逻辑结构设计的方法（如何根据一个数据的逻辑结构设计存储结构）
数据库的逻辑结构设计的图向关系
模型的转换 E-R图如何转换为关系模型呢？我们先看一个例子。
图2.1是学生和班级的E-R图，学生与班级构成多对一的联系。根据实际应用，我们可以做出这个简单例子的关系模式：
学生（学号，姓名，班级）
班级（编号，名称）
“学生.班级”为外键，参照“班级.编号”取值。
这个例子我们是凭经验转换的，那么里面有什么规律呢？在2.2节，我们将这些经验总结成一些规则，以供转换使用。 (1)一个实体型转换为一个关系模式
一般E-R图中的一个实体转换为一个关系模式，实体的属性就是关系的属性，实体的码就是关系的码。
(2)一个1:1联系可以转换为一个独立的关系模式，也可以与任意一端对应的关系模式合并。
图2.2是一个一对一联系的例子。根据规则（2），有三种转换方式。
(i) 联系单独作为一个关系模式
此时联系本身的属性，以及与该联系相连的实体的码均作为关系的属性，可以选择与该联系相连的任一实体的码属性作为该关系的码。结果如下：
职工（工号，姓名）
产品（产品号，产品名）
负责（工号，产品号）
其中“负责”这个关系的码可以是工号，也可以是产品号。
(ii) 与职工端合并
职工（工号，姓名，产品号）
产品（产品号，产品名）
其中“职工.产品号”为外码。
(iii) 与产品端合并
职工（工号，姓名）
产品（产品号，产品名，负责人工号）
其中“产品.负责人工号”为外码。
(3)一个1:n联系可以转换为一个独立的关系模式，也可以与n端对应的关系模式合并。
(i) 若单独作为一个关系模式
此时该单独的关系模式的属性包括其自身的属性，以及与该联系相连的实体的码。该关系的码为n端实体的主属性。
顾客（顾客号，姓名）
订单（订单号，……）
订货（顾客号，订单号）
(ii) 与n端合并
顾客（顾客号，姓名）
订单（订单号，……，顾客号）
(4)一个m:n联系可以转换为一个独立的关系模式。
该关系的属性包括联系自身的属性，以及与联系相连的实体的属性。各实体的码组成关系码或关系码的一部分。
教师（教师号，姓名）
学生（学号，姓名）
教授（教师号，学号）
(5)一个多元联系可以转换为一个独立的关系模式。
与该多元联系相连的各实体的码，以及联系本身的属性均转换为关系的属性，各实体的码组成关系的码或关系码的一部分。
(6)具有相同码的关系模式可以合并。
(7)有些1：n的联系，将属性合并到n端后，该属性也作为主码的一部分
这类问题多出现在聚集类的联系中，且部分实体的码只能在某一个整体中作为码，而在全部整体中不能作为码的情况下才出现（其它情况本人还没碰到，呵呵，欢迎指教）。
比如上篇文章介绍的管理信息系统中订单与订单细节的联系。
关于什么是聚集，2.3节介绍。 这部分本应在概念设计中介绍的，用到了才想起来，这里补充一下。
关于现实世界的抽象，一般分为三类：
（1） 分类：即对象值与型之间的联系，可以用“is member of”判定。如张英、王平都是学生，他们与“学生”之间构成分类关系。
（2） 聚集：定义某一类型的组成成分，是“is part of”的联系。如学生与学号、姓名等属性的联系。
（3） 概括：定义类型间的一种子集联系，是“is subset of”的联系。如研究生和本科生都是学生，而且都是集合，因此它们之间是概括的联系。
例：猫和动物之间是概括的联系，《Tom and Jerry》中那只名叫Tom的猫与猫之间是分类的联系，Tom的毛色和Tom之间是聚集的联系。
订单细节和订单之间，订单细节肯定不是一个订单，因此不是概括或分类。订单细节是订单的一部分，因此是聚集。 有了关系模型，可以进一步优化，方法为：
（1） 确定数据依赖。
（2） 对数据依赖进行极小化处理，消除冗余联系（参看范式理论）。
（3） 确定范式级别，根据应用环境，对某些模式进行合并或分解。
以上工作理论性比较强，主要目的是设计一个数据冗余尽量少的关系模式。下面这步则是考虑效率问题了：
（4） 对关系模式进行必要的分解。
如果一个关系模式的属性特别多，就应该考虑是否可以对这个关系进行垂直分解。如果有些属性是经常访问的，而有些属性是很少访问的，则应该把它们分解为两个关系模式。
如果一个关系的数据量特别大，就应该考 虑是否可以进行水平分解。如一个论坛中，如果设计时把会员发的主贴和跟贴设计为一个关系，则在帖子量非常大的情况下，这一步就应该考虑把它们分开了。因为 显示的主贴是经常查询的，而跟贴则是在打开某个主贴的情况下才查询。又如手机号管理软件，可以考虑按省份或其它方式进行水平分解。 这部分主要是考虑使用方便性和效率问题，主要借助视图手段实现，包括：
（1） 建立视图，使用更符合用户习惯的别名。
（2）对不同级别的用户定义不同的视图，以保证系统的安全性。
（3）对复杂的查询操作，可以定义视图，简化用户对系统的使用。
物理设计主要工作是选择存取方法（索引），以及确定数据库的存储结构，这里就不说明了。
逻辑结构：数据元素之间的逻辑关系，即人对数据的理解，而进行抽象的模型。
物理结构：数据元素在计算机中的存储方法，即计算机对数据的理解，逻辑结构在计算机语言中的映射。
那么逻辑结构到底该如何描述呢？例如：一辆汽车由许多个零件构成。汽车这个实体具有型号、单价和牌号等属性，零件这个实体具有名称、单价和厂家等属性。汽车和零件通过关系模型来表示，就是1：N关系，作为逻辑结构，我们只需要描述出某汽车由那些零件组成，这些实体的属性的取值范围、长度和关系即可。而作为物理结构，就需要把这些描述成具体的关系实体，实体关系，实体属性对应的数据库的数据类型、长度、外键关系等。当然E-R关系图也是必不可少的，更重要的是还需要基本遵循数据库设计范式、高可扩展性的基本原则。
当然，他们的区别是非常明显的，逻辑结构，更适合客户、测试、实施人员等非专业技术人员理解、查看，而物理结构，则更适合专业技术人员分析、使用。
两者设计的初衷，当然也有本质的区别。
逻辑结构设计的任务是将基本概念模型图转换为与选用的数据模型相符合的逻辑结构。逻辑结构设计的步骤：概念模型、一般数据模型、特定的数据模型、优化的数据模型。
物理设计的任务是根据具体计算机系统的特点，为给定的数据模型确定合理的存储结构和存取方法。所谓的合理主要有两个含义：一个是要使设计出的物理数据库占用较少的存储空间，另一个对数据库的操作具有尽可能高的速度。
Hiroyuki Ito Architects：东京舒适居住空间
逻辑结构设计外模式，对数据进行优化，转化成什么...逻辑结构：实体的数据元素之间的逻辑关系，即人在对实体的性质理解的基础上进行抽象的模型。物理结构：数据元素在计算机中的存储方法，即计算机对数据的理解，逻辑结构在计算机语言中的映射。逻辑结构设计的任务是将基本概念模型图转换为与选用的数据模型相符合的逻辑结构。逻辑结构设计的步骤：概念模型、一般数据模型、特定的数据模型、优化的数据模型。物理设计的任务是根据具体计算机系统的特点，为给定的数据模型确定合理的存储结构和存取方法。所谓的“合理”主要有两个含义：一个是要使设计出的物理数据库占用较少的存储空间，另一个对数据库的操作具有尽可能高的速度，这两者之间有一个平衡取舍的问题，要根据具体的问题和要求进行分析。
