数据仓库-数仓是如何反三范式的？

在回答数据库和数据仓库的区别时，最常见的回答是数据仓库反三范式，数据库遵循三范式。 那么具体的区别是什么？下面进行简单的说明。

数据库三范式

1. 字段列含义不可分割。

数据库默认遵循第一范式，不遵循第一范式无法创建表，下面的"进货"和"销售"列可以再细分，所以不符合第一范式。

     2.表有主键，且非主键列依赖主键列。

下图中可以将"学号"和"课名"作为联合主键，但是非主键列如"系主任"并没有直接依赖联合主键，所以不符合第二范式。

         3.非主键列不互相依赖。

非主键列"系名"和"系主任"互相依赖，不符合第三范式。

   

通常情况下数据库表设计会遵循三范式，但是有时候也不一定。那么，三范式的设计初衷是什么或者到底有什么作用。概括性的说包括以下三个方面：

• 减少数据冗余
• 增加数据有效性检查
• 提高存储效率

比如上图反第二范式的图中，数据冗余存储(系名和系主任冗余)，在删除某个系学生数据时会导致系信息丢失，导致删除异常，插入一个新的系但是没有学生时会产生插入异常，修改时会有修改异常等，遵循第二范式，数据表动时，会检查这些数据的有效性，从而避免脏数据。另外，将表拆分存储，实际上提高了单表的存储效率。

数据仓库反三范式

以hive为例，关系型数据库表字段类型都是确定的某个值，比如VARCHAR，TIME，TEXT，INT等等。但是hive除了有与之对应的基础数据类型外，还有复合数据类型，比如ARRAY,MAP,STRUCT等等类型，这是反数据库第一范式的。在hive建表时是没有主键的（可以添加自增列https://blog.csdn.net/wzy0623/article/details/53893174/），二期允许数据冗余，这么做的目的是进行数据分析时，减少数据IO及网络消耗。表中数据可以有依赖，因此是反数据库第二第三范式的。

 

参考资料：数据库第一二三范式到底在说什么？ https://zhuanlan.zhihu.com/p/20028672

 https://www.cnblogs.com/xiaozengzeng/p/10720226.html

https://www.cnblogs.com/li1056822533/p/6364443.html