4.4.2 数据抽象

概念模型是对现实世界的一种抽象。而抽象是对实际的人、物和概念进行人为处理，抽取所关心的共同特性，忽略非本质的细节，并把这些特性用各种概念加以精确描述的过程。

抽象是形成概念的必要手段。在数据库概念设计中，人们常用如下3种数据抽象。

1. 分类

分类（Classification）定义某一概念作为现实世界中一组对象的类型（Type），这些对象具有某些共同的特性。分类抽象了对象（实例）与对象型之间的“is-a”的语义。在E-R模型中，实体型就是从同类实体中通过分类抽象而得出的。例如，在学校环境中，张强“is-a”学生，李利“is-a”学生…张强等人具有相同的属性。通过分类，我们得到了“学生”这个实体型（见图4-10(a)）。

进一步扩展分类的概念，可以认为两个实体型之间的联系型，也是从多个具有某些共同特性的联系实例中通过分类抽象而得到的。例如，导师“指导”研究生，就是从多个具体的“指导”个案中，通过分类而得到的（见图4-10(b)）。

分类是单向语义，其对应的相反语义是例示（Instantiation）。

2. 一般化

一般化（Generalization）定义从特殊实体型到一般实体型的一种抽象，后者是更抽象或更一般化的概念。例如，本科生、研究生是两种较具体的实体型，将它们进行一般化抽象，可以得到学生实体型（见图4-11）。

这里，学生称为超实体型（Super Entity Type）或超类（Superclass），本科生或研究生称为（学生的）子实体型（Sub Entity Type）或子类（Subclass）。一般化抽象了从子实体型到超实体型之间的“is-a-subtype-of”或“is-a-kind-of”的语义。

一般化也是单向语义，其对应的相反语义是特殊化（Specialization）。特殊化有一个很重要的性质：继承性（Inheritance），即子实体型继承超实体型上定义的所有抽象。这样，本科生、研究生继承了学生的所有属性。子实体型也可增加自己的某些特殊属性，例如，研究生可以有“导师”属性。此外，此种抽象可以定义多层的结构，例如，研究生又是博士生、硕士生的一般化。

一般化与分类有点相似，但语义是完全不同的。例如，我们不能说研究生“is-a”学生，只能说研究生“is-a-kind-of”学生。分类是值和型之间的抽象，而一般化是型和型之间的一种特殊关联。

3. 聚集

聚集（Aggregation）又称为组装（Composition），主要定义某一类型的组成成分。它抽象了对象内部类型和属性之间的语义。其原则是，把一个复杂的概念看成若干简单概念的聚集体，而将复杂概念描述清楚，或简化对复杂概念的描述。

运用聚集抽象就是要区分概念的整体和它的组成成分，形成一个整体-部分结构。在E-R模型中，实体型和它们的属性形成了一个整体-部分结构，属性的聚集形成了实体型，如图4-12(a)所示。

聚集抽象了部分到整体的“is-a-part-of”语义。与聚集对应的相反方向抽象是分解（Decomposition），其语义是“has-a”。

更复杂的聚集是将一些实体型作为部分结构，形成更复杂的实体。在图4-12(b)中，我们将“选课”抽象成了一个实体型，而之前是抽象成一种联系，这也说明实体和联系的概念是相对的，它们之间可以相互转换。