1.4.2 数据抽象方法

常用的数据抽象方法有三种：分类、聚集和概括。

1. 分类

分类是指把现实世界中具有共性的个体抽象为一种实体型。例如，校园卡管理中，无论是张伟、周萍，还是其他个体都是学生，具有学号、姓名、性别、学院等共同属性，可以抽象为“学生”实体型，而张伟、周萍等个体为该实体型的实体值，和实体型之间是“is member of”的关系，如图1-22所示。

2. 聚集

聚集是将实体值之间的共性属性抽象为实体的属性，属性描述了实体的组成部分。属性和实体型之间是“is part of”的关系。例如，学号、姓名、性别、学院等都可以抽象为“学生”实体的属性，如图1-22所示。

3. 概括

如果实体之间存在子集联系，可以概括为子类和超类。子类和超类之间是“is subset of”的关系，子类继承超类所有的联系和属性，从而简化实体的设计。

E-R模型中分别用矩形和双竖边矩形表示超类和子类，用直线加小圆圈的形式表示超类-子类的关系。例如，研究生、本科生都是学生，都具有学生的基本属性，但是研究生有本科生没有的科研要求（研究方向）、本科生有研究生没有的军训和生产实习，研究方向，军训及生产实习分别是研究生和本科生的特有属性。如果抽象为学生、研究生、本科生三种实体型，一则实体型数量多，二则实体型之间存在较多的冗余属性。使用概括进行抽象后，把研究生、本科生抽象为学生的子类，继承学生超类的学号、姓名、性别、学院等基本属性，同时具有自己的特殊属性，如图1-23所示。