数据库技术 课件 项目4　数据类型与数据完整性

数据库技术4.1MySQL的数据类型4.1MySQL的数据类型

数据操作规范性至关重要，它影响代码可读性和业务决策准确性。在MySQL数据库设计中，选择合适的数据类型、遵循清晰简洁原则，是确保数据准确性的基础。执行数据更新、删除时，需谨慎处理，以维护数据一致性。同时，合理设置数据约束和触发器机制，能有效保障数据合法性和规范性，防止数据冗余和格式错误。因此，在MySQL数据库管理中，重视数据类型与数据完整性，对于提升数据库性能、保障数据质量具有重要意义，也是企业业务决策数据支持的关键。

数值类型4.1.14.1.1数值类型数值类型用于存储数字数据，包括整数和浮点数。MySQL提供了多种数值类型，以满足不同的存储需求。3.5.1设计评审与伦理2.符合法律合规性设计评审应确保数据库的功能与数据用途符合法律法规的要求，避免超范围收集数据或非法使用数据。例如，不应在用户不知情的情况下将其数据用于商业用途。例如：在一个电子商务系统中，只允许存储用户为交易提供的必要信息，如地址和支付信息，不得擅自采集额外数据。4.数据生命周期管理数据库设计应明确数据的存储时间、更新频率以及过期数据的处理方式，避免不必要的长期数据积累。数据生命周期管理不仅可以提升系统性能，还能减少隐私泄露的风险。例如：在客户关系管理系统中，用户的交互记录可以在超出保留期限后自动删除，以符合数据最小化原则。6.引入伦理审查机制在设计评审中，加入伦理审查流程，可以从数据隐私、使用合法性和社会影响等多个维度进行评估，发现潜在的伦理问题并提出改进方案。这种机制有助于提升设计的社会责任感。数据库设计的评审不仅是技术层面的优化，更是对社会责任的体现。通过严谨的设计评审与伦理规范的引入，可以在实现数据库功能需求的同时，保障用户权益，构建更加安全、可信赖的数据管理系统。5.数据共享的透明性评审需关注数据共享的合法性和透明性，确保用户对其数据共享有充分的知情权与选择权。例如，用户需要明确了解其数据将与哪些第三方共享，并能够选择拒绝共享。例如：在设计社交网络平台时，用户需明确看到隐私设置选项，并能够自主控制个人数据的可见范围。3.避免设计中的偏见数据库结构和字段设计需避免对特定群体产生歧视或偏见。例如，字段设置应以业务需求为导向，不应要求用户填写性别、种族、宗教等无关信息，以避免不必要的隐私侵犯或歧视。例如：在一个招聘系统中，求职者的基本信息表单不应要求填写与职位申请无关的种族或宗教信息。1.确保数据隐私与安全数据库设计评审需重点关注用户隐私保护和数据安全性。设计者需遵守相关法律法规，如《个人信息保护法》，对涉及用户敏感信息的数据（如身份证号、财务信息）进行加密存储，并合理设置访问权限，防止数据泄露或滥用。例如：在一个医疗系统中，患者的病历数据应采用加密方式存储，只有授权医生或相关工作人员才能访问。设计评审与伦理设计变更的伦理决策3.5.23.5.2设计变更的伦理决策

在数据库设计过程中，设计变更是不可避免的。它可能因业务需求的调整、技术更新或法律法规的改变而产生。设计变更的决策不仅需要考虑技术和业务的可行性，更需要关注伦理层面的影响。合理的伦理决策有助于确保变更不会损害用户利益或引发社会责任问题。3.5.2设计变更的伦理决策在进行设计变更时，应首先评估其对用户的潜在影响，特别是涉及用户数据安全和隐私的变更。例如，增加数据采集字段或修改数据存储方式时，需要分析这些调整是否会导致用户数据被不当利用或暴露风险增加。例如：一家电商平台决定新增“购买意图预测”功能，采集用户浏览记录。此变更需确保用户知情并同意，同时采取技术手段保障数据的安全性。01设计变更需以透明为前提，确保所有相关方，尤其是用户，能够了解变更的内容和理由。如果变更涉及用户数据的处理或共享方式，应通过公告或通知的方式告知用户，并获得其授权。例如：某社交平台因法律要求需调整隐私政策，明确告知用户哪些数据将被收集、如何使用以及如何选择退出。02设计变更需严格遵守相关法律法规及行业标准，尤其是涉及跨国业务时，需考虑不同地区的数据保护规定，确保变更过程中不违反如《数据保护条例》《隐私保护法》等规定。例如：跨境电商平台在数据库设计变更后新增了全球订单存储功能，应确保此设计符合目标国家和地区的隐私保护规定。03设计变更可能影响多方利益，包括用户、企业、合作伙伴等。在决策时，需要在多方利益间找到平衡，确保不会因为过度追求企业效益而损害用户权益。例如：一家在线教育平台计划与第三方合作，为用户推荐课程。虽然此举可带来收入增长，但需优先考虑用户隐私问题，通过明确告知并征求同意实现平衡。04充分评估变更对用户的影响坚持透明原则符合法律法规与行业规范平衡利益相关方的需求3.5.2设计变更的伦理决策设计变更不仅需要技术上的可实现性，还需从伦理角度验证其合理性。例如，变更可能导致用户产生不公平感或增加心理负担，应在设计中尽量避免。例如：某银行计划05考虑技术与伦理的双重可行性设计变更的决策可通过引入伦理审查流程来规范。例如，设立多方参与的伦理委员会，对重大变更进行评估，确保变更符合道德标准和社会责任要求。例如：一家医疗数据库公司引入伦理审查委员会，对新增病患数据分析功能进行审查，以确保其不违背患者利益。06

引入伦理审查流程设计变更实施后，应建立持续监控机制，跟踪变更效果并收集用户反馈。一旦发现伦理风险，应及时调整设计。例如：某社交媒体在调整用户数据可见性范围后，定期监测用户投诉和满意度变化，确保改动不会引发新的问题。07变更后持续监控与反馈3.5.2设计变更的伦理决策

设计变更是动态数据库开发的重要组成部分，但任何变更都需以用户权益为核心，以社会责任为导向。通过充分评估、透明沟通、法律合规、利益平衡、技术与伦理结合，以及引入伦理审查流程，可以确保设计变更既满足业务需求，又符合伦理规范，为用户和社会创造更大的价值。小结

3.5.2设计变更的伦理决策

本章主要介绍了数据库设计的基础知识和实践方法。首先，阐述了数据库设计的目的与重要性，帮助读者理解合理的数据库设计对信息系统的高效运行和数据管理的重要作用。接着，详细讲解了数据库设计的基本流程，包括需求分析、概念模型设计和逻辑模型设计，并重点介绍了E-R图的绘制方法，帮助读者掌握如何从需求出发，逐步设计出高效且规范的数据库结构。通过对规范化理论的分析，强调了如何通过消除数据冗余和确保数据一致性来优化数据库设计。除此之外，本章还讨论了设计评审与变更过程中的伦理考量，提醒读者在数据库设计中不仅要关注技术实现，还要承担起对数据保护和隐私的社会责任。通过这些内容的学习，读者可以更好地理解和应用数据库设计的基本理论与实践技巧，为构建高质量的数据管理系统打下坚实基础。谢谢数据库技术4.2MySQL数据类型选择

4.2MySQL数据类型选择MySQL中，选择合适的数据类型是数据库设计的关键步骤之一。合理的数据类型选择不仅能提高存储效率，还能优化查询性能、减少数据冗余，并确保数据的完整性和一致性。以下将详细探讨如何根据实际需求选择合适的数据类型。数据类型选择的基本原则4.2.14.2.1数据类型选择的基本原则确保所选的数据类型能够容纳所有可能的值。例如，如果某个字段需要存储的数值范围在0到100之间，可以选择TINYINTUNSIGNED，而不是INT。1数据范围选择最小的合适类型以节省存储空间。较小的数据类型不仅占用更少的磁盘空间，还能提高内存和缓存的使用效率。2存储空间某些数据类型的处理速度比其他类型更快。例如，整数类型的处理速度通常比字符串类型快。因此，在可能的情况下，优先选择数值类型。3性能使用合适的数据类型可以防止无效数据的插入。例如，使用DATE类型可以确保字段中只存储有效的日期值。4数据完整性选择易于理解和维护的数据类型。例如，使用ENUM类型可以提高代码的可读性，但需要注意其扩展性和灵活性。5可读性和维护性各类型适用数据选择4.2.24.2.2各类型适用数据选择TINYINT：适用于存储小范围的整数，如年龄、状态码等。SMALLINT：适用于中等范围的整数，如年份、产品数量等。INT：适用于大多数整数存储需求，如用户ID、订单号等。BIGINT：适用于非常大的整数，如长整型ID、时间戳等。FLOAT：适用于需要单精度浮点数的场景，如科学计算、工程数据等。DOUBLE：适用于需要双精度浮点数的场景，如财务数据、高精度计算等。DECIMAL：适用于需要精确小数的场景，如货币金额、税率等。CHAR：适用于存储长度固定的字符串，如国家代码、性别等。由于定长，查询速度较快。VARCHAR：适用于存储长度不固定的字符串，如用户名、地址等。由于变长，节省存储空间。4.2.2各类型适用数据选择TEXT：适用于存储大段文本，如文章内容、评论等。注意，TEXT类型不能有默认值。BLOB：适用于存储原始的二进制数据，如图片、音频、视频等DATE：适用于仅需要存储日期的场景，如生日、入职日期等。TIME：适用于仅需要存储时间的场景，如会议时间、工作时间等。DATETIME：适用于需要存储日期和时间的场景，如订单创建时间、日志记录时间等。TIMESTAMP：适用于需要自动记录时间戳的场景，如数据插入或更新时间。注意，TIMESTAMP的范围有限。ENUM：适用于字段值只有少数几个固定选项的场景，如性别、状态等。注意，ENUM类型的扩展性较差。SET：适用于字段值有多个固定选项的场景，如用户兴趣、标签等。注意，SET类型的存储和查询效率较低。JSON：适用于存储结构化数据，如配置文件、API响应等。MySQL提供了丰富的JSON函数来操作和查询JSON数据。GEOMETRY：适用于存储地理空间数据，如地图坐标、区域边界等。MySQL提供了丰富的空间函数来操作和查询空间数据。实际应用中的数据类型选择示例4.2.34.2.3实际应用中的数据类型选择示例1用户表用户ID：INTUNSIGNED

或

BIGINTUNSIGNED用户名：VARCHAR(50)密码：CHAR(60)（适用于存储加密后的密码）邮箱：VARCHAR(100)注册时间：DATETIME最后登录时间：TIMESTAMP4.2.3实际应用中的数据类型选择示例2订单表订单ID：BIGINTUNSIGNED用户ID：INTUNSIGNED订单金额：DECIMAL(10,2)订单状态：ENUM('待支付','已支付','已发货','已完成')创建时间：DATETIME更新时间：TIMESTAMP4.2.3实际应用中的数据类型选择示例3日志表日志ID：BIGINTUNSIGNED用户ID：INTUNSIGNED操作类型：VARCHAR(50)操作时间：DATETIME操作详情：TEXT谢谢数据库技术4.3MySQL数据完整性

数据完整性的概念4.3.1

4.2MySQL数据类型选择

数据完整性指的是在数据库中维护和保证数据的准确性和一致性的过程。它确保数据在存储、修改和检索过程中保持正确无误，有助于维护数据库的可靠性，确保基于数据库的应用程序能够正常运行。数据完整性是数据库系统设计的核心目标，对于防止数据被篡改、损坏或误操作至关重要。它通过一系列规则和约束确保数据的准确性、一致性和可靠性。这些机制共同构建了数据的“质量防线”，是防止脏数据、逻辑冲突和业务异常的关键设计原则。

数据完整性可以通过定义一系列完整性约束条件来实现，由DBMS负责检查这些约束条件来确保数据的正确性和有效性。具体来说，数据完整性分为以下几个类型：

4.2MySQL数据类型选择数据完整性

根据业务规则定义的其他约束条件。用户定义完整性（User-DefinedIntegrity）

参照完整性是相关联的两个表之间的约束，确保一个表中的外键值必须在另一个表的相应字段中有匹配的主键值，确保表之间的关联关系始终有效，防止出现“孤儿记录”（如成绩指向不存在的课程或学生）。

参照完整性（ReferentialIntegrity）

确保数据值在允许的范围内，确保每个字段的值符合预定义的业务规则，例如年龄不能为负数。‌域完整性（DomainIntegrity）

确保表中的每一行都有一个唯一的标识符，避免数据重复或歧义。‌‌实体完整性（EntityIntegrity）02040103数据完整性的实现机制4.3.24.3.2数据完整性的实现机制1实体完整性实现机制主键约束（PrimaryKey）

每个表只能定义一个主键，可由单列或多列（复合主键）组成，主键列的值必须满足唯一性和非空性两个基本条件，典型应用如用户表的用户ID、订单表的订单编号唯一约束（UniqueConstraint）

允许对非主键列设置唯一性限制，支持单列或多列组合，与主键的关键区别是允许存储NULL值（根据SQL标准，NULL不等于任何值，包括自身），常见使用场景例如用户邮箱、产品SKU编码等需要唯一但可为空的字段4.3.2数据完整性的实现机制2参照完整性实现机制

外键约束，确保了一张表中的字段值必须对应于另一张表中的主键或唯一键值。子表的外键字段必须与父表的主键或唯一约束字段完全匹配（数据类型、长度、CHARSET等），可定义多级外键依赖，形成数据关系链。外键约束可实现数据操作的引用操作控制。引用操作控制如下：4.3.2数据完整性的实现机制

ONDELETE/ONUPDATE：父表记录删除/更新时的行为控制，即父表发生删除/更新操作时如何对相应子表的外键值做操作

CASCADE：级联操作关联子表记录，即父表发生删除/更新操作时，自动删除/更新相应的子表记录，如当删除了学生表中的学生记录时同时删除成绩表中该学生的成绩记录，更新了学生表中的学号时同时更新成绩表中该学生的学号。

SETNULL：将子表外键值设为NULL（需允许为NULL），即父表发生删除/更新操作时将相应子表的外键值自动设为NULL，如当删除了学生表中的学生记录时同时将成绩表中该学生的对应外键值设为NULL。

SETDEFAULT：恢复为字段默认值（需已定义DEFAULT），即父表发生删除/更新操作时相应子表的外键值自动恢复为默认值。

RESTRICT/NOACTION：阻止删除操作（默认行为），即阻止删除与子表的外键值相关联的主表值，如阻止删除在成绩表中有成绩记录的学生。4.3.2数据完整性的实现机制数据类型约束

提供表字段数据类型定义来保证数据的正确性，包括基础类型：INT、VARCHAR、DATE等定义存储格式、特殊类型ENUM限定值从预定义列表中选择、SET允许选择多个预定义值组合、DECIMAL精确控制数值精度和小数位等。检查约束（CHECK）

此约束从MySQL8.0版本开始支持，通过定义字段值的逻辑条件来保证数据有效性，如age>=18。此约束支持多字段联合检查，例如结束日期必须晚于开始日期默认值机制（DEFAULT）

为未显式赋值的字段提供默认填充值空值控制（NULL/NOTNULL）

明确字段是否允许存储未知值（NULL），通过NOTNULL约束强制字段必须提供有效值3域完整性实现机制4.3.2数据完整性的实现机制

创建可重用的校验函数。如：通过函数验证身份证号校验位是否正确。自定义函数（UDF）

在数据变更事件（INSERT/UPDATE/DELETE）前后自动执行逻辑，典型应用场景如审计日志记录、跨表数据同步、复杂计算字段维护触发器（Triggers）

封装事务性操作，确保多步操作的原子性。例如：转账操作中，保证扣款与入账的完整性。存储过程（StoredProcedures）0201034用户定义完整性：定制化业务规则

完整性的协同作用与平衡4.3.34.3.3完整性的协同作用与平衡

完整性的协同作用与平衡在多层防御体系中得到了充分体现。这一体系从前端验证开始，进行基础格式检查，确保输入数据的初步合规性。随后，应用层校验接过接力棒，通过业务逻辑验证进一步筛选数据，确保其符合系统规定的业务规则。最终，数据库约束作为最后一道防线，通过实施严格的约束条件，确保数据在存储时的一致性和完整性。4.3.3完整性的协同作用与平衡在构建这一防御体系时，关键决策点不容忽视。数据库数据完整性设计的关键点包括：

约束粒度选择：字段级、行级、表级还是跨表级检查，直接影响数据完整性的检查范围和粒度。

错误处理策略：是严格阻断不合规数据、自动修正错误还是仅记录异常，这需要根据系统的具体需求和容错能力来决定。

历史数据处理：如何迁移已存在的不合规数据，确保新旧数据的无缝衔接，是确保系统平稳过渡的重要一环。4.3.3完整性的协同作用与平衡在实践操作中，有一些典型建议值得参考：

应优先使用声明式约束，如主键、外键等，这些约束能够直观地表达数据之间的关系，且易于管理和维护。

在使用触发器时需谨慎，因为触发器中的逻辑往往较为隐蔽，可能影响系统的可读性和可维护性。

为所有约束命名是一个良好的实践，这不仅可以提高代码的可读性，还有助于在后续的管理和维护中快速定位和解决问题。谢谢数据库技术4.4数据完整性与职业行为数据完整性与职业行为4.44.4数据完整性与职业行为

数据完整性不仅是技术问题，更是职业伦理的核心体现。在数字化社会中，从医疗记录到金融交易，从业者的职业行为直接影响数据可信度，甚至可能引发重大社会风险。本章从职业责任与操作规范两个维度，探讨数据完整性在实践中的伦理要求与行为准则。

数据准确性与职业责任4.4.14.4.1数据准确性与职业责任

从职业角色的数据守门人职责来看，每个接触数据的职业角色都是数据完整性的"守门人"，其责任贯穿于数据生命周期的各个环节。以数据分析师为例，某知名电商平台曾因分析师未严格校验数据源，误将测试环境的虚假订单数据纳入财报预测模型，最终导致股价异常波动。这一案例凸显了数据清洗阶段异常值识别的重要性，以及跨系统数据来源交叉验证的必要性。在医疗领域，某三甲医院发生过因电子病历录入错误导致的医疗事故——医生将"左肾结石"误标为"右肾"，最终造成手术部位错误。此类教训促使医疗机构普遍建立诊疗记录双人核对制度，并要求异常数据即时修正。金融从业者的责任同样重大，某跨国企业会计因汇率换算错误四舍五入到百万位，虽看似微小偏差，却引发跨境税务稽查风险，这警示财务人员必须建立关键数据二次复核机制，并确保所有变更可追溯。4.4.1数据准确性与职业责任从职业责任的层级划分来看，数据准确性职业责任可划分为三个渐进层级。

基础责任要求确保数据录入准确，例如快递员随意填写"已签收"导致货物丢失纠纷，这类案例揭示基层岗位的数据录入直接影响用户体验。

进阶责任强调主动识别数据异常，例如某化工厂设备爆炸事故调查发现，工程师长期忽视传感器数据漂移现象，这种对异常数据的漠视最终酿成重大安全事故。

高阶责任则体现在数据治理体系的建设层面，例如某社交媒体平台因放任虚假信息传播引发社会动荡，反映出平台管理者在数据完整性管理上的系统性缺失。4.4.1数据准确性与职业责任从职业伦理的核心原则来看，职业伦理建立在三大不可逾越的底线原则之上。

可追溯性原则要求所有数据操作留有痕迹，1995年英国巴林银行破产案即是典型案例，交易员尼克·里森通过篡改交易记录掩盖巨额亏损，最终导致这家百年金融机构倒闭。

不可抵赖性原则通过技术手段实现，如区块链技术在司法存证领域的应用，确保电子合同的每次修改都生成不可篡改的时间戳。

最小化干预原则约束从业者的数据操作边界，科研领域屡次曝光的学术不端事件警示研究人员不得选择性删除实验数据以迎合预设假设。

数据完整性的维护规范4.4.24.4.2数据完整性的维护规范1全生命周期管理框架

数据完整性维护需要贯穿采集、处理、输出的全过程。在输入控制阶段，银行业普遍采用双盲录入制度，要求柜员与客户分别确认身份证信息，从源头杜绝人工录入错误。航空订票系统通过强制日期格式约束（YYYY-MM-DD），有效避免因日期格式混乱导致的行程错误。税务申报系统则内置实时校验机制，自动检测发票代码的有效性。01

数据处理过程中的规范管理同样关键。制药企业执行严格的变更审批流程，任何生产记录修改都需要质量负责人与生产主管双重签批。建筑工程领域引入版本控制系统，采用类似Git的技术管理图纸变更，严格禁止覆盖历史版本。金融行业为防止数据污染，证券交易所将核心交易系统与数据分析系统进行物理隔离。02

输出阶段的审计规范构成最后防线。零售企业设定每日库存差异率警报阈值（通常为0.3%），系统自动触发调查流程。上市公司财报发布采用