第二章 关系模型介绍

2.1 关系数据库的结构

关系数据库由的集合构成,每个表都有唯一的名字。关系用来指代表,而元组用来时代行。类似地,属性用来指代表中的列。

对于关系的每个属性,都存在一个允许取值的集合,称为该属性的。如果域中的元素被看做是不可再分的单元,则域是原子的。

2.2 数据库模式

数据库模式是数据库的逻辑设计。数据库实例是给定时刻数据库中数据的一个快照。

关系的概念对应于变量的概念,关系模式对应于类型定义的概念。

2.3 码

起码是一个或多个属性的集合,这些属性的组合可以使我们在一个关系中唯一的标识一个元组。

它们的任意真子集都不能成为超码,这样的最小超码称为候选码

主码主要用来在一个关系中区分不同元祖的候选码。

码是整个关系的一种性质,而不死单个元祖的性质。

主码应该选择那些从不或极少变化的属性。

一个关系模式可能在它的属性中包括另一个关系模式的主码。这个属性在前一个关系模式上称作另一个关系模式的外码。前一个关系模式也称作外码依赖的参照关系。后一个关系模式叫做外码的被参照关系

参照完整性约束要求在参照关系中任意元组在特定属性上的取值必然等于被参照关系中某个元祖在特定属性上的取值。

2.4 模式图

一个含有主码个外码依赖的数据库模式可以用作模式图来表示。

2.5 关系查询语言

查询语言可以分为过程化的和非过程化的。在过程化语言中,用户指导系统对数据库执行一系列操作以计算出所需结果。在非过程化语言中,用户只需描述所需信息,而不用给出获取信息的具体过程。

2.6 关系运算

最常用的关系运算是从单个关系中选出满足一些特定谓词的特殊元组。

另一个常用的运算是从一个关系中选出特定的属性(列)。

连接运算把分别来自两个关系的元组对合并成单个元组。通常来说,两个关系上的自然连接运算所匹配的元组在两个关系共有的所有属性上取值相同。

笛卡尔积运算从两个关系中合并元组,但不同于连接运算的是,其结果包含来自两个关系元组的对,无论它们的属性值是否匹配。

σ(选择)          σsalary>=8500(instructor)  返回输入关系中满足谓词的行

∏(投影)         ∏ID , salary(instructor)  对输入关系的所有行输出指定的属性。从输出中去除重复的元组

?(自然连接)    instructor ? department  从两个输入关系中输出这样的元组对,它们在具有相同名字的所有属性上取值相同。

x(笛卡儿积)    intstructor x department  从两个输入关系中输出所有的元组对(无论它们在共同属性上的取值是否相同)

U(并)            ∏name(instructor) U ∏name(student)  输出两个输入关系中元组的并

时间: 2024-08-11 09:57:14

第二章 关系模型介绍的相关文章

第二章 关系模型

第二章:MySQL介绍与安装

第二章:MySQL介绍与安装 为什么选择MySQL mysql性能卓越,服务稳定,很少出现异常宕机 mysql开源免费,无版权制约,自主性及使用成本低 产品耦合度,mysql支持多种操作系统,支持多开发语言,特别是php 技术积累,庞大的活跃的社区, 软件体积小,安装简单,易于维护 MySQL数据库分类与版本升级 MySQL官网http://www.mysql.com/,MySQL版本采用双授权政策,和大多数开源产品路线一样,分为社区版和商业版,并且这两个版本又分别分成四个版本依次发布,Alph

关系模型介绍

2.1 关系数据库的结构 关系数据库由表(table)的集合构成,每个表有唯一的名字.例如,instructor表记录了有关教师的信息,它有四个列首:ID.name.dept_name和salary.该表中每一行记录了一位教师的信息,包括该教师的ID.name.dept_name以及salary.类似的,course表存放了关于课程的信息,包括每门课程的course_id.title.dept_name和credits.注意,每位教师通过ID列的取值进行标识,而每门课程则通过course_id列

《Getting Started with WebRTC》第二章 WebRTC技术介绍

本章作WebRTC的技术介绍,主要讲以下的概念: .  如何建立P2P的通信 .  有效的信令选项 .  关键API的关系 2.1 设置通信 尽管WebRTC通信的基础是P2P的, 但设置这个通信的初始步骤是要求一些协作的. 这些动作通常由Web服务器和/或信令服务器提供. 这个协作可以允许两个或多个WebRTC设备或端找到彼此,交换通信的细节, 协商定义了他们如何通信的会话, 最后建立它们之间的直播P2P媒体流. 2.2 一般流程 应用场景其实是很多的,从简单的页面DEMO到多方会议. 这里只

机器学习 第二章:模型评估与选择-总结

1.数据集包含1000个样本,其中500个正例,500个反例,将其划分为包含70%样本的训练集和30%样本的测试集用于留出法评估,试估算共有多少种划分方式. 留出法将数据集划分为两个互斥的集合,为了保持数据的一致性,应该保证两个集合中的类别比例相同.故可以用分层采样的方法.训练集包含350个正例与350个反例,测试集包含150个正例与150个反例. 故有500C350*500C350 种划分方式(排列组合) 2.数据集包含100个样本,其中正反例各一半,假定学习算法所产生的模型是将新样本预测为训

【ALearning】第二章 Androidproject知识介绍

本章介绍了主要的初步Androidproject成立了一个开发环境.为了Android意识的整体项目和理解.本章包含Android开发环境的搭建.第一Android工程Hello World与Android项目的文件文件夹结构介绍. [博客专栏:http://blog.csdn.net/column/details/alearning.html] Android开发环境搭建 Android开发环境的搭建方式有两种,各自是Eclipse/MyEclipse+ADT+Android SDK和Andr

第二章 概率图模型的基本原理

分为有向概率图模型(Directed Probabilistic Graphical Model),无向概率图模型(Undirected Probabilistic Graphical Model),混合概率图模型(Mixed Probabilistic Graphical Model). 有向概率图模型:隐马尔科夫模型,贝叶斯网络,,动态贝叶斯网络 无向概率图模型:马尔科夫随机场,条件随机场 混合概率图模型:链图 隐马尔科夫模型(Hidden Markov Model, HMM) HMM算法实

VSTO开发指南(VB版) 第二章 Office解决方案介绍

实例2.1 通过控制台实现对Excel的自动化处理 书本第32页 注:添加两个引用: 第一个:程序集—框架—“System.Windows.Forms 4.0.0.0”第二个:程序集—扩展—“Microsoft.Office.Interop.Excel 14.0.0.0” 程序清单2.1通过控制台程序对Excel自动化处理 Imports Excel = Microsoft.Office.Interop.Excel Module Module1 Private exitXL As Boolean

【机器学习笔记】第二章:模型评估与选择

2.1 经验误差与过拟合 1. error rate/accuracy 2. error: training error/empirical error, generalization error 3. overfitting and underfitting 2.2 评估方法 1. hold out. 直接将数据集$D$划分为两个互斥的集合 $D = S \cap T, S \cap T = \varnothing$ , stratified sampling:分层采样 2. cross va