好的数据库设计一定是精致、优雅、赏心悦目、让人心醉。
为了建立冗余较小、结构合理的数据库,设计数据库时必须遵循一定的规则。在关系型数据库中这种规则就称为范式。范式是符合某一种设计要求的总结。,以提升数据库的存储效率、数据完整性和可扩展性。
第一范式:确保每列保持原子性
要求:
- 要求每一列都是不可分割的原子属性。
- 要求不存在重复的属性。
举例:
学号 | 姓名 | 性别 | 年龄 | 联系电话 | 居住地址 |
10010 | 张思平 | 男 | 24 | 15667084589 | 河北省唐山市路北区24号 |
10011 | 李卫国 | 男 | 23 | 15648972564 | 辽宁省大连市甘井子区32号 |
在上面的表中,“居住地址” 列不满足原子性的要求,故不满足第一范式。
调整如下:
学号 | 姓名 | 性别 | 年龄 | 联系电话 | 省份 | 城市 | 详细地址 |
10010 | 张思平 | 男 | 24 | 15667084589 | 河北省 | 唐山市 | 路北区24号 |
10011 | 李卫国 | 男 | 23 | 15648972564 | 辽宁省 | 大连市 | 甘井子区32号 |
注意:
原子性还要根据具体项目需求来定,上面这个例子比较适用于系统经常会访问“地址”属性中的“城市”部分,或者根据省份进行分类、查询等操作时。
当然,如果你的项目压根就不大,而且你有能力预见你的项目未来业务无论如何扩展,都不会涉及像上述根据省份、城市进行查询排序等操作,那么你完全可以将他们存储到一个字段。
第二范式:确保表中的每列都和主键相关
要求:
- 要求必须先满足第一范式。
- 要求每一个属性都完全依赖于主键,而不能只完全依赖于主键的某一部分(针对联合主键而言)。也就是说在一个数据库表中,一个表中只能保存一种类型的数据,不可以把多种数据保存在同一张数据库表中。
举例:
订单号 | 商品号 | 商品数量 | 商品单价 | 总价 | 订单时间 | 收货人 | 联系方式 | 收货地址 |
10010 | 101 | 3 | 30 | 90 | 20200824 | 张明 | 15667054684 | 河北唐山 |
10011 | 102 | 5 | 10 | 50 | 20200824 | 赵刚 | 15667054684 | 辽宁大连 |
这个表中是以订单编号和商品号作为联合主键。这样在该表中商品数量、商品价格信息不与该表的主键(订单号)相关,而仅仅是与商品号相关。并且订单时间、联系方式、收货地址仅仅依赖于订单号而与商品号无关。所以在这里违反了第二范式的设计原则。
调整如下:
订单号 | 商品号 | 收货人 | 联系电话 | 收货地址 | 订单时间 |
10010 | 1 | 张明 | 15667054684 | 河北唐山 | 20200824 |
10011 | 2 | 赵刚 | 15667054684 | 辽宁大连 | 20200824 |
商品号 | 商品数量 | 商品单价 | 总价 |
101 | 3 | 30 | 90 |
102 | 5 | 10 | 50 |
这样设计,在很大程度上减小了数据库的冗余。
第三范式:确保每列都和主键列直接相关,而不是间接相关
要求:
- 要求必须先满足第二范式。
- 要求每个属性都和主键直接相关,而不能间接相关。
举例:
学号 | 姓名 | 性别 | 班主任姓名 | 班主任性别 | 班主任年龄 |
10010 | 莉莉 | 女 | 王爽 | 女 | 45 |
10011 | 张超 | 男 | 王爽 | 女 | 35 |
上表中,所有属性都完全依赖于学号,所以满足第二范式,但是 “班主任性别” 和 “班主任年龄” 直接依赖的是属于非主属性的 “班主任姓名”,而不是主键 “学号”,所以需做如下调整:
学号 | 姓名 | 性别 | 班主任姓名 |
10010 | 莉莉 | 女 | 王爽 |
10011 | 张超 | 男 | 王爽 |
班主任姓名 | 班主任性别 | 班主任年龄 |
王爽 | 女 | 45 |
黄伟 | 女 | 35 |
注:2NF 和 3NF 的概念很容易混淆,区分它们的关键点在于:
- 2NF:非主键列是否完全依赖于主键,还是依赖于主键的一部分(主要针对联合主键的表);
- 3NF:非主键列是直接依赖于主键,还是直接依赖于非主键列。
以上三范式都是相对并非绝对,要根据具体项目具体分析
关于数据库冗余字段设计
在设计数据库时,某一字段属于一个表,但它又同时出现在另一个或多个表,且完全等同于它在其本来所属表的意义表示,那么这个字段就是一个冗余字段。
冗余字段的存在到底是好还是坏呢?
这是一个不好说的问题。可能在有人看来,这是一个很蹩脚的数据库设计。因为在数据库设计领域,有一个被大家奉为圭臬的数据库设计范式,这个范式理论上要求数据库设计逻辑清晰、关系明确,比如,”用户昵称”字段”nickname”本来属于表”user”,那么,表示”用户昵称”的字段就唯一的只应该属于”user”表的”nickname”字段,这样,当用户要修改昵称的时候,程序就只需要修改 user.nickname这个字段就行了,瞧,很方便。不过问题也随之而来,我在其他数据表(如订单orders表)里只存储了用户的ID,我要通过这个ID值得到用户昵称该怎么办呢?一个普遍的解决方法是通过联接(join),在查询时,通过id这个唯一条件联接两个表,从而取到用户的昵称。
这样确实是没问题,我也一直觉得这样是最好的方案,扩展方便,当要更新用户信息时,程序中要修改的地方很少,但是随着数据库里数据不断增加,百万,千万,同时,用户表的数据肯定也在不断的增加的,它可能是十万,百万。这个时候,你会发现两个表通过联接来取数据就显得相当费力了,可能你只需要取一个nickname这个用户昵称属性,你就不得不去联一下那个已经几十万的用户表进行检索,其速度可想而知了。
这个时候,你可以尝试把nickname这个字段加到orders这个订单表中,这样做的好事是,当你要通过订单表呈现一个订单列表时,涉及用户的部分可能就不需要再进行联接查询了(变成了单表查询)。当然,有利就有弊,这样做的弊端就是,当你尝试更新用户信息时,你必须记得用户信息表里当前被更新的字段中,有哪些是冗余字段,分别属于哪些表,找到他们,然后加入到你的更新程序段中来。这个是程序中的开销,开销在开发人员的时间上了。至于这样做是否值得,就得看具体情况而定了。
所以,目前要创建一个关系型数据库设计,我们有两种选择:
- 尽量遵循范式理论的规约,尽可能少的冗余字段,让数据库设计看起来精致、优雅、赏心悦目、让人心醉。
- 合理的加入冗余字段这个润滑剂,减少join,让数据库执行性能更高更快。
选择哪一种呢?如果你是一个美学狂人,并且财大气粗,非要使用第一种方案,也没关系,这种方案的短板并非不可救药的。比如,你可以增加服务器,从数据库集群入手,进行读写分离,读的时候可以将压力分散到不同的数据库服务器上,这样也可以获得很好的性能,只是多付出了硬件成本和维护成本。或者,你可以在数据库前端架设Memcached之类的缓存服务,减少读写数据库的次数,也可以达到同样的效果。问题在于你确定你需要缓存之类的东西。