NOIP 普及组初赛 · NOIP 2007 普及组初赛试题 第 8 题

冗余数据是指可以由其它数据导出的数据。例如，数据库中已存放了学生的数学、语文和英语的三科成绩，如果还存放三科成绩的总分，则总分就可以看作冗余数据。冗余数据往往会造成数据的不一致。例如，上面 $4$ 个数据如果都是输入的，由于操作错误使总分不等于三科成绩之和，就会产生矛盾。下面关于冗余数据的说法中，正确的是（  ）。

这道题考查数据库设计中的冗余数据与范式化权衡。拿到题先想：冗余是利是弊？完全消除虽然一致性好，但查询效率会下降；保留冗余是为了空间换时间，但更新时必须做相容性检验，否则数据会打架。

最容易犯的错误是选A，觉得冗余就是坏事，必须彻底消灭，这是理想化的教科书观点，实际工程中为了查询效率往往要保留。其次是选D，以为冗余数据不用管，更新时不做检查，这直接导致数据不一致。还有同学会误选B，认为高级语言比关系数据库更容易消除冗余，其实关系数据库的范式化设计（如3NF）恰恰是专门用来解决冗余问题的，反而更容易。

这道题考查的是数据库基础概念中的冗余数据与范式化设计，属于计算机基础知识范畴。在NOIP普及组初赛中，这个知识点虽然只考过2次（2007年），但非常经典，命题人喜欢用具体的例子（比如总分等于三科之和）来引出抽象概念，然后让你判断哪种说法正确。这类题目往往没有绝对的对错，而是考察你对实际工程权衡的理解。

首先，我们要搞懂什么是冗余数据。简单说，冗余数据就是可以由其他数据推导或计算出来的重复数据。比如题目里举的例子，学生数据库里存了数学、语文、英语三科成绩，如果还存了总分，这个总分就是冗余数据。冗余数据有两面性：一方面，它占用了额外的存储空间，而且如果更新不及时，很容易导致数据不一致（比如三科成绩改了，总分没改，数据就矛盾了）；另一方面，保留冗余数据可以提高查询效率，因为不需要每次都把多张表连接起来计算，这就是典型的“空间换时间”思想。

接下来看数据库范式化。范式化是数据库设计的核心原则，目的是消除冗余。第一范式要求列不可再分，第二范式消除部分函数依赖，第三范式消除传递函数依赖。遵循范式化设计，理论上可以消除大部分冗余。但是，在实际工程应用中，为了追求极致的查询性能，我们常常需要进行“反范式化”，也就是故意保留一些冗余数据。这时候，为了保证数据不出现矛盾，我们就必须做相容性检验（Consistency Check）。当更新冗余数据时，系统要检查所有副本是否一致，确保数据完整性。

现在我们来逐项分析选项。选项A说“应该在数据库中消除一切冗余数据”，这个说法太绝对了。虽然消除冗余能保证数据一致性，但会牺牲查询效率，实际工程中很少能做到“一切”冗余都消除，所以A错误。选项B说“用高级语言编写的数据处理系统，通常比用关系数据库编写的系统更容易消除冗余数据”，这个也是错的。关系数据库提供了完整的范式化设计工具（如3NF），反而更容易消除冗余，高级语言系统通常需要程序员自己写代码来管理依赖关系，更容易出错，所以B错误。选项D说“可以不理睬数据库中的冗余数据”，这更是大错特错。如果不做相容性检验，冗余数据更新后就会不一致，导致系统错误，绝对不能不理睬，所以D错误。只有选项C说“为了提高查询效率，在数据库中可以保留一些冗余数据，但更新时要做相容性检验”，这完全符合实际工程实践，既考虑了性能，又保证了数据一致性，因此C是正确的。

总结一下，这道题的考点在于理解冗余数据的利弊权衡：保留冗余是为了空间换时间，提高查询效率；但保留冗余就必须做相容性检验，否则数据会不一致。命题人挖的坑主要在“绝对化”的表述（如“一切”、“可以不理睬”）以及混淆不同系统的特性（如高级语言与关系数据库在消除冗余上的难易程度）。希望同学们以后遇到这类题目，不要死记硬背，要从实际应用场景出发，理解数据设计背后的权衡思想。