文章目录

    • 一、第一范式(原子性)
    • 二、第二范式(消除部分依赖)
    • 三、第三范式(消除传递依赖)
    • 四、表设计
    • 五、聚合函数
    • 六、正则表达式

MySQL 的三大范式(1NF、2NF、3NF)是关系型数据库设计的核心原则,用于减少数据冗余、消除插入/删除/更新异常,确保数据一致性。以下是简明解释:

一、第一范式(原子性)

要求:每列的值必须是不可再分的原子值。
例如:出生日期这一列存了某年某月某日,但是把出生日期这列可以拆分为年,月,日,三列,这样的列就不具有原子性。

二、第二范式(消除部分依赖)

要求:在满足第一范式的基础上,非主键列必须完全依赖整个主键(不能仅依赖主键的一部分)。
正例:
学生表:
学号,年龄,姓名。
学生选修成绩表:
学号,课程编号,成绩。
在学生表中,学号作为主键,通过学号,可以知道年龄,通过学号也可以知道姓名。这就是完全依赖。
在学生选修成绩表中,学号和课程编号作为复合主键,通过这个复合主键可以唯一确定学生的成绩。
反例:
学生选修课成绩表:
学号,姓名,年龄,课程名,学分,成绩。
这个表中学号作为主键,只有姓名和年龄完全依赖于学号主键,学分这个字段依赖于课程名,成绩字段依赖于课程名和学号这样的复合主键,所以这个表只能满足部分依赖。

三、第三范式(消除传递依赖)

要求:在满足第二范式的基础上,非主键列必须直接依赖主键,不能通过其他非主键列间接依赖(消除传递依赖)。
反例:
学生表:学号,姓名,年龄,所在院校,学院电话,学院地址。
这个表中学号作为主键,只有姓名和年龄和学号是强相关的。
院校电话和院校地址是和所在院校强相关的。
存在的传递关系:
学号->所在院校->学院电话->院校地址。
解决办法就是将学生表一分为二。
学生表:
学号,年龄,姓名,学院编号
学院表:
学院编号,学员名,学院电话,学院地址
用学院编号作为外键将两张表联系起来。
总结:

范式核心目标常见问题示例解决方案
1NF列原子性地址字段存复合信息拆分列
2NF消除部分主键依赖表的主键是组合键,非主键列依赖部分主键拆分表
3NF消除非主键间的传递依赖非主键列依赖其他非主键列拆分表,建立外键关联

四、表设计

一对一模型:
在这里插入图片描述
或者:
在这里插入图片描述
一对多:
在这里插入图片描述
在n端加入另一张表的主键。
多对多:
在这里插入图片描述
例如学生运动会的模型如下:
(1)有若干个班级,每个班级包括班级号、班级名、专业、人数。
(2)每个班级有若干个运动员,运动员只能属于一个班,包括运动员号、姓名、性别、年龄。
(3)有若干个比赛项目,包括项目号、名称、比赛地点。
(4)每个运动员可参加多个比赛项目,且每个项目可有多人参加。
(5)要求能够公布每个比赛项目的运动员名次与成绩。
(6)要求能够公布各个班级团体总分的名次和成绩。
E-R图:
在这里插入图片描述

关系模型:
运动员(运动员号,班级号,姓名,性别,年龄)
班级(班级号,班级名,专业,人数)
比赛项目(项目号,比赛地点,名称)
比赛(项目号,运动员号,成绩,名次)

五、聚合函数

函数名作用描述是否忽略 NULL示例代码(含 GROUP BY)
COUNT()统计行数或列值个数是(COUNT(*)除外)SELECT city, COUNT(*) FROM users GROUP BY city;
SUM()求数值列总和SELECT user_id, SUM(amount) FROM orders GROUP BY user_id;
AVG()求数值列平均值SELECT category, AVG(price) FROM products GROUP BY category;
MAX()返回列最大值SELECT user_id, MAX(order_date) FROM orders GROUP BY user_id;
MIN()返回列最小值`SELECT user_id, MIN(order_date) FROM
COUNT(DISTINCT)统计去重后的行数SELECT COUNT(DISTINCT city) FROM users;
HAVING对聚合结果二次过滤SELECT user_id, SUM(amount) AS total FROM orders GROUP BY user_id HAVING total>1000;

六、正则表达式

维度符号/语法作用说明(一句话)示例片段
字符集[a-z]任意单个小写字母[a-z]
[A-Z0-9]任意大写字母或数字[A-Z0-9]
[^abc]除 a、b、c 外的任意单个字符[^abc]
[[:alnum:]]任意字母或数字(POSIX 类)[[:alnum:]]
元字符.匹配除换行外的任意单个字符a.c → abc, a3c
^匹配字符串开头^abc
$匹配字符串结尾xyz$
\转义保留字符,使其按字面匹配\. 匹配真实点
|逻辑“或”cat|dog
量词*前一项 0 次或多次ab*c → ac, abc
+前一项 1 次或多次ab+c → abc, abbc
?前一项 0 次或 1 次ab?c → ac, abc
{n}前一项恰好 n 次a{3} → aaa
{n,m}前一项 n 到 m 次a{2,4} → aa, aaa
{n,}前一项至少 n 次a{2,} → aa, aaaa

示例1:查找 11 位手机号
SELECT * FROM users
WHERE phone REGEXP ‘^1[3-9][0-9]{9}$’;
示例二: 查找邮箱格式

SELECT * FROM users
WHERE email REGEXP '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,}$';

示例三:查找 18 位身份证号

SELECT * FROM users
WHERE id_card REGEXP '^[0-9]{17}[0-9Xx]$';

示例四:查找包含至少 1 个大写字母的密码字段

SELECT * FROM users
WHERE password REGEXP '[A-Z]';

完结。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/89840.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/89840.shtml
英文地址,请注明出处:http://en.pswp.cn/bicheng/89840.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于Electron打包jar成Windows应用程序

基于Electron打包jar成Windows应用程序简介注意编译及命令:运行效果登录界面用户管理界面界面全屏锁屏界面文档查看界面简介 本文介绍了一种将maven jar包打包成Windows下EXE可执行程序的方法。 Maven打包Java Web应用成jar,Electron封装jar成Windows …

Autosar RTE实现观测量生成-基于ETAS软件

文章目录前言观测量定义arTypedPerInstanceMemoryPorts Measurable工具链配置及使用Port中的配置arTypedPerInstanceMemory观测量生成文件分析总结前言 之前我们在XCP中,对于标定量和观测量并没有严格按照Autosar标准中定义,Autosar RTE中对标定量和观测…

【REACT18.x】creat-react-app在添加eslint时报错Environment key “jest/globals“ is unknown

今天在创建新项目的时候,给cra创建的项目添加eslint支持,出现如下报错 添加eslint npx eslint --init页面报错 Compiled with problems:ERROR [eslint] package.json eslint-config-react-app/jest#overrides[0]:Environment key "jest/globals&…

Linux的例行性工作 -- (练习)

1、atd和crond两个任务管理程序的区别 答: atd 专为一次性任务设计,允许用户在特定未来时间点(绝对或相对时间)执行单次命令后就结束。 crond 则是周期性任务的调度核心,通过配置文件(crontab)实…

《Java语言程序设计》1.6 复习题

1.6.1 什么是Java语言规范?计算机有严格的使用规则。如果编写程序时没有遵循这些规则,计算机就不能理解程序。Java语言规范和Java API定义了Java的标准。Java语言规范(Java language specification)是对Java程序设计语言的语法和语义的技术定义。应用程序接口(Appl…

【机器学习深度学习】什么是量化?

目录 前言 一、量化的基本概念 1.1 量化对比示例 1.2 量化是如何实现的? 二、为什么要进行量化? 2.1 解决模型体积过大问题 2.2 降低对算力的依赖 2.3 加速模型训练和推理 2.4 优化训练过程 2.5 降低部署成本 小结:量化的应用场…

告别 T+1!解密金融级实时数据平台的构建与实践

在数字金融浪潮下,数据处理的“实时性”已不再是加分项,而是逐渐成为决定业务价值的核心竞争力。然而,金融机构在追求实时的道路上,往往陷入一个新的困境:实时分析系统与离线大数据平台形成了两套独立的“烟囱”&#…

[Python] -项目实战7- 用Python和Tkinter做一个图形界面小游戏

一、为什么从小游戏入门GUI? 趣味性强:小游戏直观、有趣,一学就上手。 系统掌握事件驱动:了解按钮点击、键盘响应、图形刷新机制。 扎实基础:为日后构建更复杂应用奠定 GUI 编程基础。 二、选定游戏:猜数字小游戏 🎯 这个小游戏界面简单,核心机制是:3 个按钮分别…

【18】MFC入门到精通——MFC(VS2019)+ OpenCV 显示图片的3种方法

MFC (VS2019)+ OpenCV,显示图片的3种方法 1 方法介绍 2 方法一:嵌套OpenCV窗口显示图片 2.1 建立供工程 添加控件 2.2 引用头文件 2.3 找到OnInitDialog()函数,在其中添加如下代码 2.4 在button触发函数中加入代码(就是你双击button进入的函数) 2.5 注意事项 3 方法二:…

以“融合进化 智领未来”之名,金仓Kingbase FlySync:国产数据库技术的突破与创新

目录开篇:国产数据库的历史性跨越一、KFS 产品定位及发展历程回顾1.1 Kingbase FlySync 发展1.2 Kingbase FlySync与Oracle GoldenGate的对比分析1.2.1 Kingbase FlySync 功能优势1.2.2 技术架构对比1.2.3 性能与扩展性二、数字化时代的新挑战2.1 决策实时性要求越来…

服务器配置错误漏洞

文章目录一、文件解析漏洞1.Apache HTTPD多后缀解析漏洞二、目录遍历漏洞1.Apache目录遍历漏洞2.Nginx目录穿越漏洞服务器配置错误漏洞指因服务器(含系统、Web服务、数据库等)的参数设置、权限分配、组件配置等不当,导致的安全问题&#xff0…

大模型预测输尿管上段结石技术方案大纲

目录 1. 术前阶段 2. 术中阶段 3. 术后阶段 4. 并发症风险预测 5. 根据预测定手术方案 6. 麻醉方案 7. 术后护理 8. 统计分析 9. 技术验证方法 10. 实验证据 11. 健康教育与指导 12. 完整术方案流程图(Mermaid) 1. 术前阶段 步骤 关键要素 可编辑字段 1.1 影像采集 CT-IVU / …

docker compose 编排容器 mysql Springboot应用

写一个docker-compose.yml文件 内容如下: services:db:image: "docker.xuanyuan.me/library/mysql:8.3.0"restart: unless-stoppedhostname: dbports:- "3306:3306"container_name: mysqlenvironment:- "MYSQL_ROOT_PASSWORD1234"m…

React 中 props 的最常用用法精选+useContext

✅ React 最常用 props 用法 10 例✅ 1. 传递字符串 / 数字 / 布尔值function UserCard({ name, age, isVip }) {return (<div>{name} - {age} - {isVip ? VIP : 普通用户}</div>); }<UserCard name"张三" age{18} isVip{true} />✅ 2. 传递函数&…

离散型制造企业的可视化破局:设备OEE动态看板与工艺路径模拟实践

内容摘要离散型制造企业面临着设备效率低下、生产过程不透明、工艺路径复杂等诸多挑战。如何通过可视化手段提升设备效率和生产透明度&#xff0c;成为企业亟待解决的问题。设备整体效率&#xff08;OEE&#xff09;动态看板和工艺路径模拟是两个关键的可视化工具&#xff0c;能…

在Tailwind Css中如何书写flex布局

仅供参考 文章目录一、启用 flex 布局二、行内 flex 布局三、方向控制四、对齐方式五、子元素控制1、控制子元素的宽度是否可伸缩2、控制子元素顺序3、控制子元素间的间隙4、控制子元素是否可换行显示一、启用 flex 布局 设置 class“flex” 启用 flex 布局 <template>…

交通出行大前端与 AI 融合:智能导航与出行预测

交通出行类大前端应用&#xff08;导航APP、打车软件、公交地铁小程序等&#xff09;是连接用户与出行服务的核心载体&#xff0c;其核心价值在于“高效规划路径、精准规避拥堵、适配个性化需求”。传统导航依赖固定规则&#xff08;如“最短路径优先”&#xff09;和历史数据&…

csc(x)积分推导

在MATLAB中同时绘制 sin⁡(x), csc(x) 和 ln⁡∣tan⁡(x/2)∣的函数图像&#xff0c;需要处理函数的奇点&#xff08;如 csc⁡(x) 在 sin⁡(x)0 时无定义&#xff0c;ln⁡∣tan⁡(x/2)∣ 在 xkπ 时无定义&#xff09;&#xff08;deepseek生成matlab代码&#xff09;% 定义x范…

rtsp协议之.c++实现,rtsp,rtp协议框架,模拟多路音视频h264,265,aac,数据帧传输,接收(二)

rtsp协议之.c实现&#xff0c;rtsp&#xff0c;rtp协议框架&#xff0c;模拟多路音视频h264&#xff0c;265&#xff0c;aac&#xff0c;数据帧传输&#xff0c;接收&#xff08;二&#xff09; 1、RTSP 服务器核心&#xff1a;处理 RTSP 会话管理、请求解析和响应生成 2、媒体…

网络性能与应用性能的协同优化研究:基于小波变换与CNN的图像分类系统

网络性能与应用性能的协同优化研究&#xff1a;基于小波变换与CNN的图像分类系统 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到网站。 摘要 本文研究了网络性能&#xff08;延迟、带宽、丢…