数据库关系运算理论:专门的关系运算概念解析

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
云解析 DNS,旗舰版 1个月
全局流量管理 GTM,标准版 1个月
简介: 数据库关系运算理论:专门的关系运算概念解析

专门的关系运算

  • 选择 σ
  • 投影 π
  • 连接  
  • 求商÷

选择运算

设有一个学生—课程数据库。学生关系包括学号、姓名、性别、年龄和院系五个属性,课程关系包括课程号、课程名和学分三个属性,选修关系包括学号、课程号和成绩三个属性。

关系模式表示如下:        

student(sno,sname,sex,age,dept)        

course(cno,cname,credit)        

sc(sno,cno,grade)

例题2.5 查询计算机系全体学生的信息。由student关系中满足dept=“计算机系”这一条件的元组组成(即为选择运算)。

结果如表2.17所示。

由此可见,选择运算实际上是从关系R中选取使逻辑表达式值为真的元组。这是从行的角度进行的运算。如图2.2所示。      

                                 

图2.2 选择操作

选择又称为限制(Restriction)。它是在关系R中选择满足给定条件的诸元组,记作:    

其中F表示选择条件,它是一个逻辑表达式,取逻辑值“真”或“假”。

例题2.6

查询年龄小于20岁的学生。

σAge < 20(student) 或 σ4 < 20(student)

结果如表2.18所示。


投影运算

例题2.7

查询学生的学号和姓名。由student关系中的学号属性列和姓名属性

列组成的新关系(即为投影运算)。

结果如表2.19所示。

说明:形成的新关系不仅取消了原关系中的某些列,而且还可能取 消某些元组,因为取消了某些属性列后,就可能出现重复行,应取 消这些完全相同的行。

由此可见,投影操作是从列的角度进行的运算。如图2.3所示。

关系R上的投影是从R中选择出若干属性列组成新的关系。记作:

其中A为R中的属性列。

例题2.8

查询学生关系student中都有哪些院系,即查询关系student在院系属性上的投影。

πDept(student)

结果如表2.20所示。

说明:student关系原来有四个元组,而投影结果取消了重复的计算机系元组,因此只有两个元组。


连接运算

连接也称为θ连接。它是从两个关系的笛卡儿积中选取属性间满足一定条件的元组。记作:

其中A和B分别为R和S上度数相等且可比的属性组。θ是比较运算符。连接运算从R和S的广义笛卡尔积R   S中选取(R关系)在A属性组上的值与(S关系)在B属性组上值满足比较关系θ的元组。

连接运算中有两种最为重要也最为常用的连接,一种是等值连接 (Equal-Join),一种是自然连接(Natural-Join)。

θ为“=”的连接运算称为等值连接。它是从关系R与S的广义笛卡尔积中选取A,B属性值相等的那些元组,即等值连接为:

自然连接(Natural-join)是一种特殊的等值连接,它要求两个关系中进行比较的分量必须是相同的属性组,并且在结果中把重复的属性列去掉。即若R和S具有相同的属性组B,U为R和S的全体属性集合,则自然连接可记作:

一般的连接操作是从行的角度进行运算。但自然连接还需要取消重复列,所以是同时从行和列的角度进行运算。如图2.4所示。

图2.4 连接操作

外连接  R S :如果把舍弃的元组也保存在结果关系中,而在其他属性上填空值(NULL)

A

B

C

E

a1

b1

5

3

a1

b2

6

7

a2

b3

8

10

a2

b3

8

2

a2

b4

12

NULL

NULL

b5

NULL

2

左外连接 R S :如果只把左边关系R中要舍弃的元组保留就叫做左外连接。

A

B

C

E

a1

b1

5

3

a1

b2

6

7

a2

b3

8

10

a2

b3

8

2

a2

b4

12

NULL

  右外连接 R S :如果只把右边关系S中要舍弃的元组保留就叫做右外连接

A

B

C

E

a1

b1

5

3

a1

b2

6

7

a2

b3

8

10

a2

b3

8

2

NULL

b5

NULL

2


除运算

为叙述上的方便先引入几个概念。

(1)元组的分量

(2)象集(Image Set)

(1)元组的分量

  • 设关系模式为R(A1,A2,……An),它的一个关系为R
  • t ∈R 表示 t 是R 的一个元组
  • t[Ai] 则表示元组t中相应于属性Ai的一个分量。
元组的分量举例1

元组的分量举例2

如:关系模式S

t :(99058,庞兵,男,1979 ,……)

t[SNAME]=庞兵,表示元组t 在姓名SNAME上的分量为“庞兵”。

属性列/域列  举例

(2)象集Zx(Images Set)

给定一个关系R(X,Z),X和Z为属性组。

当 t[X]=x时,x在R 中的象集(Images Set)为:              

               Zx = { t [Z] | t  R,t [X] = x }

它表示R中属性组X上值为x的诸元组在Z上分量的集合。

象集举例1

  • x1在R中的象集    
  •        Zx1 ={Z1,Z2,Z3},
  • x2在R中的象集    
  •        Zx2 ={Z2,Z3},
  • x3在R中的象集    
  •        Zx3={Z1,Z3}
象集举例2

象集举例3

例如:学生-课程数据库中的选修关系S-C

SNO

CNO

Grade

99001

001

85

99001

003

90

99002

001

75

99002

002

80

t [X]=t[SNO]=x=99001

  • 象集:Zx={ (001,85),(003,90) }

t [X]=t [CNO]=x=001

  • 象集:Zx={ (99001,85),(99002,75) }
象集举例4

给定关系R(X,Y)和S(Y,Z),其中X、Y、Z为属性组。R中的Y与S中 的Y可以有不同的属性名,但必须出自相同的域集。R与S的除运 算得到一个新的关系P(X),P是R中满足下列条件的元组在X属性 列上的投影:元组在X上分量值x的象集Yx包含S在Y上投影的集合。

记作:

其中Yx为x在R中的象集,x =tr[X]

除操作是同时从行和列角度进行运算。如图2.6所示。

因此,求R÷S的操作步骤如下:

(1)将R中属性分为两个集合X和Y,    

R(X,Y),其中Y就是S中的前半部分    

属性的集合,S(Y,Z)。

(2)若X的某个值x的象集Yx    

Yx={t[Y]∣t∈R∧t[X]=x} 包含S表中t[Y]的所有元组,则将x放入结果集中。

例:R÷S

如图2.7所示。设关系R、S分别为图2.7中的(a)和(b), R÷S的结果为图2.7(c)。

在关系R中,A可以取四个值{a1,a2,a3,a4 }, 其中:  

a1的象集为{(b1,c2),(b2,c3),(b2,c1)}  

a2的象集为{(b3,c7),(b2,c3)}  

a3的象集为{ (b4,c6) }  

a4的象集为{(b6,c6)}  S在(B,C)上的投影为{(b1,c2),(b2,c1),(b2,c3)}  

显然只有a1的象集(B,C)包含了S在(B,C)属性组上的投影,所以 以R÷S={a1}。

例题2.9 已知学生选课关系R,课程表S,要找出选课关系中选修所有课程的学生的学号。指定的课程号和对应课程名构成的关系记为S,则该问题可以用R÷S表示。如表2.21、表2.22、表2.23所示。

希望对你有帮助!加油!

若您认为本文内容有益,请不吝赐予赞同并订阅,以便持续接收有价值的信息。衷心感谢您的关注和支持!

目录
相关文章
|
7天前
|
数据库 索引
深入探索数据库索引技术:回表与索引下推解析
【10月更文挑战第15天】在数据库查询优化的领域中,回表和索引下推是两个核心概念,它们对于提高查询性能至关重要。本文将详细解释这两个术语,并探讨它们在数据库操作中的作用和影响。
29 3
|
13天前
|
存储 NoSQL 关系型数据库
数据库技术深度解析:从基础到进阶
【10月更文挑战第17天】数据库技术深度解析:从基础到进阶
35 0
|
6天前
|
存储 负载均衡 监控
数据库多实例的深入解析
【10月更文挑战第24天】数据库多实例是一种重要的数据库架构方式,它为数据库的高效运行和灵活管理提供了多种优势。在实际应用中,需要根据具体的业务需求和技术环境,合理选择和配置多实例,以充分发挥其优势,提高数据库系统的性能和可靠性。随着技术的不断发展和进步,数据库多实例技术也将不断完善和创新,为数据库管理带来更多的可能性和便利。
83 57
|
4天前
|
算法 Java 数据库连接
Java连接池技术,从基础概念出发,解析了连接池的工作原理及其重要性
本文详细介绍了Java连接池技术,从基础概念出发,解析了连接池的工作原理及其重要性。连接池通过复用数据库连接,显著提升了应用的性能和稳定性。文章还展示了使用HikariCP连接池的示例代码,帮助读者更好地理解和应用这一技术。
15 1
|
6天前
|
消息中间件 存储 负载均衡
Apache Kafka核心概念解析:生产者、消费者与Broker
【10月更文挑战第24天】在数字化转型的大潮中,数据的实时处理能力成为了企业竞争力的重要组成部分。Apache Kafka 作为一款高性能的消息队列系统,在这一领域占据了重要地位。通过使用 Kafka,企业可以构建出高效的数据管道,实现数据的快速传输和处理。今天,我将从个人的角度出发,深入解析 Kafka 的三大核心组件——生产者、消费者与 Broker,希望能够帮助大家建立起对 Kafka 内部机制的基本理解。
28 2
|
19天前
|
Web App开发 SQL 数据库
使用 Python 解析火狐浏览器的 SQLite3 数据库
本文介绍如何使用 Python 解析火狐浏览器的 SQLite3 数据库,包括书签、历史记录和下载记录等。通过安装 Python 和 SQLite3,定位火狐数据库文件路径,编写 Python 脚本连接数据库并执行 SQL 查询,最终输出最近访问的网站历史记录。
|
18天前
|
存储 NoSQL MongoDB
MongoDB 概念解析
10月更文挑战第12天
13 0
MongoDB 概念解析
|
18天前
|
供应链 网络协议 数据安全/隐私保护
|
20天前
|
存储 关系型数据库 MySQL
Mysql(4)—数据库索引
数据库索引是用于提高数据检索效率的数据结构,类似于书籍中的索引。它允许用户快速找到数据,而无需扫描整个表。MySQL中的索引可以显著提升查询速度,使数据库操作更加高效。索引的发展经历了从无索引、简单索引到B-树、哈希索引、位图索引、全文索引等多个阶段。
55 3
Mysql(4)—数据库索引
|
5天前
|
关系型数据库 MySQL Linux
在 CentOS 7 中通过编译源码方式安装 MySQL 数据库的详细步骤,包括准备工作、下载源码、编译安装、配置 MySQL 服务、登录设置等。
本文介绍了在 CentOS 7 中通过编译源码方式安装 MySQL 数据库的详细步骤,包括准备工作、下载源码、编译安装、配置 MySQL 服务、登录设置等。同时,文章还对比了编译源码安装与使用 RPM 包安装的优缺点,帮助读者根据需求选择最合适的方法。通过具体案例,展示了编译源码安装的灵活性和定制性。
36 2

热门文章

最新文章

推荐镜像

更多