数据库设计原则

设计数据库是实现实际业务的重要一步，合理设计表结构，规划表字段，建立合理关系为后期减少了开发，运营，维护成本。认真了解和学习设计知识是必要的，如下摘抄了部分经验总结。

一，数据库设计原则

1. 原始单据与实体之间的关系 
　　可以是一对一、一对多、多对多的关系。在一般情况下，它们是一对一的关系：即一张原始单据对应且只对应一个实体。 
在特殊情况下，它们可能是一对多或多对一的关系，即一张原始单证对应多个实体，或多张原始单证对应一个实体。 
这里的实体可以理解为基本表。明确这种对应关系后，对我们设计录入界面大有好处。 

　　〖例1〗：一份员工履历资料，在人力资源信息系统中，就对应三个基本表：员工基本情况表、社会关系表、工作简历表。 
　　　　　　  这就是“一张原始单证对应多个实体”的典型例子。 

2. 主键与外键 
　　一般而言，一个实体不能既无主键又无外键。在E—R 图中, 处于叶子部位的实体, 可以定义主键，也可以不定义主键 
　　(因为它无子孙), 但必须要有外键(因为它有父亲)。 

　　主键与外键的设计，在全局数据库的设计中，占有重要地位。当全局数据库的设计完成以后，有个美国数据库设计专 
　　家说：“键，到处都是键，除了键之外，什么也没有”，这就是他的数据库设计经验之谈，也反映了他对信息系统核 
　　心(数据模型)的高度抽象思想。因为：主键是实体的高度抽象，主键与外键的配对，表示实体之间的连接。 

3. 基本表的性质 
　　基本表与中间表、临时表不同，因为它具有如下四个特性： 
　　 (1) 原子性。基本表中的字段是不可再分解的。 
　　 (2) 原始性。基本表中的记录是原始数据（基础数据）的记录。 
　　 (3) 演绎性。由基本表与代码表中的数据，可以派生出所有的输出数据。 
　　 (4) 稳定性。基本表的结构是相对稳定的，表中的记录是要长期保存的。 
　　理解基本表的性质后，在设计数据库时，就能将基本表与中间表、临时表区分开来。 

4. 范式标准 
　　基本表及其字段之间的关系, 应尽量满足第三范式。但是，满足第三范式的数据库设计，往往不是最好的设计。 
　　为了提高数据库的运行效率，常常需要降低范式标准：适当增加冗余，达到以空间换时间的目的。 

　　〖例2〗：有一张存放商品的基本表，如表1所示。“金额”这个字段的存在，表明该表的设计不满足第三范式， 
　　因为“金额”可以由“单价”乘以“数量”得到，说明“金额”是冗余字段。但是，增加“金额”这个冗余字段， 
　　可以提高查询统计的速度，这就是以空间换时间的作法。 
　　在Rose 2002中，规定列有两种类型：数据列和计算列。“金额”这样的列被称为“计算列”，而“单价”和 
　　“数量”这样的列被称为“数据列”。 

　　表1 商品表的表结构 
　　商品名称 商品型号 单价 数量 金额 
　　电视机 29吋 2,500 40 100,000 
　　 
5. 通俗地理解三个范式 
　　通俗地理解三个范式，对于数据库设计大有好处。在数据库设计中，为了更好地应用三个范式，就必须通俗地理解 
　　三个范式(通俗地理解是够用的理解，并不是最科学最准确的理解)： 
　　第一范式：1NF是对属性的原子性约束，要求属性具有原子性，不可再分解； 
　　第二范式：2NF是对记录的惟一性约束，要求记录有惟一标识，即实体的惟一性； 
　　第三范式：3NF是对字段冗余性的约束，即任何字段不能由其他字段派生出来，它要求字段没有冗余。 

　　没有冗余的数据库设计可以做到。但是，没有冗余的数据库未必是最好的数据库，有时为了提高运行效率，就必须降 
　　低范式标准，适当保留冗余数据。具体做法是：在概念数据模型设计时遵守第三范式，降低范式标准的工作放到物理 
　　数据模型设计时考虑。降低范式就是增加字段，允许冗余。 

6. 要善于识别与正确处理多对多的关系 
　　若两个实体之间存在多对多的关系，则应消除这种关系。消除的办法是，在两者之间增加第三个实体。这样，原来一 
　　个多对多的关系，现在变为两个一对多的关系。要将原来两个实体的属性合理地分配到三个实体中去。这里的第三个 
　　实体，实质上是一个较复杂的关系，它对应一张基本表。一般来讲，数据库设计工具不能识别多对多的关系，但能处 
　　理多对多的关系。 

　　〖例3〗：在“图书馆信息系统”中，“图书”是一个实体，“读者”也是一个实体。这两个实体之间的关系，是一 
　　个典型的多对多关系：一本图书在不同时间可以被多个读者借阅，一个读者又可以借多本图书。为此，要在二者之 
　　间增加第三个实体，该实体取名为“借还书”，它的属性为：借还时间、借还标志(0表示借书，1表示还书)，另外， 
　　它还应该有两个外键(“图书”的主键，“读者”的主键)，使它能与“图书”和“读者”连接。 

个人理解：一对多主外键，多对多中间表

7. 主键PK的取值方法 
　　 PK是供程序员使用的表间连接工具，可以是一无物理意义的数字串, 由程序自动加1来实现。也可以是有物理意义 
　　的字段名或字段名的组合。不过前者比后者好。当PK是字段名的组合时，建议字段的个数不要太多，多了不但索引 
　　占用空间大，而且速度也慢。 

8. 正确认识数据冗余 
　　主键与外键在多表中的重复出现, 不属于数据冗余，这个概念必须清楚，事实上有许多人还不清楚。非键字段的重 
　　复出现, 才是数据冗余！而且是一种低级冗余，即重复性的冗余。高级冗余不是字段的重复出现，而是字段的派生出现。 

　　〖例4〗：商品中的“单价、数量、金额”三个字段，“金额”就是由“单价”乘以“数量”派生出来的，它就是冗余， 
　　而且是一种高级冗余。冗余的目的是为了提高处理速度。只有低级冗余才会增加数据的不一致性，因为同一数据，可 
　　能从不同时间、地点、角色上多次录入。因此，我们提倡高级冗余(派生性冗余)，反对低级冗余(重复性冗余)。 

9. E--R图没有标准答案 
　　信息系统的E--R图没有标准答案，因为它的设计与画法不是惟一的，只要它覆盖了系统需求的业务范围和功能内容， 
　　就是可行的。反之要修改E--R图。尽管它没有惟一的标准答案，并不意味着可以随意设计。好的E—R图的标准是： 
　　结构清晰、关联简洁、实体个数适中、属性分配合理、没有低级冗余。 

10 . 视图技术在数据库设计中很有用 
　　与基本表、代码表、中间表不同，视图是一种虚表，它依赖数据源的实表而存在。视图是供程序员使用数据库的 
　　一个窗口，是基表数据综合的一种形式, 是数据处理的一种方法，是用户数据保密的一种手段。为了进行复杂处理、 
　　提高运算速度和节省存储空间, 视图的定义深度一般不得超过三层。 若三层视图仍不够用, 则应在视图上定义临时表, 
　　 在临时表上再定义视图。这样反复交迭定义, 视图的深度就不受限制了。 

　　对于某些与国家政治、经济、技术、军事和安全利益有关的信息系统，视图的作用更加重要。这些系统的基本表完 
　　成物理设计之后，立即在基本表上建立第一层视图，这层视图的个数和结构，与基本表的个数和结构是完全相同。 
　　并且规定，所有的程序员，一律只准在视图上操作。只有数据库管理员，带着多个人员共同掌握的“安全钥匙”， 
　　才能直接在基本表上操作。请读者想想：这是为什么？ 

11. 中间表、报表和临时表 
　　中间表是存放统计数据的表，它是为数据仓库、输出报表或查询结果而设计的，有时它没有主键与外键(数据仓 
　　库除外)。临时表是程序员个人设计的，存放临时记录，为个人所用。基表和中间表由DBA维护，临时表由程序员 
　　自己用程序自动维护。 

12. 完整性约束表现在三个方面 
　　域的完整性：用Check来实现约束，在数据库设计工具中，对字段的取值范围进行定义时，有一个Check按钮，通 
　　过它定义字段的值城。 
　　参照完整性：用PK、FK、表级触发器来实现。 
　　用户定义完整性：它是一些业务规则，用存储过程和触发器来实现。 

13. 防止数据库设计打补丁的方法是“三少原则” 
　　 (1) 一个数据库中表的个数越少越好。只有表的个数少了，才能说明系统的E--R图少而精，去掉了重复的多余的 
　　　　实体，形成了对客观世界的高度抽象，进行了系统的数据集成，防止了打补丁式的设计； 

　　 (2) 一个表中组合主键的字段个数越少越好。因为主键的作用，一是建主键索引，二是做为子表的外键，所以组 
　　　　合主键的字段个数少了，不仅节省了运行时间，而且节省了索引存储空间； 

　　 (3) 一个表中的字段个数越少越好。只有字段的个数少了，才能说明在系统中不存在数据重复，且很少有数据冗 
　　　　余，更重要的是督促读者学会“列变行”，这样就防止了将子表中的字段拉入到主表中去，在主表中留下许 
　　　　多空余的字段。所谓“列变行”，就是将主表中的一部分内容拉出去，另外单独建一个子表。这个方法很简 
　　　　单，有的人就是不习惯、不采纳、不执行。 

　　数据库设计的实用原则是：在数据冗余和处理速度之间找到合适的平衡点。“三少”是一个整体概念，综合观点， 
　　不能孤立某一个原则。该原则是相对的，不是绝对的。“三多”原则肯定是错误的。试想：若覆盖系统同样的功 
　　能，一百个实体(共一千个属性) 的E--R图，肯定比二百个实体(共二千个属性) 的E--R图，要好得多。 

　　提倡“三少”原则，是叫读者学会利用数据库设计技术进行系统的数据集成。数据集成的步骤是将文件系统集成 
　　为应用数据库，将应用数据库集成为主题数据库，将主题数据库集成为全局综合数据库。集成的程度越高，数据 
　　共享性就越强，信息孤岛现象就越少，整个企业信息系统的全局E—R图中实体的个数、主键的个数、属性的个数 
　　就会越少。 

　　提倡“三少”原则的目的，是防止读者利用打补丁技术，不断地对数据库进行增删改，使企业数据库变成了随意 
　　设计数据库表的“垃圾堆”，或数据库表的“大杂院”，最后造成数据库中的基本表、代码表、中间表、临时表 
　　杂乱无章，不计其数，导致企事业单位的信息系统无法维护而瘫痪。 

　　 “三多”原则任何人都可以做到，该原则是“打补丁方法”设计数据库的歪理学说。“三少”原则是少而精的 
　　原则，它要求有较高的数据库设计技巧与艺术，不是任何人都能做到的，因为该原则是杜绝用“打补丁方法” 
　　设计数据库的理论依据。 

14. 提高数据库运行效率的办法 
　　在给定的系统硬件和系统软件条件下，提高数据库系统的运行效率的办法是： 
　　 (1) 在数据库物理设计时，降低范式，增加冗余, 少用触发器, 多用存储过程。 
　　 (2) 当计算非常复杂、而且记录条数非常巨大时(例如一千万条)，复杂计算要先在数据库外面，以文件系统方 
　　　　式用C++语言计算处理完成之后，最后才入库追加到表中去。这是电信计费系统设计的经验。 
　　 (3) 发现某个表的记录太多，例如超过一千万条，则要对该表进行水平分割。水平分割的做法是，以该表主键 
　　　　PK的某个值为界线，将该表的记录水平分割为两个表。若发现某个表的字段太多，例如超过八十个，则 
　　　　垂直分割该表，将原来的一个表分解为两个表。 
　　 (4) 对数据库管理系统DBMS进行系统优化，即优化各种系统参数，如缓冲区个数。 
　　 (5) 在使用面向数据的SQL语言进行程序设计时，尽量采取优化算法。 
　　　　总之，要提高数据库的运行效率，必须从数据库系统级优化、数据库设计级优化、程序实现级优化，这三 
　　　　个层次上同时下功夫。 
因此，考虑了以上条件之后，表设计约定规则如下：

//规则1:表必须要有主键。
//规则2:一个字段只表示一个含义。
//规则3:总是包含两个日期字段:gmt_create(创建日期),gmt_modified(修改日期)，且这两个字段不应该包含有额外的业务逻辑。
//规则4:MySQL中，gmt_create、gmt_modified使用DATETIME类型。
//规则5:禁止使用复杂数据类型（数组，自定义类型等）。
//规则6: MySQL中，附属表拆分后，附属表id与主表id保持一致。不允许在附属表新增主键字段。
//规则7: MySQL中，存在过期概念的表，在其设计之初就必须有过期机制，且有明确的过期时间。过期数据必须迁移至历史表中。
//规则8: MySQL中，不再使用的表，必须通知DBA予以更名归档。
//规则9: MySQL中，线上表中若有不再使用的字段，为保证数据完整，禁止删除。
//规则10: MySQL中，禁止使用OCI驱动，全部使用THI驱动。

二、事务跟存储引擎

　　1.四种事务隔离级别：read uncommited, read commited(大多数db默认的)，repeatable read(mysql默认)， seriazable。

　　2.mysql是默认的auto commited, 也就是说每次查询默认都是自动提交的（show variables like 'autocommited'）。mysql可以通过set transaction isolatioin level命令来设置隔离级别，例如：set session transaction isolation level read commited。

　　3.mysql中像innodb采用mvcc（多版本并发控制）来处理并发。mvcc只工作在read commited,repeatable read这两种事务隔离级别上。read uncommited隔离级别不兼容mvcc是因为在该级别得下的查询，不读取符合当前事务版本的数据行，而是最新版本的数据行。seriazable隔离级别不兼容MVCC，因为该级别下的读操作会对每个返回行进行加锁。

　　4.选择存储引擎，并发选用myisam,事务选择innodb，myisam比innodb更容易出错，出错了恢复的时间也比较长。只有myisam支持全文检索。

　　5.把表从一种存储引擎转到另一种引擎：

//  1.    alter table mytable engine=falcon;  操作费时，可能会占用服务器的所有i/o处理能力。
//  2.    create table innodb_table like myisam_table;
//        alter table innodb_table engine=innodb;
//        insert into innodb_table select * from myisam_table;

三、数据类型

　　1.尽可能的要把field定义为Not NULL， mysql比较难优化使用了可空列的查询，它会使索引，索引统计更加复杂。可空列需要更多的存储空间，还需要mysql内部进行特殊处理，当可空列被索引时，每条记录都需要一个格外的字节。 即使要在表中存储"没有值"的字段，考虑使用0，特殊字段或者空字符串来代替。

　　2.datetime与timestamp能保存同样的数据：精确度为秒，但是timestamp使用的空间只有datetime的一半，还能保存时区，拥有特殊的自动更新能力。但是timestamp保存的时间范围要比datetime要小得多。mysql能存储的最细的时间粒度为秒

　　3.mysql支持很多种别名，如bool,integer,nummeric.

　　4.float与double类型支持使用标准的浮点运算进行近似计算。 Decimal类型保存精确的小数，在>=mysql5.0，mysql服务器自身进行了decimal的运算，因为CPU不支持直接对它进行运算，所以慢一点。

　　5.mysql会把text与blob类型的列当成有实体的对象来进行保存。他们有各自的数据类型家族(tinytext,smalltext,text,mediumtext,longtext; blob类似)； mysql对blob与text列排序方式和其他类型有所不同，它不会按照字符串的完整长度来排序。而只是按照max_sort_length规定的若干个字节来进行排序。

　　6.采用enum来代替字符串类型。mysql在内部把每个枚举值都保存为整数。enum在内部是按照数字进行排序的，而不是按照字符串。enum最不好的就是字符串列表是固定的，添加和删除必须使用alter table。

　　7.ip地址，一般会采用varchar(15)列来保存。事实上，IP地址是个无符号的32位整数，而不是字符串。mysql提供了inet_aton()和inet_nota()函数在证书与ip地址之间进行转换。

四、索引

　　1.聚集索引不仅仅是一种单独的索引类型，而且是一种存储数据的方式。Innodb引擎的聚集索引实际上在同样的结构中保存了B-Tree索引和数据行。当表有聚集索引时，它的数据行实际上保存在索引的叶子上。注意是存储引擎来实现索引。

　　2.myisam与innodb数据布局：myisam索引树（无论是主键索引还是非主键索引）叶子节点都是指向的数据行，而innodb中聚集索引，主键索引树叶子节点就带得有数据的内容，而非主键索引树中叶子节点指向主键值，而不是数据的位置。

　　3.mysql有两种产生排序结果的方式：使用文件排序，或者扫描有序的索引。目前只有myisam支持全文索引。

　　4.myisam表有表级锁；myisam表不支持事务，实际上，myisam并不保证单条命令完成；myisam只缓存了mysql进程内部的索引，并保存在键缓存区内。OS缓存了表的数据；行被紧密的保存在一起，磁盘上的数据有很小的磁盘占用和快速的全表扫描。

　　5.innodb支持事务和四种事务隔离级别；在mysql5.0中，只有innodb支持外鍵；支持行级锁与mvcc；所有的innodb表都是按照主键聚集的；所有索引（出开主键）都是按主键引用行；索引没有使用前缀压缩，因此索引可能比myisam大很多；数据转载缓慢；阻塞auto_increment，也就是用表级锁来产生每个auto_increment。

五、MYSQL性能分析

　　1.mysql提供了一个benchmark(int 循环次数，char* 表达式)； 可以分析表达式执行所花时间。 例如：

        // select BENCHMARK(10000,SHA1('aaaaaaaaaaaaaaaa'))
　　2.mysql有两种查询日志：普通日志和慢速日志。

六、MYSQL高级特性

　　1.在mysql中，只有myisam存储引擎支持全文索引。myisam全文索引是一种特殊的具有两层结构的B树。

　　2.存储引擎事务在存储引擎内部被赋予acid属性，分布式（XA）是一种高层次事务，它可以历哟内部个两段提交的方式将acid属性扩展到存储引擎外部，甚至数据库外部。阶段1：通知所有提交者准备提交 阶段2：通知所有参与者进行真正提交。

　　3.mysql 的字符集和校对规则有 4 个级别的默认设置:服务器级、数据库级、表级和字段级。