第23篇 聊聊数据冗余

为了帮助您理解数据冗余以及如何处理冗余，我将提供一个简化的例子来说明数据冗余的概念，并展示如何通过规范化设计来减少冗余。MySQL为例。

### **案例描述**
假设我们正在设计一个简单的图书馆管理系统，最初未规范化的数据库设计可能包含两个表格：

1. `Books` 表格 - 存储书籍的基本信息
2. `Categories` 表格 - 存储各类别信息
3. 由于设计初期考虑不周，我们在每个类别下都有一堆书籍时，选择了在`Books`表中直接存储类别名称（冗余数据）。

**E-R 图示例**：
```plaintext
Books (BookID, Title, Author, CategoryName)
Categories (CategoryID, CategoryName)

关系线:
Books.CategoryName --> Categories.CategoryName
```

**未规范化的表结构**：

```sql

CREATE TABLE Books (
    BookID INT PRIMARY KEY,
    Title VARCHAR(100),
    Author VARCHAR(50),
    CategoryName VARCHAR(50)
);

CREATE TABLE Categories (
    CategoryID INT PRIMARY KEY,
    CategoryName VARCHAR(50)
);

```

**插入数据**：

```sql
-- 插入Categories表

INSERT INTO Categories (CategoryID, CategoryName) VALUES
(1, 'Programming'),
(2, 'Literature');

-- 插入Books表，注意到CategoryName冗余

INSERT INTO Books (BookID, Title, Author, CategoryName) VALUES
(1, 'Learning MySQL', 'SOME_AUTHOR', 'Programming'),
(2, 'Great Expectations', 'Charles Dickens', 'Literature'),
(3, 'The Art of Computer Programming', 'Donald Knuth', 'Programming');

```

**展示表信息**：

```sql

SELECT * FROM Books;

+---------+----------------------+------------------+--------------+
| BookID | Title                | Author           | CategoryName |
+---------+----------------------+------------------+--------------+
| 1       | Learning MySQL       | SOME_AUTHOR      | Programming  |
| 2       | Great Expectations   | Charles Dickens  | Literature   |
| 3       | The Art of Computer...| Donald Knuth     | Programming  |
+---------+----------------------+------------------+--------------+

SELECT * FROM Categories;

+-------------+---------------+
| CategoryID | CategoryName  |
+-------------+---------------+
| 1           | Programming   |
| 2           | Literature    |
+-------------+---------------+
```

然而，在此设计中，`Books`表中的`CategoryName`是一个冗余字段，因为同样的信息已经在`Categories`表中存储过。这会导致更新异常问题，例如当类别名改变时，需要在多个地方更新相同的信息。

**规范化解决方案**：

可以通过引入关联表来减少冗余：

```sql

CREATE TABLE Books (
    BookID INT PRIMARY KEY,
    Title VARCHAR(100),
    Author VARCHAR(50),
    CategoryID INT,
    FOREIGN KEY (CategoryID) REFERENCES Categories(CategoryID)
);

CREATE TABLE Categories (
    CategoryID INT PRIMARY KEY,
    CategoryName VARCHAR(50)
);

```

然后，删除`Books`表中的`CategoryName`字段，并重新组织数据：

```sql
-- 更新Books表

UPDATE Books SET CategoryID = 1 WHERE CategoryName = 'Programming';
UPDATE Books SET CategoryID = 2 WHERE CategoryName = 'Literature';

-- 删除冗余字段

ALTER TABLE Books DROP COLUMN CategoryName;

-- 再次插入或更新Books表

INSERT INTO Books (BookID, Title, Author, CategoryID) VALUES
(1, 'Learning MySQL', 'SOME_AUTHOR', 1),
(2, 'Great Expectations', 'Charles Dickens', 2),
(3, 'The Art of Computer Programming', 'Donald Knuth', 1);

```

现在表结构不再包含冗余数据，而是通过外键关联来确保数据的一致性。

 

接下来，我们可以查看规范化后的表信息并进行查询以验证数据的正确性。

**展示规范化后表的信息**：

```sql

SELECT * FROM Books;

+---------+----------------------+-----------------+------------+
| BookID | Title                | Author          | CategoryID |
+---------+----------------------+-----------------+------------+
| 1       | Learning MySQL       | SOME_AUTHOR     | 1          |
| 2       | Great Expectations   | Charles Dickens | 2          |
| 3       | The Art of Computer...| Donald Knuth    | 1          |
+---------+----------------------+-----------------+------------+

SELECT * FROM Categories;

+-------------+---------------+
| CategoryID | CategoryName  |
+-------------+---------------+
| 1           | Programming   |
| 2           | Literature    |
+-------------+---------------+
```

现在，如果要获取一本书所属的类别名称，可以使用JOIN操作来合并两个表的数据：

```sql

SELECT b.BookID, b.Title, c.CategoryName
FROM Books b
JOIN Categories c ON b.CategoryID = c.CategoryID;

```

结果如下：

```plaintext
+---------+----------------------+--------------+
| BookID | Title                | CategoryName |
+---------+----------------------+--------------+
| 1       | Learning MySQL       | Programming  |
| 2       | Great Expectations   | Literature   |
| 3       | The Art of Computer...| Programming  |
+---------+----------------------+--------------+
```

这样，我们就通过消除冗余和引入关联表的方式改进了数据库设计，使得数据更易于维护和管理，同时也避免了数据一致性的问题。

除此之外，规范化设计还有以下优势：

1. **节省存储空间**：在大量数据的情况下，重复存储同一类别的名称会浪费大量的存储空间。通过引入关联表，只需在`Categories`表中存储一次类别名称。

2. **提高数据完整性**：若在未规范化的设计中，手动修改某个类别的名称可能导致部分书籍记录未能同步更新。而在规范化设计中，只需更改`Categories`表中的数据，所有关联的书籍记录都会自动反映新的类别名称。

3. **增强数据一致性**：通过外键约束，可以确保在`Books`表中引用的`CategoryID`必须存在于`Categories`表中，从而防止无效数据的插入。

4. **优化查询性能**：虽然对于某些特定查询，如只查询某类别的所有书籍，未规范化的设计可能会更快，但在大多数情况下，尤其是涉及大量数据和复杂查询时，规范化设计能更好地支持索引和更高效的查询计划。

总结来说，通过上述图书馆管理系统的案例，我们展示了数据冗余问题及其对数据库设计的影响，并通过规范化方法消除了冗余，提高了数据完整性和查询效率。在实际应用中，根据具体需求和场景，可能需要权衡规范化程度与查询性能、存储成本等因素，以达到最佳的设计效果。