实体关联知识讲解

Hibernate实体关联关系映射----总结在我看来，Hibernate提供这些映射关系，常⽤就是⼀对⼀和多对⼀，并且在能不⽤连接表的时候尽量不要⽤连接表。

多对多会⽤到，如果⽤到了，应该⾸先考虑底层数据库设计是否合理。

在实际开发中，在Hibernate关联关系之外常常还有另外⼀种选择⽅案，表各⾃作为单表映射，业务逻辑控制外键关系（有时候就是⼀个相关联的列，但不⼀定要加外键约束），这样更加灵活，并且数据的完整性同样有保证。

当然，“单表映射，业务控制外键关系”并不是说Hibernate的实体关联功能是多余的，Hibernate的实体关联的优点很多，随便拿本书都是讲优点，⽤好了会让开发⼈员感觉更⽅便，现在我也是两种⽅案结合使⽤。

⽐如对于不很确定的两个实体，常常选⽤单表关联。

以前在初学Hibernate还没有完全搞清楚这些关联关系的时候，就是⽤单表映射，业务控制外键关系做的，发现没有任何问题，程序同样运⾏得很好。

看了这些是不是后悔浪费时间学习映射关系了？呵呵，Hibernate的OR Mapping是Hibernate的灵魂，我相信Hibernate的创始⼈⽐我们⼀般⼈的理解更深刻。

只有学会了这些才能体会Hibernate设计者的思想。

学⼀个东西，不光⾃⼰写代码，还应该能看懂别⼈的代码才⾏。

因此系统学习这些关联映射还是⼤有必要的。

以上都是我⾃⼰的观点。

欢迎在此交流讨论。

Hibernate在实际项⽬开发中，hbm.xml包括数据库脚本都是通过Xdoclet⽣成的，在此不采⽤Xdoclet的⽬的是为了便于理解这些映射模型。

实体-数据表-映射⽂件三者对⽐看，太直观了。

瞌睡了，暂时先写到此，有新思路了再补上。

-----------------------------------------------------回Hibernate：Hibernate关联关系映射⽬录│├─单向关联│├─│├─│├─│├─│├─│├─│├─│└─└─双向关联├─├─├─├─├─└─。

实体联系模型实体-联系模型基本概念实体：实体是有别于其他对象的⼀个事物，⽐如⼈，教师，学⽣，课程，专业。

实体集：⼀系列实体组成的集合，在数据库中对应的就是⼀个表。

属性：⼀组属性构成⼀个实体，⽐如学⽣可能具有学号，姓名，年龄等属性。

每个实体中的属性都有⼀个值。

所以⼀个数据库中包含若⼲个实体集，每个实体集中有若⼲个实体，每个实体中有⼀些属性。

联系：多个实体之间相互关联，⽐如教师Katz 和学⽣Shankar 可能存在⼀个联系advisor ，表⽰Katz 是Shankar 的⽼师联系集：相同类型联系的集合。

如果E 1,E 2,E 3,...,E n 是实体集，联系集R 是如下集合的⼀个⼦集，n >=2,(e 1,e 2,...,e n )是其中的⼀个联系。

(e 1,e 2,...,e n )|e 1∈E 1,e 2∈E 2,...,e n ∈E n 说⽩了，联系集就是咱们⽤数据库时建的那些⽤来联系两个表的表，⽐如选课表⽤来联系学⽣和课程之间的⼀个关系。

⽽这个联系⽤数学表⽰就是(student _id ,course _id )，所有这些元组就组成了联系集{(student _id ,course _id )|student _id ∈student ,course _id ∈course }，也就是选课表。

参与：实体集之间的关联称为参与，⽐如⼀个学⽣Shankar 和⼀门课程Comp. Sci.共同参与到选课这个联系中。

联系实例：两个实体集中的实体参与到⼀个联系中时，就构成了⼀个联系实例，⽐如学⽣Shankar 选了Comp. Sci.课程，那么它们就构成了选课联系中的⼀个联系实例。

⾓⾊：实体在联系中充当的功能。

描述性属性：联系中可以具有⼀些描述性属性，⽐如通过⼀个date 来记录学⽣在何时选了⼀门课。

联系集的度：参与联系集的实体集个数，⼀般情况下联系集的度为2，称为⼆元联系集。

属性简单属性和复合属性之前的属性都是简单属性，就是只有⼀个值的属性，复合属性可以继续划分称更⼩的属性。

实体关系模型科技名词定义中文名称：实体关系模型英文名称：entity relationship model定义：该模型直接从现实世界中抽象出实体类型和实体间联系，然后用实体联系图(E-R示数据模型，是描述概念世界，建立概念模型的实用工具。

应用学科：实体关系模型（Entity Relationship Diagram）地理信息系统术语，该模型直接从现实世界中抽象出实体类型和实体间联系，然后用实体联系图（E-R图）表示数据模型，是描述概念世界，建立概念模型的实用工具。

目录什么是E-R图E-R图的基本要素E-R图（Entity Relationship Diagram）即实体联系图，也称实体关系图什么是E-R图E-R图即实体-联系图(Entity Relationship Diagram)，是指提供了表示实体型、属性和联系的方法，用来描述现实世界的概念模型。

E-R方法:是“实体-联系方法”（Entity-Relationship Approach）的简称。

它是描述现实世界概念结构模型的有效方法。

实体联系模型，实体关系模型或实体联系模式图(ERD)是由美籍华裔计算机科学家陈品山(Peter Chen)发明，是概念数据模型的高层描述所使用的数据模型或模式图，它为表述这种实体联系模式图形式的数据模型提供了图形符号。

这种数据模型典型的用在信息系统设计的第一阶段；比如它们在需求分析阶段用来描述信息需求和/或要存储在数据库中的信息的类型。

但是数据建模技术可以用来描述特定论域(就是感兴趣的区域)的任何本体(就是对使用的术语和它们的联系的概述和分类)。

在基于数据库的信息系统设计的情况下，在后面的阶段(通常叫做逻辑设计)，概念模型要映射到逻辑模型如关系模型上；它依次要在物理设计期间映射到物理模型上。

注意，有时这两个阶段被一起称为"物理设计"。

E-R模型图E-R图的基本要素通常，使用实体-联系图(entity-relationship diagram)来建立数据模型。

概念数据模型中实体与实体之间的联系
在概念数据模型中，实体（Entity）是描述现实世界中的一个独立对象或概念，可以是具体的实体（如人、物品、地点）或抽象的概念（如事件、过程）。

实体之间的联系（Relationship）用于描述实体之间的关系、依赖或互动。

实体与实体之间的联系可以分为以下几种类型：
1. 一对一关系（One-to-one relationship）：两个实体之间存在唯一的关系，即一个实体实例对应另一个实体实例。

2. 一对多关系（One-to-many relationship）：一个实体实例对应多个另一个实体实例，但反过来，每个另一个实体实例只对应一个实体实例。

3. 多对多关系（Many-to-many relationship）：多个实体实例可以与多个另一个实体实例相互关联。

4. 自反关系（Reflexive relationship）：实体与自身存在关系。

例如，在一个员工实体中，可能存在上级与下级之间的关系。

5. 聚合关系（Aggregation relationship）：表示实体之间整体与部分之间的关系。

一个实体可以被其他实体包含，或者多个实体可以共同组成一个新的实体。

6. 继承关系（Inheritance relationship）：表示实体之间的层次结构关系。

一个实体可以继承另一个实体的属性和行为。

这些不同类型的实体之间的联系可以通过概念数据模型中的关系图示或关系表达式来表示。

关系图示使用图形符号表示实体和实体之间的连接，关系表达式用来描述实体之间的联系及其性质。

数据库设计中的实体关系图与属性分析数据库设计是构建数据库系统的基础，它涉及到实体关系图的设计与属性分析。

本文将就数据库设计中的实体关系图以及属性分析进行探讨和解析，旨在帮助读者更好地理解数据库设计的过程和方法。

一、实体关系图实体关系图是数据库设计中的重要工具，它用于描述数据库中的实体以及它们之间的联系。

实体关系图主要由实体、属性和关系三个基本要素构成。

1. 实体实体是指在现实世界中具有独立存在和具体特征的事物，也可以说是数据库中的数据对象。

在实体关系图中，实体由椭圆形表示，实体名字位于椭圆形内部。

一个实体可以具有多个属性。

2. 属性属性是实体所具有的某种性质或特点。

在实体关系图中，属性由矩形框表示，属性名位于矩形框内部。

属性可以分为简单属性和复合属性两种。

简单属性是指不能再分解的属性，而复合属性是由若干简单属性组成的属性。

3. 关系关系是实体之间的联系。

在实体关系图中，关系由菱形表示，关系名位于菱形内部。

关系可以分为一对一关系、一对多关系和多对多关系三种类型。

一对一关系是指一个实体与另一个实体之间存在唯一对应的关系；一对多关系是指一个实体与另一个实体之间存在一对多的关系；多对多关系是指多个实体与多个实体之间存在多对多的关系。

二、属性分析属性分析是数据库设计中对属性的定义和解析。

在进行属性分析时，需要考虑属性的命名、数据类型、长度、约束以及默认值等方面。

1. 属性命名属性命名应当具有描述性和唯一性。

命名要求简洁明了，能够准确反映属性所代表的意义。

属性的命名应使用英文单词或缩写，并遵循命名规范。

2. 数据类型属性的数据类型是指属性所能够存储的数据的类型。

常见的数据类型有整型、浮点型、字符型、日期型等。

在选择数据类型时，应根据属性的实际需求和数据库的存储能力进行选择。

3. 属性长度属性长度是指属性所能够存储的数据的最大长度。

属性长度的选择应考虑到实际数据的需求，要保证属性的长度能够容纳到所有可能的数据，同时也不能过度浪费存储空间。

知识图谱⽂献综述（第四章实体关系学习）1. 任务定义、⽬标和研究意义 关系定义为两个或多个实体之间的某种联系，实体关系学习就是⾃动从⽂本中检测和识别出实体之间具有的某种语义关系，也称为关系抽取。

关系抽取的输出通常是⼀个三元组(实体 1，关系，实体 2)。

例如，句⼦“北京是中国的⾸都、政治中⼼和⽂化中⼼”中表述的关系可以表⽰为（中国，⾸都，北京），（中国，政治中⼼，北京）和（中国，⽂化中⼼，北京）。

关系抽取是知识图谱构建和信息抽取中的⼀个关键环节，具有重要的理论意义和⼴阔的应⽤前景，为多种应⽤提供重要的⽀持，主要表现在： （1）⼤规模知识图谱的⾃动构建。

很多互联⽹应⽤都需要知识图谱的⽀撑，这个知识图谱不仅包含 WordNet、HowNet 等常识知识图谱中的通⽤语义知识，⽽且包含百科全书、领域知识图谱中的领域语义知识。

如果能把多源异构知识集成为⼀个⼤的知识图谱，将可能提⾼很多互联⽹应⽤系统的性能，并开创语义⽹时代的很多应⽤。

现有的知识图谱如 WordNet、HowNet 和 CYC 等⼤多数依靠专家⼈⼯编撰。

随着互联⽹的发展，知识呈爆炸式增长，⼈⼯构建知识图谱特别是构建领域知识图谱时遇到了很⼤困难，不仅费时费⼒，⽽且存在知识覆盖率低、数据稀疏和更新缓慢等问题。

利⽤关系抽取技术，知识图谱可以根据结构化的抽取结果⾃动⽣成。

典型的例⼦有：Freebase、Yago 和 BDpedia。

（2）为其它信息获取技术提供⽀持。

1. 对信息检索提供⽀持：可以对复杂的查询进⾏关联搜索和推理，提供智能检索结果。

例如，对于“⾝⾼ 170 以上的中国射⼿座明星”，有了关系抽取技术的⽀持，通过知识图谱构建，就可以通过推理的⽅法获得结果。

图 1 展⽰了百度搜索引擎对“⾝⾼ 170 以上的中国射⼿座明星”查询返回的结果，这个结果的背后就受到⼤规模知识图谱的⽀撑。

2. 对问答系统提供⽀持：在问答中，关键步骤是建设⼀个领域⽆关的问答类型体系并找出与问答类型体系中每个问答类型相对应的答案模式，这就需要关系抽取技术的⽀持。

实体与联系之间的3种对应关系
实体与实体间的联系有三种，包括：一对一关系、多对多关系和一对多关系。

1. 一对一关系（1:1）：表示两个实体之间存在一对一的对应关系，即一个
实体只与另一个实体相关联，反之亦然。

例如，一个乘客只能坐一个机位，一个机位只能由一位乘客乘坐，所以乘客和飞机机位之间的联系是一对一的联系。

2. 一对多关系（1:n）：表示一个实体与多个实体之间存在一对多的对应关系。

例如，一个班级有许多学生，而一个学生只能编入某一个班级，所以班级和学生之间的联系是一对多的联系。

3. 多对多关系（m:n）：表示两个实体之间存在多对多的对应关系，即两个或多个实体相互关联。

例如，一个教师可以讲授多门课程，同一门课程也可以由多个教师讲授，所以教师和课程之间的联系是多对多的联系。

这些对应关系在数据建模、数据库设计、以及日常生活和工作中非常常见，有助于理解不同实体之间的关系并据此进行合理的设计和安排。