主键是关系数据库表中指定用于唯一标识每一行的一列或多列的组合。主键值在整张表中必须唯一,组成主键的任何一列都不能包含空值。一张表可以有多个可用的唯一标识,但只能指定其中一个作为主键。主键提供了一种稳定的方式,用于区分记录、关联相关表,以及强制执行有关数据标识的规则。
关系理论基础
在关系模型中,表表示关系,行表示元组,列表示属性。**候选键**是一个最小属性集,其取值能在关系的每一种合法状态下唯一标识每个元组。“最小”是指移除其中任何一个属性都会使这一保证失效,而不是指它在所有可能的键中包含的列数最少。
主键是选作主要标识的候选键。其他候选键通常称为备用键。超键是任何能够保证唯一性的属性集,无论它是否满足最小性要求。每个候选键都是超键,但包含多余属性的超键不是候选键。
例如,员工表可能同时包含员工编号和另行分配的唯一薪资编号。两者都可以是候选键。将员工编号选为主键,并不意味着可以取消薪资编号的唯一性要求。
这些概念与函数依赖有关。如果 是一个键, 是关系中全部属性的集合,那么:
这表示键的值决定了该行每个属性的值。唯一性必须是数据模型的一项规则,而不能仅仅是当前所存记录中的巧合。
约束与 SQL 声明
在SQL结构化查询语言中,主键通过 PRIMARY KEY 约束声明:
CREATE TABLE Customer (
customer_id BIGINT PRIMARY KEY,
email VARCHAR(254) NOT NULL UNIQUE,
display_name VARCHAR(100) NOT NULL
);
这里,customer_id 是主键。email 列是另一个标识,其唯一性和非空性由独立的约束强制保证。
主键约束通常具有两个基本作用:
- **唯一性:**任意两行都不能具有相同的完整键值。
- **非空性:**键的每个组成部分都必须有值。
空值表示信息缺失或未知,而不是零或空字符串这样的普通值。禁止空值可确保每一行都有可用的标识。
UNIQUE 约束并不总是等同于主键:唯一列可能允许为空,而且不同数据库管理系统在唯一性检查中处理空值的方式也有所不同。某些具体实现对标准主键行为也存在例外。
SQL 系统通常会强制保证唯一性和非空性,但不会验证声明的主键是否满足关系理论中的最小性要求。因此,尽管教科书将主键定义为选定的候选键,实际声明的主键仍可能包含冗余列。
主键声明本身并不会生成值。自动编号需要单独的机制,例如标识列、序列,或特定产品提供的自增功能。
单列主键与复合主键
主键可以包含一列或多列。包含多列的主键称为复合主键。
CREATE TABLE Enrollment (
student_id BIGINT NOT NULL,
course_id BIGINT NOT NULL,
enrolled_on DATE NOT NULL,
PRIMARY KEY (student_id, course_id)
);
这个键允许一名学生选修多门课程,也允许一门课程有多名学生,同时防止同一学生与课程的组合出现重复记录。两个列各自都不必唯一,但它们的组合必须唯一。
只有符合预期业务规则的键才有效。如果学生可以在不同学期修读同一门课程,模型就必须区分这些选课记录,例如在键中加入学期标识。
列的顺序不会改变哪些组合必须唯一,但可能影响相关数据库索引对特定查询的适用性。
自然键与代理键
主键通常按其值的来源分类。
**自然键**使用在所建模领域中本就具有含义的标识,例如产品代码或官方分配的登记号码。自然键可以使关联关系无需额外查询就能被理解。它是否适用,取决于该标识是否真正唯一、始终可用且足够稳定。
**代理键**是专门为标识数据库记录而引入的,而不是用于表达业务属性。常见例子包括自动生成的整数和通用唯一标识符(UUID)。
代理键将内部行标识与会发生变化的业务信息分离,但并不能免除强制保证业务唯一性的需要。例如,为两条记录分配不同的自动生成标识,并不能证明它们代表不同的客户。
两种方式都不是在所有情况下更优。选择取决于键的宽度、稳定性、互操作性、生成要求,以及所表示实体应遵循的规则。主键并非天然不可变,但修改被广泛引用的键值可能需要大量协调工作。
关联关系与参照完整性
**外键**是一列或一组列,其值引用另一张表或同一张表中允许被引用的标识。外键通常引用主键,但系统支持的唯一键也可以作为引用目标。
例如,订单表可以包含 customer_id 外键,引用客户表的主键。这样,多笔订单就能关联到同一位客户,而无需重复存储客户的详细信息。
此类约束强制保证**参照完整性**:非空引用必须匹配符合条件的被引用行。数据库系统可以拒绝会造成无效引用的更改,也可以执行已声明的操作,例如级联更新或级联删除。这些操作属于外键定义的一部分,并不是声明主键后自动产生的结果。
在实体-联系模型中,标识与联系有助于将概念实体转换为关系表。表示多对多联系的表,通常使用参与联系的两个标识组成复合主键。
索引与物理存储
大多数关系数据库系统通过唯一索引或等效的索引机制强制保证主键唯一性。这可以支持高效的行查找和连接操作,但主键本质上是一种逻辑约束,而不是某种特定的存储布局。
主键并不一定意味着:
- 行在物理上按键值顺序存储;
- 主键索引是聚簇索引;
- 查询结果按键值顺序返回;
- 标识是数字或连续递增的。
这些特性取决于数据库引擎和表的配置。如果需要特定的结果顺序,查询就必须显式使用 ORDER BY。
键的设计可能影响存储和性能。较宽的键占用更多索引空间,而且可能重复出现在引用它的表中。一些存储引擎还会在二级索引条目中包含主键,进一步增加宽标识的开销。
顺序生成的标识有利于插入位置的局部集中,但也可能使并发写入集中在索引的一小部分。随机分布的标识可以分散插入操作,却可能在某些存储结构中增加页面变更或碎片。如何权衡取决于具体实现和工作负载。
作用范围与局限
主键唯一性的作用范围通常限于一张表。同一个数值可以在不同表或独立运行的数据库中标识互不相关的行。
在分布式计算系统中,除非对生成过程进行协调,或使用足够大的标识空间,否则独立生成的键可能在记录合并时发生冲突。UUID 可减少对中央分配器的依赖,但其冲突特性取决于版本和生成过程。唯一性约束仍是一道独立的保障。
主键也不能证明一条记录准确、反映最新情况,或在语义上与其他所有记录都不同。识别指向同一现实实体的重复记录,需要额外的规则和数据质量流程。
最后,标识不是授权机制。仅仅知道或猜出某一行的键,不应使人获得访问该行的权限。看似随机的标识可以增加枚举的难度,但访问控制必须独立实施。