规范化理论是数据库设计中的核心理论旨在通过消除数据冗余、更新异常、插入异常和删除异常提高数据库结构的合理性与可维护性。其主要内容包括函数依赖Functional Dependency, FD设关系模式 R(U)X、Y ⊆ U若对 R 的任意两个元组 t₁、t₂只要 t₁[X] t₂[X] 就必有 t₁[Y] t₂[Y]则称 X 函数决定 Y记作 X → Y。它是定义范式的基础如平凡依赖、完全依赖、部分依赖、传递依赖等均由此衍生。键Key超键是能唯一标识元组的属性集候选键是最小超键主键是从候选键中选定的一个外键用于建立关系间引用完整性。范式Normal Forms• 1NF属性不可再分原子性• 2NF满足1NF且所有非主属性完全函数依赖于任一候选键消除部分依赖• 3NF满足2NF且所有非主属性不传递依赖于候选键消除传递依赖• BCNFBoyce-Codd 范式更强于3NF要求对每个非平凡函数依赖 X → YX 必为超键• 4NF、5NF 分别处理多值依赖和连接依赖适用于更复杂语义场景。模式分解Schema Decomposition将一个关系模式 R 分解为若干子模式 {R₁, R₂, …, Rₖ}需满足• 无损连接性Lossless Join自然连接后能恢复原关系不丢失信息• 保持函数依赖Dependency Preservation分解后各子模式的函数依赖闭包之并能逻辑蕴含原模式的所有FD。价值与用途• 减少数据冗余节省存储空间• 避免更新异常修改一处却需改多处、插入异常无法插入某类信息因缺少主键值、删除异常删数据意外丢失其他信息• 提升数据一致性与完整性• 为逻辑设计提供形式化依据支撑从E-R模型到关系模型的科学转换。# 示例判断是否满足BCNF简化逻辑defis_bcnf(relation_attrs,fds,candidate_keys): relation_attrs: 属性全集如 {A,B,C} fds: 函数依赖列表如 [(A, B), (B, C)] candidate_keys: 候选键集合如 [{A}] 返回布尔值 forx,yinfds:# 计算 xx 的闭包closurecompute_closure(x,fds)# 若 x 不是超键即 closure 不包含所有属性则违反 BCNFifnotset(relation_attrs).issubset(closure):returnFalsereturnTrue计算属性集 X 关于函数依赖集 F 的闭包 X⁺读作“X 正闭包”是指在 F 下所有能被 X 函数决定的属性组成的集合。它是判断函数依赖是否逻辑蕴含、求候选键、验证范式等的核心算法。✅算法原理迭代闭包法从 X 出发反复应用 F 中的函数依赖将能推导出的新属性不断加入当前集合直到无法新增为止。✅ 算法步骤伪代码 说明输入属性全集 U函数依赖集 F {X₁ → Y₁, X₂ → Y₂, …}初始属性集 X ⊆ U输出X⁺即 X 在 F 下的闭包X⁺ ← X repeat old ← X⁺ for each FD A → B in F: if A ⊆ X⁺ then X⁺ ← X⁺ ∪ B // 注意B 是属性集可含多个属性此处为简化写作单属性实际中应为 X⁺ ← X⁺ ∪ B until X⁺ old return X⁺关键说明若 FD 是 A → BC即右部含多个属性则只要 A ⊆ X⁺就将整个 BC 加入 X⁺每轮扫描所有 FD可能多次触发顺序无关但需重复扫描直至稳定时间复杂度为 O(|F| × |U|)实践中非常高效。✅ 示例演示设关系模式 R(A,B,C,D)F {A → B, B → C, CD → A}求 (AD)⁺步骤当前 X⁺应用的 FD新增属性更新后 X⁺初值{A,D}——{A,D}第1轮{A,D}A → BB{A,B,D}{A,B,D}B → CC{A,B,C,D}{A,B,C,D}CD → A已满足A 已在—不变第2轮{A,B,C,D}扫描所有FD无新属性可加—不变 → 收敛✅ 结果(AD)⁺ {A,B,C,D} U故 AD 是超键。✅ Python 实现健壮版支持多属性右部defcompute_closure(X,fds): X: 初始属性集字符串或集合如 AD 或 {A,D} fds: 函数依赖列表每个为元组 (left, right)如 (A, B) 或 (CD, A) left/right 均为字符串属性名拼接如 AB 表示 {A,B} 返回闭包frozenset of chars ifisinstance(X,str):X_plusset(X)else:X_plusset(X)changedTruewhilechanged:changedFalseforlhs,rhsinfds:lhs_setset(lhs)iflhs_set.issubset(X_plus):new_attrsset(rhs)ifnotnew_attrs.issubset(X_plus):X_plus|new_attrs changedTruereturnfrozenset(X_plus)# 示例调用F[(A,B),(B,C),(CD,A)]print(compute_closure(AD,F))# frozenset({A, B, C, D})