数据库范式那些事(清晰）

简介

      数据库范式在数据库设计中的地位一直很暧昧，教科书中对于数据库范式倒是都给出了学术性的定义，但实际应用中范式的应用却不甚乐观，这篇文章会用简单的语言和一个简单的数据库DEMO将一个不符合范式的数据库一步步从第一范式实现到第四范式。

 记忆小结：

1NF： 字段是最小的的单元不可再分
2NF：满足1NF,表中的字段必须完全依赖于全部主键而非部分主键
3NF：满足2NF,非主键外的所有字段必须互不依赖
4NF：满足3NF,消除表中的多值依赖

范式的目标

      应用数据库范式可以带来许多好处，但是最重要的好处归结为三点：

      1.减少数据冗余（这是最主要的好处，其他好处都是由此而附带的）

      2.消除异常（插入异常，更新异常，删除异常）

      3.让数据组织的更加和谐…

    

       但剑是双刃的，应用数据库范式同样也会带来弊端，这会在文章后面说到。

 

什么是范式（概念）

      简单的说，范式是为了消除重复数据减少冗余数据，从而让数据库内的数据更好的组织，让磁盘空间得到更有效利用的一种标准化标准，满足高等级的范式的先决条件是满足低等级范式。(比如满足2nf一定满足1nf)

 

DEMO

      让我们先从一个未经范式化的表看起,表如下：

先对表做一个简单说明，employeeId是员工id,departmentName是部门名称，job代表岗位，jobDescription是岗位说明，skill是员工技能，departmentDescription是部门说明，address是员工住址

对表进行第一范式(1NF)

    如果一个关系模式R的所有属性都是不可分的基本数据项，则R∈1NF。

    简单的说,第一范式就是每一个属性都不可再分。不符合第一范式则不能称为关系数据库。对于上表，不难看出Address是可以再分的，比如”北京市XX路XX小区XX号”，着显然不符合第一范式，对其应用第一范式则需要将此属性分解到另一个表,如下:

（1NF的补充）

从辩证唯物主义角度出发

物质是无限可分的

则，对象也是无限可分的
字段是无限可分的

其实数据库第一范式的遵守必须从实际项目需求出发
在业务上如果不需要对地址的具体局部进行划分
比如，仅仅是一个个人通信录，则一个字段就可以符合第一范式
但是如果需求上要求这个个人通讯录具有安国家、行政区、街道来排序和检索信息，则一个字段就不符合第一范式

再举个例子
姓名列
多数都是一个字段吧？也的确就够用了，一定符合第一范式

但是在公安的户籍管理系统中如果只用一个字段就等着哭吧

所以，数据表设计、ER图设计，脱离了实际项目的业务需求就有问题了

这就是我对第一范式的理解：
粒度的细化标准来自于合理的业务需求

对表进行第二范式(2NF)

若关系模式R∈1NF，并且每一个非主属性都完全函数依赖于R的码，则R∈2NF

简单的说，是表中的属性必须完全依赖于全部主键，而不是部分主键.所以只有一个主键的表如果符合第一范式，那一定是第二范式。这样做的目的是进一步减少插入异常和更新异常。在上表中，departmentDescription是由主键DepartmentName所决定，但却不是由主键EmployeeID决定，所以departmentDescription只依赖于两个主键中的一个，故要departmentDescription对主键是部分依赖，对其应用第二范式如下表：

对表进行第三范式(3NF)

关系模式R<U，F> 中若不存在这样的码X、属性组Y及非主属性Z（Z  Y）, 使得X→Y，Y→Z，成立，则称R<U，F> ∈ 3NF。

第三范式（3NF）：在第二范式的基础上，数据表中如果不存在非关键字段对任一候选关键字段的传递函数依赖则符合第三范式。所谓传递函数依赖，指的是如果存在"A → B → C"的决定关系，则C传递函数依赖于A。因此，满足第三范式的数据库表应该不存在如下依赖关系： 关键字段 → 非关键字段x → 非关键字段y 

简单的说，第三范式是为了消除数据库中关键字之间的依赖关系，在上面经过第二范式化的表中，可以看出jobDescription(岗位职责)是由job(岗位)所决定，则jobDescription依赖于job,可以看出这不符合第三范式，对表进行第三范式后的关系图为：

上表中，已经不存在数据库属性互相依赖的问题，所以符合第三范式

 

对表进行BC范式(BCNF)

设关系模式R<U，F>∈1NF，如果对于R的每个函数依赖X→Y，若Y不属于X，则X必含有候选码，那么R∈BCNF。

简单的说，bc范式是在第三范式的基础上的一种特殊情况，既每个表中只有一个候选键（在一个数据库中每行的值都不相同，则可称为候选键），在上面第三范式的noNf表中可以看出，每一个员工的email都是唯一的（难道两个人用同一个email??）则，此表不符合bc范式，对其进行bc范式化后的关系图为:

（注意BC范式和2NF之间的区别：BCNF中只有一个候选键，2NF中表中的属性必须完全依赖于全部主键，而不是部分主键。数据库中键的认识）

对表进行第四范式(4NF)

关系模式R<U，F>∈1NF，如果对于R的每个非平凡多值依赖X→→Y（Y  X），X都含有候选码，则R∈4NF。

简单的说，第四范式是消除表中的多值依赖，也就是说可以减少维护数据一致性的工作。对于上面bc范式化的表中，对于员工的skill，两个可能的值是”C#,sql,javascript”和“C#，UML,Ruby”,可以看出，这个数据库属性存在多个值，这就可能造成数据库内容不一致的问题，比如第一个值写的是”C#”,而第二个值写的是”C#.net”,解决办法是将多值属性放入一个新表，则第四范式化后的关系图如下：

而对于skill表则可能的值为:

 

总结

     上面对于数据库范式进行分解的过程中不难看出，应用的范式登记越高，则表越多。表多会带来很多问题：（弊端）

1 查询时要连接多个表，增加了查询的复杂度

2 查询时需要连接多个表，降低了数据库查询性能

而现在的情况，磁盘空间成本基本可以忽略不计，所以数据冗余所造成的问题也并不是应用数据库范式的理由。

因此，并不是应用的范式越高越好，要看实际情况而定。第三范式已经很大程度上减少了数据冗余，并且减少了造成插入异常，更新异常，和删除异常了。我个人观点认为，大多数情况应用到第三范式已经足够，在一定情况下第二范式也是可以的。（实际情况）

 

由于本人对数据库研究还处于初级阶段，所以上述如有不当之处，还望高手不吝指教…