数据库的范式：第一范式、第二范式、第三范式、BC范式、第四范式

转载：http://www.cnblogs.com/CareySon/archive/2010/02/16/1668803.html
参考：http://www.javashuo.com/article/p-qbrvwsph-mg.html
http://www.javashuo.com/article/p-hoeuxvrl-mh.html

简介

数据库范式在数据库设计中的地位一直很暧昧，教科书中对于数据库范式倒是都给出了学术性的定义，但实际应用中范式的应用却不甚乐观，这篇文章会用简单的语言和一个简单的数据库DEMO将一个不符合范式的数据库一步步从第一范式实现到第四范式。

关键码
1) 超键：在关系中能唯一标识元组的属性或属性集称为关键模式的超键。
2)候选键：不含有多余属性的超键称为候选键。也就是在候选键中在删除属性就不是键了。
3) 主键：用户选作元组标识的候选键称为主键。一般不加说明，键就是指主键。
4) 外键：如果模式R中属性K是其他模式的主键，那么K在模式R中称为外键。

完全依赖、部分依赖、传递依赖
部分函数依赖：设X,Y是关系R的两个属性集合，存在X→Y，若X’是X的真子集，存在X’→Y，则称Y部分函数依赖于X。
举个例子：学生基本信息表R中（学号，身份证号，姓名）当然学号属性取值是唯一的，在R关系中，（学号，身份证号）->（姓名），（学号）->（姓名），（身份证号）->（姓名）；所以姓名部分函数依赖与（学号，身份证号）；

完全函数依赖：设X,Y是关系R的两个属性集合，X’是X的真子集，存在X→Y，但对每一个X’都有X’!→Y，则称Y完全函数依赖于X。
例子：学生基本信息表R（学号，班级，姓名）假设不同的班级学号有相同的，班级内学号不能相同，在R关系中，（学号，班级）->（姓名），但是（学号）->(姓名)不成立，（班级）->(姓名)不成立，所以姓名完全函数依赖与（学号，班级）；

传递函数依赖：设X,Y,Z是关系R中互不相同的属性集合，存在X→Y(Y !→X),Y→Z，则称Z传递函数依赖于X。
例子：在关系R(学号 ,宿舍, 费用)中，(学号)->(宿舍),宿舍!=学号，(宿舍)->(费用),费用!=宿舍，所以符合传递函数的要求；

范式的目标

应用数据库范式可以带来许多好处，但是最重要的好处归结为三点：

1.减少数据冗余（这是最主要的好处，其他好处都是由此而附带的）
2.消除异常（插入异常，更新异常，删除异常）
3.让数据组织的更加和谐…

但剑是双刃的，应用数据库范式同样也会带来弊端，这会在文章后面说到。

什么是范式

简单的说，范式是为了消除重复数据减少冗余数据，从而让数据库内的数据更好的组织，让磁盘空间得到更有效利用的一种标准化标准，满足高等级的范式的先决条件是满足低等级范式。(比如满足2nf一定满足1nf)，

DEMO
让我们先从一个未经范式化的表看起,表如下：

先对表做一个简单说明，employeeId是员工id，departmentName 是部门名称，job代表岗位，jobDescription是岗位说明，skill是员工技能，
departmentDescription是部门说明，address是员工住址。

对表进行第一范式(1NF)

如果一个关系模式R的所有属性都是不可分的基本数据项，则R∈1NF。

简单的说，第一范式就是每一个属性都不可再分。不符合第一范式则不能称为关系数据库。对于上表，不难看出Address是可以再分的，比如”北京市XX路XX小区XX号”，着显然不符合第一范式，对其应用第一范式则需要将此属性分解到另一个表，如下：

对表进行第二范式(2NF)

若关系模式R∈1NF，并且每一个非主属性都完全函数依赖于R的码，则R∈2NF。

简单的说，是表中的属性必须完全依赖于全部主键，而不是部分主键。所以只有一个主键的表如果符合第一范式，那一定是第二范式。这样做的目的是进一步减少插入异常和更新异常。在上表中，departmentDescription是由主键DepartmentName所决定，但却不是由主键EmployeeID决定，所以departmentDescription只依赖于两个主键中的一个，故要departmentDescription对主键是部分依赖，对其应用第二范式如下表：

对表进行第三范式(3NF)

关系模式R中若不存在这样的码X、属性组Y及非主属性Z（Z∈ Y）, 使得X→Y，Y→Z，成立，则称R∈ 3NF。

简单的说，第三范式是为了消除数据库中关键字之间的依赖关系，在上面经过第二范式化的表中，可以看出jobDescription(岗位职责)是由job(岗位)所决定，则jobDescription依赖于job,可以看出这不符合第三范式，对表进行第三范式后的关系图为：

上表中，已经不存在数据库属性互相依赖的问题，所以符合第三范式。

对表进行BC范式(BCNF)
设关系模式R∈1NF，如果对于R的每个函数依赖X→Y，若Y不属于X，则X必含有候选码，那么R∈BCNF。

简单的说，bc范式是在第三范式的基础上的一种特殊情况，既每个表中只有一个候选键（在一个数据库中每行的值都不相同，则可称为候选键），在上面第三范式的noNf表中可以看出，每一个员工的email都是唯一的（难道两个人用同一个email??）则，此表不符合bc范式，对其进行bc范式化后的关系图为：

对表进行第四范式(4NF)

关系模式R∈1NF，如果对于R的每个非平凡多值依赖X→Y（Y∈X），X都含有候选码，则R∈4NF。

简单的说，第四范式是消除表中的多值依赖，也就是说可以减少维护数据一致性的工作。对于上面bc范式化的表中，对于员工的skill，两个可能的值是”C#,sql,javascript”和“C#，UML,Ruby”,可以看出，这个数据库属性存在多个值，这就可能造成数据库内容不一致的问题，比如第一个值写的是”C#”,而第二个值写的是”C#.net”,解决办法是将多值属性放入一个新表，则第四范式化后的关系图如下：

而对于skill表则可能的值为:

总结

上面对于数据库范式进行分解的过程中不难看出，应用的范式登记越高，则表越多。表多会带来很多问题： 1、查询时要连接多个表，增加了查询的复杂度； 2、查询时需要连接多个表，降低了数据库查询性能。 而现在的情况，磁盘空间成本基本可以忽略不计，所以数据冗余所造成的问题也并不是应用数据库范式的理由。 因此，并不是应用的范式越高越好，要看实际情况而定。第三范式已经很大程度上减少了数据冗余，并且减少了造成插入异常，更新异常，和删除异常了。我个人观点认为，大多数情况应用到第三范式已经足够，在一定情况下第二范式也是可以的。