关系代数核心考点与SQL转换：数据库系统工程师备考指南

数据库系统工程师考试里，关系代数是个很特别的模块。说它简单吧，上午选择题里那些“选择不改变列数”“投影会去重”的判断，每年都能放倒一批人；说它难吧，等你在真题里把几个表达式对照着写一遍，又会发现它其实极其规整。我当年备考时，上午题靠背概念，下午题最怕的就是关系代数跟SQL互相转换，后来把运算语义一个个抠明白，才真正把它变成稳定拿分项。

简单说，关系代数就是关系数据库的底层运算语言。你在SQL里写的SELECT、WHERE、JOIN，翻译到底层本质上就是一组关系运算：选取行、选取列、拼表、过滤、匹配。它解决的核心问题是——不管你底层怎么存储，我只关心“怎么查”这件事。对于正在备考数据库系统工程师的考生来说，这个模块几乎年年出现，上午综合知识稳定出2到3分，下午案例分析题里更是常客，属于典型的“投入产出比很高”的考点。这篇文章把关系代数的核心考点从头到尾拆一遍，重点放在那些容易理解错、容易丢分、需要反复练的运算上，既有原理也有可以直接照着做的解题套路，适合正在刷真题的考生，也适合刚学数据库原理、想打牢基础的同学。

1. 关系代数在考试中的位置：先搞清楚它考什么

1.1 从真题里看关系代数的出题形态

数据库系统工程师考试分上午和下午。上午的综合知识题里，关系代数主要考概念辨析和简单计算，常见的有这几类：给你一个关系代数表达式，让你说出它执行完的结果有几个元组、几个属性；或者给你一段查询描述，问你哪个表达式能正确表示；再或者拿选择、投影、连接这几个运算摆在一起，让你判断哪个说法是错的。

下午的案例分析题就实在多了，经常给一个数据库场景，比如学生选课、图书借阅、订单管理，然后要求你用关系代数写出某个查询。这里有个细节值得注意：下午题很少直接让你写一个孤零零的关系代数表达式，更多是“这段业务需求能不能用关系代数表达，如果能，请给出表达式”，又或者“这个关系代数表达式对应的SQL是什么”。所以备考时必须两条腿走路——既会写表达式，也会把表达式翻译成SQL，还得能反向操作。

另外提醒一点，我在刷题时发现历年真题里有一个重复出现的考点：关系代数表达式与等价改写。例如给你一个自然连接的表达式，让你判断以下哪个选项和它等价。这种题表面考“等价”，实际考的是你对运算定义掌握得是否精确，后面我会专门展开。

1.2 基本概念先扫雷：关系、元组、属性、键

关系代数建立在关系模型之上，这些名词必须先过一遍，不然后面全是空中楼阁。

一个关系就是一张二维表，在关系代数里通常用R(A1, A2, ..., An)表示，R是关系名，A1到An是属性名。表中的一行叫一个元组，可以理解成一条记录；一列叫一个属性，对应一个字段。一个关系里，每一行都是唯一的，每一列都有固定的取值范围，这个取值范围叫域。比如“性别”属性，域就是{男，女}；“年龄”属性的域一般就是0到150的整数。

关于键，考试里常出现四个术语：候选键、主键、外键、超键。候选键是能唯一标识一个元组的最小属性集合，主键就是你从候选键里挑出来的那个，外键是关联其他关系的属性，超键是只要能唯一标识元组就行、不一定最小的属性集合。关系代数里会频繁用到这些概念，尤其是做自然连接和除运算时，你得能快速判断出哪些属性是公共属性，哪些属性是唯一标识。

还有两个概念容易混：关系的“目”和“基数”。关系的目指属性的个数，也就是列数；基数指元组的个数，也就是行数。考试计算题经常会问“笛卡尔积之后的结果有几个属性和几个元组”，如果你把“目”和“基数”记反了，那整个计算就全错了。我给个记忆方法：眼睛是横着长的、一条一条对齐的，所以“目”对应列，一张表格有多少“列”一目了然；基数就是我们常说的“基本数量”，对应的自然是行数。

2. 五大基本操作：选择、投影、并、差、笛卡尔积

2.1 选择与投影：最容易混淆的一对双胞胎

选择用希腊字母σ表示，运算符写作σ_条件(R)，含义是从R中选出满足条件的行。它的作用方向是水平的，只动行不动列，结果的关系模式和原关系一模一样，属性个数不变。比如查询计算机系的学生，写成σ_{系别='计算机'}(学生)，结果仍然有学号、姓名、系别、年龄这些列，只是行变少了。

投影用π表示，写法是π_属性列表(R)，含义是从R中选出指定的若干列。它的作用方向是垂直的，只动列不动行，结果的关系模式由你选择的属性组成。比如查询所有学生的姓名和系别，写法是π_{姓名,系别}(学生)。

这里有个特别重要的考点：投影会去重。正因为关系是集合，集合中不允许有重复元素，所以投影出来的结果如果有多行相同，只保留一行。我见过太多考生在这个点上丢分了。举个典型例子：查询所有学生的所在系，学生表里可能有十个学生来自“计算机系”，投影π_系别(学生)之后结果就只有一行“计算机系”，不是十行。这个性质在考题里经常以“该表达式的结果有几行”的形式出现，你不仅要会算，还要在往SQL转换时意识到“SELECT DISTINCT”的对应关系。

选择的条件表达式里可以出现比较运算符和逻辑运算符，逻辑关系常用∧表示且、∨表示或、¬表示非。比如查询计算机系并且年龄大于20的学生，写成σ_{系别='计算机'∧年龄>20}(学生)。要注意逻辑运算符的优先级和括号使用，考试中宁可多加括号也别省略，表达式一旦有歧义，改卷时很容易被判定为不完整。

2.2 并、差、笛卡尔积：集合运算的考场规矩

并运算R∪S，取两个关系所有元组的并集。差运算R-S，取属于R但不属于S的元组。这两个运算有一个前提条件叫“相容性”，也叫“并相容”：两个关系的属性个数必须相同，并且对应属性的域也相同。举个例子，你不可能对一张“学生(学号,姓名)”的表和一张“选课(学号,课程号)”的表做并运算，因为属性列表对不上。考试时判断“以下哪些关系之间可以进行并、差运算”，核心就看这个。

还有一个容易忽略的细节：并和差的结果也会自动去重。关系是集合，集合里不会有两条一模一样的元组。所以当你把两个表UNION起来时，重复的记录自动消失，这跟SQL里的UNION语义完全一致。

笛卡尔积用×表示，R×S的结果是一个新的关系，它的属性数是两个关系属性数之和，元组数是两个关系元组数之积。这个计算本身不难，但考试喜欢把它放在复合题里。比如R有3个属性和5行，S有4个属性和6行，R×S的结果就是7个属性30行。如果题目再往下问“对笛卡尔积做选择之后剩下几行”，你就得会结合条件去数。

需要特别注意的是，当R和S有同名属性时，笛卡尔积的结果里会同时出现R.A和S.A两列。在关系代数里通常用属性名前缀来区分，比如R.A和S.A。这种命名方式在后面写连接条件时会频繁用到，也是关系代数表达式转SQL时容易出问题的地方。

2.3 更名运算：一个容易被忽略的得分点

更名运算用ρ表示，写法是ρ_新名字(R)，看名字就明白，它给关系重新取个名字。这个东西表面简单，但它是解决自连接问题唯一的手段。什么叫自连接？就是一个关系和自己做连接。比如查询“年龄比刘芳大的学生姓名”，你需要把学生表和它自己比较，如果不改名，两个都是“学生”关系，在表达式里根本无法区分哪个是“刘芳所在的行”，哪个是“其他学生所在的行”。

写成ρ_S1(学生)，ρ_S2(学生)，然后用S1、S2去做笛卡尔积、选择、投影，表达式就清晰了。完整写法大致是：

π_S1.姓名(σ_{S1.年龄>S2.年龄 ∧ S2.姓名='刘芳'}(ρ_S1(学生) × ρ_S2(学生)))

这个考点即使在选择题里也经常出现，判断依据很简单：看到一张表和它自己比较，第一反应就是需要更名，没有更名运算的关系代数表达式，十有八九是错的。

2.4 复合表达式与运算优先级：别让括号背锅

一个关系代数的查询，通常不是单独一个运算，而是多个运算套在一起。比如“查询计算机系学生的姓名”，必须先做选择，再做投影，写成π_姓名(σ_{系别='计算机'}(学生))。

运算顺序在关系代数里是有优先级的，一般来说，选择、投影这类一元运算优先级最高，笛卡尔积、连接次之，并、交、差最低。但我的建议是：考试时永远不要依赖优先级记忆，直接加括号。加括号不是为了给老师看，而是防止你自己把运算顺序搞反。我在复查真题时发现，很多考生写表达式不是不会，而是括号位置错了一层，结果整个语义完全变了。

另外有个实用技巧：能先做选择就先做选择，能先做投影就先做投影。这不是考试要求，而是从查询优化角度考虑的习惯——先把关系变小，再做笛卡尔积或连接，中间结果集就小得多。这个习惯考试不扣分，但对你理解“查询优化”这个完整考点有直接帮助，上午题偶尔也会以“以下哪个等价改写更优”的形式出现。

3. 连接操作：自然连接是隐藏扣分重灾区

3.1 自然连接：先等值匹配再合并列

自然连接用⋈表示，是考试里出现频率最高的连接方式，也是出错频率最高的。它的执行分两步：第一步，找出两个关系中的同名列，在这些列上做等值比较；第二步，把结果中的重复列合并成一列。

举个例子。关系R的属性是(A, B, C)，关系S的属性是(B, C, D)，两个关系的公共属性是B和C。自然连接R⋈S会先比较R.B与S.B是否相等、R.C与S.C是否相等，然后生成一个新关系，属性是(A, B, C, D)，B和C只保留一份。

这个合并列的细节是考试最爱挖的坑。等值连接的结果不会自动合并重复列，而自然连接会，很多考生把两者混为一谈，一看到“自然连接”就用等值连接的思路去做，结果属性个数算错。我建议你把这句话记下来：自然连接 = 笛卡尔积 + 公共属性等值条件 + 合并重复列。

完整的等价表达式可以写成这样：

自然连接 R⋈S 等价于 π_{R.A, R.B, R.C, S.D}(σ_{R.B=S.B ∧ R.C=S.C}(R × S))

这也是上午题等价改写题的标准解法，看到“以下哪个表达式等价于R⋈S”，直接按这个模板去比对选项。

3.2 等值连接与θ连接：不合并列的连接

等值连接和θ连接在考试里通常一起出现。θ连接是更一般的连接方式，θ可以是任意比较运算符，比如大于、小于、不等于。当θ取“=”时，就是等值连接。写法上，等值连接一般写成R⋈_R.A=S.AS，θ连接写成R⋈_R.A>S.AS。

等值连接和自然连接的区别必须掰清楚：第一，等值连接需要你明确指定连接条件，自然连接不需要、它自动找同名列；第二，等值连接的结果会把R.A和S.A作为两列都保留下来，而自然连接会合并。举个具体例子，R(A,B)和S(B,C)，自然连接的结果是(A,B,C)，而按R.B=S.B做等值连接的结果是(A, R.B, S.B, C)，B会出现两次。

考试判断技巧：题目里如果明确写了连接条件是“R.属性 = S.属性”，那就是等值连接，不要画蛇添足去合并列；如果只写了“自然连接”四个字，才需要考虑同名列合并。还有一类题会问“下列哪种连接不会产生重复属性”，答案就是自然连接。

3.3 外连接：把悬浮元组找回来

自然连接和等值连接有一个共同毛病：如果某一行在另一个关系里找不到匹配，这一行就会从结果中消失，这种被丢弃的行叫悬浮元组。比如学生表里有三个学生，选课表里只有一个学生选了课，自然连接之后结果里只会出现那一个有选课记录的学生，另外两个学生虽然人还在，但在连接结果里看不到。

外连接就是为了解决这个问题。左外连接会保留左边关系的所有元组，右边找不到匹配就填空值；右外连接保留右边关系的所有元组；全外连接则两边都保留。这个考点在上午题里经常以概念判断出现，在下午题里则可能让你写“查询没选课的学生”——这时候你需要先做左外连接，再做选择，选出右边属性为空的那些行。

我建议把外连接的三种形式和自然连接的等价表达式一起记，因为选择题里会拿这些做干扰项。区别核心就一句话：是否保留、保留哪边的悬浮元组。

3.4 连接之后的元组数与属性数计算

这是计算题最常见的形态，我给你一套完整方法。先算属性数：自然连接的结果属性数等于两个关系属性数之和减去公共属性个数；等值连接不合并，属性数直接是两关系属性数之和。再算元组数：这个没有固定公式，必须先做笛卡尔积，再数满足连接条件的行数。

拿一个简单例子推一遍。R有属性(A,B)，两条记录：(1,2)、(3,4)。S有属性(B,C)，两条记录：(2,5)、(2,6)。自然连接时，公共属性是B，R中B=2的行和S中B=2的两行都能匹配，所以结果是两行：(1,2,5)和(1,2,6)，属性数是3，元组数是2。如果你算出来的元组数等于两个关系行数相乘再乘以某个比例，那不是规律，只是这题碰巧如此。考试中的正确做法永远是一个个对照公共属性值去数，别套什么“行数相乘再除以公共属性数”之类的野公式。

4. 除运算：压轴难点，理解了就是送分题

4.1 除运算到底在算什么

除运算用÷表示，是所有关系代数运算里最抽象、也最像“压轴题”的一个。它的标准语义是这样的：对于两个关系R(X,Y)和S(Y)，这里X和Y都是属性组，R÷S的结果是那些X值满足“在R中出现的所有Y值，覆盖S中的所有Y值”的元组。

听起来很绕，换成大白话就是：S里要求什么，R里的X就必须全部满足。这也是为什么考试时遇到“查询选修了全部课程的学生”“查询供应了所有零件的供应商”这类带“所有”“全部”字样的题目，十个里有九个要用除运算。

举个例子。选课关系R(学号, 课程号)，课程关系S(课程号)。假设R里有三个学生：学号001选了C1、C2、C3，学号002只选了C1，学号003选了C1、C2。S里有C1、C2、C3三门课。R÷S的结果是哪个学生？只看课程号完全覆盖了S中所有课程的学生，那就是001。002缺C2、C3，003缺C3，都不满足。这个例子的结果最终是只含学号001的一个关系，属性只有“学号”，因为除运算的结果属性是X，也就是R中除了Y之外的属性。

4.2 除运算的通用解题套路

考试时除运算不要硬想“语义”，直接用三步法操作，又快又不会漏：

第一步，确定X和Y。X是R的属性中去掉S属性后剩下的属性，Y就是S的全部属性。这里有个前提，S的属性必须都包含在R中，否则除运算无意义。

第二步，把R按X的值分组。比如按学号分组，每个学号对应一个课程号的集合。

第三步，看每组课程号集合是否包含S中所有课程号。包含的组留下来，最后输出这个组的X值。

这个方法对所有除运算都有效。不过光会这个还不够，上午题偶尔会考除运算的等价表达式。标准答案是：

R÷S = π_X(R) - π_X(π_X(R) × S - R)

这个公式看着复杂，拆开看其实不复杂。π_X(R)先找出所有出现过的X值，π_X(R) × S是X与S的全部可能组合，减去R就找出了那些“该有却没有”的组合，再投影X，最后用全集减去这个集合，剩下的就是完全覆盖S的X值。选择题里如果出现类似“哪个表达式等价于R÷S”，直接按这个结构找。

4.3 一个完整的例题拆解

我用一个经典例子把除运算从头到尾走一遍。关系R(A, B)，这里A类比学生，B类比课程，具体数据为：(A1, B1)、(A1, B2)、(A2, B1)、(A3, B1)、(A3, B2)、(A4, B2)、(A4, B3)。关系S(B)，只有一个属性B，数据为B1、B2。

求R÷S。按三步走：X是A，Y是B。按A分组，A1对应{B1,B2}，A2对应{B1}，A3对应{B1,B2}，A4对应{B2,B3}。S要求的是{B1,B2}，所以A1、A3满足，A2缺B2，A4缺B1。最终结果是两个元组：A1和A3。

如果你非要用SQL去验证，对应的SQL是经典的NOT EXISTS写法：

SELECT DISTINCT A FROM R AS R1 WHERE NOT EXISTS ( SELECT 1 FROM S WHERE NOT EXISTS ( SELECT 1 FROM R AS R2 WHERE R1.A = R2.A AND R2.B = S.B ) )

考试时不会要求你写这么复杂的SQL，但这个对应关系能帮你验证思考方向是否正确。我做题时养成了一个习惯：关系代数算完，如果题目有时间，就用SQL的逻辑在心里反推一遍，两边对得上才敢写进答案，因为关系代数写错一步，阅卷时很容易一眼看出，而SQL验证能帮你把错误提前拦住。

5. 关系代数与SQL互转：下午题的提分关键

5.1 转换对应规则表

关系代数转SQL，考的是“你能不能看懂表达式背后的查询逻辑”。这里先给一张我总结的对应关系表，后面所有示例都围绕它展开。

这个表看起来简单，但有两个坑必须提醒。第一，投影π在SQL里对应SELECT，但关系代数的投影自动去重，SQL的SELECT默认不去重，只有加DISTINCT才去重。如果你转换时想精确保持语义，记得在SELECT后面加DISTINCT。第二，关系代数的差运算对应SQL的EXCEPT，但很多考试环境下不允许用EXCEPT，这时候要用NOT IN或NOT EXISTS来改写，这两种写法都要会，因为下午题答案不唯一，批改时看你表达的逻辑是否等值。

5.2 带条件的投影和排序：转换时的顺序问题

转换过程中最容易出错的不是单个运算，而是运算顺序。关系代数的写法是内层先执行，外层后执行，比如π_姓名(σ_年龄>20(学生))，先筛选年龄大于20的行，再投影姓名。SQL里最直观的写法是：

SELECT 姓名 FROM 学生 WHERE 年龄 > 20

你发现没有，SQL把投影写在了前面、条件写在后面，但执行顺序是先WHERE再SELECT。这里有个很实用的转换技巧：写SQL时先看关系代数的内层运算，把它翻译成FROM和WHERE部分，再看外层运算，把它翻译成SELECT部分。从里往外一层层剥，基本不会乱。

如果关系代数里既有选择和投影，又涉及连接，顺序就更重要了。比如π_S.姓名(σ_S.年龄>20(学生S ⋈ 选课))，它表示“年龄大于20岁并且有选课记录的学生姓名”。SQL写出来是：

SELECT DISTINCT S.姓名 FROM 学生 S JOIN 选课 C ON S.学号 = C.学号 WHERE S.年龄 > 20

注意我在SQL里使用了别名S，这正好对应关系代数里的更名运算。把关系代数的名字对应到SQL别名，是一个很好用的转换锚点，能帮你快速定位哪个表是哪个角色。

5.3 经典转换示例：选修了所有课程的学生

这个例子几乎每年都有学校考、每年都有考生错，我完整写一遍。用关系代数表示“查询选修了全部课程的学生学号”，最标准的写法是：

π_学号(选课 ÷ π_课程号(课程))

翻译一下：课程表投影出所有课程号，再用选课关系除以这些课程号，剩下的就是选修了全部课程的学生学号。转成SQL有两类写法。

第一类用NOT EXISTS，逻辑最贴近除运算：

SELECT DISTINCT 学号 FROM 选课 A WHERE NOT EXISTS ( SELECT 1 FROM 课程 WHERE NOT EXISTS ( SELECT 1 FROM 选课 B WHERE A.学号 = B.学号 AND B.课程号 = 课程.课程号 ) )

第二类用COUNT和分组，思路是“该学生选课数 = 总课程数”：

SELECT 学号 FROM 选课 GROUP BY 学号 HAVING COUNT(DISTINCT 课程号) = (SELECT COUNT(*) FROM 课程)

两类写法都没问题。实际备考我建议你两种都练，因为上午题可能会考“以下哪个SQL语句等价于给定的关系代数表达式”，选项中可能既有NOT EXISTS也有GROUP BY写法，你两种都看得懂才能稳拿这分。

5.4 反向转换：SQL转关系代数的三个注意点

反方向转换，也就是从SQL写关系代数，同样要注意三点。

第一，SELECT后面的属性列表直接写成投影π，但如果SQL里用了DISTINCT，投影本来就会去重，所以关系代数里不用额外处理。如果SQL里没有DISTINCT，理论上关系代数也应该去掉重复，但在考试环境下，只要查询语义一致，一般都会接受。

第二，FROM后出现多个表名，对应的是笛卡尔积或者各种连接。如果SQL里是“FROM R, S WHERE R.A = S.A”，转换时可以先写选择再写笛卡尔积，也可以直接写等值连接，推荐后者更简洁，写成R⋈_R.A=S.AS。

第三，子查询是最难转换的部分。SQL里出现在WHERE后面的IN子查询，转换到关系代数时往往需要用到差运算或除运算。比如“查询没选课程1的学生学号”，SQL是“SELECT 学号 FROM 学生 WHERE 学号 NOT IN (SELECT 学号 FROM 选课 WHERE 课程号='C1')”，关系代数写法就是：

π_学号(学生) - π_学号(σ_{课程号='C1'}(选课))

这个对应关系记熟了，下午题再遇到“请用关系代数表示”就不容易懵。

6. 高频错题与考前自查清单

6.1 高频丢分点速查表

我调研了大量历年真题和模拟题，把关系代数最常见的丢分点整理成一张表，备考最后阶段可以直接对照自查。

这张表我建议你贴在手边，每次刷题前扫两遍。我自己的习惯是，做完题对答案时先不急着看解析，而是先在表里定位自己错的是哪一类，再回头排列组合地重做一遍，效果比盲目刷十套题还好。

6.2 考场上怎么快速验证表达式正确性

考试时间紧张，关系代数表达式写完没有“跑一遍”的条件，但有三个快速自检方法，都是我在刷真题过程中总结出来的。

第一个，数属性。写完表达式后，按运算顺序重新数一遍结果应该有几个属性。如果是自然连接，属性数是两边之和减公共属性数；如果做了投影，属性数就是你写出的属性列表长度。这一步能拦住大半粗心错误。

第二个，检查条件的属性前缀。只要表达式中出现了笛卡尔积或者连接，选择条件里的每个属性都要确定归属，尤其是同名属性，必须写R.属性或S.属性。考试里经常出现不写前缀的表达式，一眼看过去很规范，实际上一旦有同名属性，这个表达式就是无效的。

第三个，用极端数据做心理推演。随便假设一个只含两条记录的小关系，在脑子里走一遍运算过程，看结果是否符合常识。这个方法听起来笨，但特别管用，因为关系代数很多错误不是概念问题，而是“做的时候根本没意识到运算顺序想岔了”。一个只有两行数据的小例子，走一遍就能暴露问题。

6.3 时间分配与刷题顺序建议

如果你现在距离考试还有一个月左右，我建议把关系代数复习分三个阶段推进。前十天做基础练习，每天固定十几道选择加两个表达式的书写，重点吃透选择、投影、连接的语义区别，把上面那张速查表上的错误挨个“踩”一遍再纠正。中间十天做真题专项，把所有历年真题中的关系代数题集中起来，掐时间做，做完重点分析下午题的关系代数转SQL，因为这部分最容易暴露出你对运算顺序理解不透的问题。最后十天做综合模拟，每天做一套完整卷，把关系代数放在下午题的时间预算里统一规划。

关于时间分配，我给一个大致参考：一道下午案例分析题如果包含关系代数，建议用时控制在十分钟以内。前五分钟写出表达式，后五分钟做自检和SQL对照。不要在一个表达式上反复纠结，宁可先写一版，再通过自检修正，也比卡在那里浪费后面大题的时间强。

结尾

最后说点备考之外的体会。关系代数这个东西，光背定义真的没用，它考的是“能不能把一句业务查询用精确的运算步骤表达出来”。我当年复习时给自己定了一个规矩：每做一道SQL大题，就强迫自己用关系代数再写一遍；反过来，看到关系代数表达式，也先在SQL里还原出来。坚持了两周之后，再回头看上午题那些概念判断题，完全没有模糊空间，因为你在两种语言之间来回切换的过程中，已经把每个运算的边界摸清了。这个习惯直到现在做需求时还在用——写SQL前先在草稿本上画一画关系运算，很多慢查询和错误关联当场就能发现。希望这篇整理能帮你把这块硬骨头啃下来，上午题拿稳那几分，下午题不再被关系代数绊住。