E2 · 出版卷 24

标识符与身份

自然键、业务键、代理标识符、合并与别名

学习目标

  • 解释为什么自然键、业务键、代理标识符、合并与别名需要显式语义建模。
  • 设计在交换过程中保留“标识符与身份”含义的身份、关系与约束。
  • 区分硬性发布质量门、诊断指标与解释选择。
  • 使用合成证据产出包含别名、已审查合并与不变量测试的身份注册表。

只有当学习者能够为模型和发布决定同时辩护时，本章才算完成。没有证据、测试或声明限制的整洁模式仍是未经验证的设计。考核成果必须让假设可见，并区分来源主张与派生结论。

决定情境

标识符策略应根据作用范围、唯一性授权、持久性和暴露方式选择。标签被更正时标识符应保持稳定，也不得重新分配。身份解析应产生带证据的可审计决定，而不是不可逆的字符串清洗捷径。

从决定记录开始：写明预期用途、所需证据、错误后果、可接受不确定性以及有权接受残余风险的角色。随后检查拟议模型能否在不依赖文件名惯例、行顺序、无文档默认值或个人记忆的情况下回答决定问题。这样可避免技术选择掩盖缺失的语义要求。

同一记录可能适合一种用途而不适合另一种用途。快速探索视图可以容忍正式交换发布不能接受的条件。因此，适用性应针对用途、契约版本与质量门声明，而不能永久贴在数据上。

核心概念

身份解决跨时间与系统的两条记录是否指向同一对象。自然键和业务键是有用的匹配证据，但可能变化、冲突或暴露内部约定。代理标识符提供持久引用，别名与合并记录则保存外部标签如何映射到该身份。

本章工作范围是自然键、业务键、代理标识符、合并与别名。对范围内每个项目，都要区分对象本身、来源使用的标签、关于它的主张以及承载主张的记录。身份不等于显示名称，数值不等于单位，观测不等于模型，“当前”也不等于“有效”。这些区分为更正、不确定性与竞争解释提供明确位置。

良好的语义设计应先能用句子解释，再进行编码。每个句子都识别主语、属性或关系、宾语或结果，以及主张成立的上下文。物理表和文件是这些句子的投影，而不是含义来源。

语义模型

身份注册表可包含持久标识符、实体类型、生命周期状态、规范显示标签和创建事件。别名应带命名空间、来源、有效区间与规范化比较值。合并建立从停用身份到保留身份的有向关系，并记录审查角色、证据和生效时间。

用七个问题检验每种拟议记录：什么具有身份？它是什么类型？主张了哪个属性或关系？适用哪些时空上下文？哪个状态或限定符修饰主张？哪些证据支持它？哪个版本和活动产生了当前存储表示？缺失答案都应成为显式契约缺口。

规范化用于分离独立事实，而不是追求最多表数。只要身份、约束与来源保持显式，紧凑嵌套对象也可以语义健全；相反，如果关系和单位只存在于文档或应用代码中，即使高度规范化的数据库仍可能含糊。

约束与不变量

| 不变量 | 可执行或审查测试 | | --- | --- | | 标识符应视为不透明值 | 使用者不得从标识符字符推断实体属性。 | | 禁止重新分配 | 停用标识符永远不能指向不同实体。 | | 别名具有作用域 | 每个别名都声明来源命名空间和有效期。 | | 合并链必须终止 | 检测循环，并把每个停用身份解析到一个有效保留身份。 |

不变量是在存储、导出、更正与再处理过程中必须始终成立的条件。应尽可能在权威边界实施，并在交换边界重复检查。记录规则标识符、版本、严重级别、评价范围、观测值与结果，使失败可复现。

硬性质量门保护身份、语义有效性、必需来源与授权使用；诊断检查揭示异常值或模式，但需要解释。没有经审查规则和保留的源证据，不得把诊断阈值直接转化为删除或更正。

定量推理

可跟踪冲突率 R_c = n_c / n_i、未解析别名率 R_u = n_u / n_a 与合并链深度。这些指标用于揭示风险，不代替身份判断。文本完全相同的记录仍可能代表不同物体，而拼写不同的记录也可能共享一个身份。

每个比率都应声明分子、分母、排除项与评价时间。当汇总可能隐藏局部失败时，按来源、实体类型、契约版本或处理运行分层报告。百分比应同时附计数，避免很小分母造成的表面巨大变化被忽略。

精度属于含义的一部分。不能只因存储类型允许就增加小数位，也不能在没有声明容差和测试时舍入身份、区间或坐标字段。定量摘要支持发布决定，但不能替代语义审查。

证据与不确定性

候选匹配应使用独立属性：实体类型、空间位置、父级实体、日期和支持材料。匹配证据与矛盾证据都要记录。不确定候选保持未合并并进入审查状态，不能用确定性标识符掩盖不确定性。

证据包应包含保留的来源引用、采集或主张上下文、适用方法、验证结果、审查决定及派生物链接。当分类会改变处理方式时，把不确定性区分为观测、语义、结构、参数或政策相关。“未知”在证据不足以支持更强主张时是有效状态。

矛盾证据应保持可用。模型可以选择一条当前主张，但要保留理由、竞争主张与生效时间。这样才能支持后续重解释，而不假装早期证据从未存在。

接口与存储

接口应暴露持久标识符、标识符命名空间和实体类型。共享别名时，应区分规范标签、来源标签与停用标签。使用者应遵循显式替代链接并缓存所用注册表版本，而不是每次导入都重写标识符。

接口设计应从逻辑契约向外展开。在选择序列化前，先指定标识符、类型、基数、单位、值状态、坐标与时间参考、版本协商、验证行为和结构化错误；物理表示随后声明它如何映射这些逻辑元素。

存储优化可以分区、压缩、索引或缓存数据，但不能改变身份或悄然移除上下文。派生表示应指向不可变输入与处理清单。缓存携带新鲜度和契约版本信息，绝不被当作唯一证据副本。

治理与访问

若能够保证唯一性，创建可自动完成；但合并与拆分会重定向证据，必须受控审查。拆分并非简单撤销合并：必须说明哪些观测移至哪个新建或恢复身份及其原因。

治理通过角色名称、审查状态与版本化决定表达，而不依赖任何特定组织。应定义谁可以提议、验证、批准、替代和撤回每类受治理资源。审计记录保存角色和事件，同时避免不必要的个人数据。

对源证据与派生物应用最小必要访问。访问控制不能删除理解获授权发布所需的标识符、血缘或质量元数据。政策未解决时，应以明确理由和升级路径隔离输出。

集成检查点

候选标签通过证据解析为持久身份
候选标签通过证据解析为持久身份

图中概括本章控制流。应从源证据开始，经过语义结构与验证，读到可供决定使用的成果。每个箭头都应对应声明关系或转换，每个边界都应有契约，每个发布节点都应具有身份、版本与来源指针。

把包含别名、已审查合并与不变量测试的身份注册表加入持续演进的合成数据包。验证早期成果仍可解析，并确认新模型没有覆盖前几章引入的观测、标识符、数值或版本。记录每项变化的假设。

合成算例

一个合成注册表包含“BH-07”“BH07”和“BH-007”。前两个具有相同孔口位置、场地与开钻日期，第三个相距 12 千米。学习者仅为候选搜索规范化标签，在证据审查后合并前两个并保留全部别名；第三个虽拼写相似仍保持独立。

按四轮完成算例：

  1. 保留接收记录并写出预期决定，不先进行任何更正。
  2. 识别实体、主张、上下文、不确定性与政策约束，标记每个未解决项。
  3. 应用版本化规则，创建派生物，并记录准确转换与验证证据。
  4. 给出接受、拒绝或隔离决定，并说明独立审查者如何复现。

由于示例全部为合成内容，其数值只用于演示方法。重要结果是从接收证据到有依据决定的链条。若缺少必需事实，解答应记录缺口，而不是制造一个看似合理的值。

练习任务

为三十条合成记录建立身份解析工作表。仅为匹配定义规范化规则，对独立证据排序，记录接受、拒绝与待审结果，再测试禁止重分配、别名唯一性、防止合并循环和确定性保留身份解析。

采用以下验收标准：

  • 所有必需标识符与引用都解析到声明类型。
  • 每次转换都保留接收证据并记录派生关系。
  • 无效、未知与不适用状态保持区分且可机器测试。
  • 输出标识所用契约、词汇与处理版本。
  • 第二位读者无需私下知识即可复现验证结果。

提交源快照、编写的契约或模型、验证输出、派生物、清单和简短决定记录。截图本身不足以证明准确输入、版本或规则执行。

常见失效模式

  • 显示标签同时充当主标识符。
  • 大小写归一直接改写标识符而不是比较键。
  • 合并删除停用身份及其证据。
  • 相似度阈值悄然批准含糊匹配。

这些失败具有共同模式：便利的表示被误认为已经验证的含义。诊断时应找到假设最早变为隐式的边界。修复时恢复源证据，把假设转为版本化字段或规则，重新运行依赖转换，并通过替代而非覆盖发布受影响成果。

不要用无文档默认值修复失败。带明确缺失依赖的阻止结果，比一个无法重建含义却看起来完整的结果更安全、更可复用。

复习问题

  1. 为什么自然键是证据而不是身份保证？
  2. 别名记录必须包含什么？
  3. 为什么拆分需要的信息可能多于撤销合并？
  4. 哪些不变量可防止标识符损坏？

对每个答案，都要指出适用不变量、评价所需证据以及不变量失败时的发布行为。高质量答案会区分科学不确定性与语义缺失，也会区分可恢复警告与硬性契约违规。

来源与延伸阅读