，存在数据冗余。因为restaurant分别与pizzaVariety和deliveryArea之间存在非平凡的多值依赖，但restaurant本身不能构成一个超键。例如，如果某个餐厅新出了一种披萨口味，需要往表里添加多行（因为有多个区域）。

解决的办法是把上面的表拆分为两张表，第一张包含[restaurant, pizzaVariety]，另一张包含[restaurant, deliveryArea]。

5NF：第五范式

Every join dependency has only superkey components.

5NF在满足4NF的基础上，还要求表必须可以分解为较小的表，除非那些表在逻辑上拥有与原始表相同的主键。

如果只考虑函数依赖，关系模式规范化程度最高的范式是BCNF；如果考虑多值依赖，则是4NF。如果在第四范式的基础上，消除了4NF中存在的连接依赖，则可以满足5NF。

考虑这样一张表，包含了销售人员salesman、代销品牌brand、产品类型productType多个列，主键为(salesman, brand, productType)。假设某个产品有多个品牌都在生产，销售在代理该产品类型时，必须同时代理所有品牌的该产品，那么这个表可以被分解为以下三个小表：第一张表包含[salesman, productType]，第二张表包含[salesman, brand]，第三张表包含[brand, productType]。

注：一般实际应用中不必考虑第五范式。

DKNF

Every constraint is a consequence of domain constraints and key constraints.

即Domain-key Normal Form。DKNF在满足5NF的基础上，还要求数据库只包含域约束（domain constraints）和键约束（key constraints）两种约束类型。域约束是指限制列属性可以取值的范围；键约束则是指可以通过某些属性唯一地标识每一行数据。

考虑一张表，包含富人wealthyPeople、富人类型personType、财富值netWorth多个列，其中personType根据财富值可以划分为Millionaire和Billionaire。可以发现，personType与netWorth列之间存在约束关系，但既不是键约束、也不是域约束关系。

因此可以将这种表拆分为两张表，第一张包含[wealthyPeople, netWorth]，第二张包含[personType, minWorth, maxWorth]。其中maxWorth和minWorth分别表示百万富翁、亿万富翁应当具有的财富值上下限。

6NF：第六范式

Every join dependency is trivial.

对6NF的一个简单直白的描述就是：如果一张表的行只包含主键、以及最多一个其他列，即满足6NF。

例如，一张表包含[publisherID, publisherName, country]三列，其中publisherID为主键。为满足6NF，需要将其拆分为两张表，一张包含[publihserID, publisherName]，另一张包含[publihserID, country]。

注：一般实际应用中不必考虑第六范式。

References Database Normalization