数据库结构优化

一、数据类型选择
1、使用可以存下你的数据的最小的数据类型。（时间类型数据：可以使用varchar类型，可以使用int类型，也可以使用时间戳类型）
2、使用简单的数据类型，int要比varchar类型在mysql处理上简单。（int类型存储时间是最好的选择）
3、尽可能的使用not null定义字段。（innodb的特性所决定，非not null的值，需要额外的在字段存储，同时也会增加IO和存储的开销）
4、尽量少用text类型，非用不可时最好考虑分表。

二、数据库表的范式化优化

1. 第一范式：每个列都是不可拆分的最小数据单元，数据原子性。
2. 第二范式：必须满足第一范式，必须有一个（及以上）主键，非主键列必须全部依赖于全部主键。
3. 第三范式：必须满足第二范式，非主键列必须直接依赖于主键，不能传递依赖。
   如下表：
   
   存在以下传递函数依赖关系：
   （商品名称）->（分类）->（分类描述）
   也就是说存在非关键字段 “分类描述”对关键字段“商品名称”的传递函数依赖。

不符合第三范式要求的表存在以下问题：
1、数据冗余：（分类，分类描述）对于每一个商品都会进行记录。
2、数据的插入异常
3、数据的更新异常
4、的删除异常（删除所有数据，分类和分类描述都会删除，没有所有的记录）

但是我们在设计表的时候一般都会采用反范式化。

反范式化是指为了查询效率的考虑把原本符合第三范式的表“适当”的增加冗余，以达到优化查询效率的目的，反范式化是一种以空间来换取时间的操作。
比如如下用户表和订单表：

在查询订单的时候，我们需要知道用户名、用户电话、用户地址，那么我们就需要两表联查，这样就增加了查询的复杂度，效率降低。
如果采用反范式化设计的话，如下：

这样我们直接查订单表就可以得到我们想要的所有信息。

三、数据库表的垂直拆分
所谓的垂直拆分，就是把原来一个有很多列的表拆分成多个表，这解决了表的宽度问题。
通常垂直拆分可以按以下原则进行：
1、把不常用的字段表单独存放到一个表中。
2、把大字段独立存放到一个表中。
3、把经常一起使用的字段放到一起。

四、数据库表的水平拆分

1. 为什么水平拆分？
   表的水平拆分是为了解决单表数据量过大的问题，水平拆分的表每一个表的结构都是完全一致的
2. 水平不拆分原因？
   如果单表的数据量达到上亿条，那么这时候我们尽管加了完美的索引，查询效率低，写入的效率也相应的降低。
3. 如何将数据平均分为N份？
   通常水平拆分的方法为：
   1、对customer_id进行hash运算，如果要拆分为5个表则使用mod（customer_id，5）取出0-4个值。
   2、针对不动的hashid把数据存储到不同的表中。
4. 水平拆分面临的挑战
   1、夸分区表进行数据查询
   前端业务统计：业务上给不同的用户返回不同的业务信息，对分区表没有大的挑战。
   2、统计及后台报表操作
   但是对后台进行报表统计时，数据量比较大，后台统计时效性比较低，后台就用汇总表，将前后台的表拆分开。

MyCat中间件
MyCAT是一款由阿里Cobar演变而来的用于支持数据库读写分离、分片的分布式中间件。MyCAT可不但支持Oracle、MSSQL、MYSQL、PG、DB2关系型数据库，同时也支持MongoDB等非关系型数据库。基础架构如下：

myCat实现水平拆分：
同一张表的不同记录，根据表的某个字段的某种规则拆分到多个数据库（主机）上，这既是水平拆分。
单库业务表可能会过于庞大，存在单库读写与存储瓶颈，这种情况可以通过水平拆分解决，水平拆分基本架构如下：

常用水平拆分规则：

• ID
• 日期
• 特定字段取模

优点：

• 拆分规则抽象好，join操作基本可以数据库内完成
• 不存在单库大数据，高并发的性能瓶颈
• 应用端改造少
• 提高了系统稳定性和负载能力

缺点：

• 拆分规则难以抽象
• 分片事务一致性难以解决
• 数据多次扩展难度跟维护量极大
• 跨库join性能较差