学习笔记-范式与反范式化

什么是范式

构造数据所需要遵循的规则，从第一范式到第五范式，依次加强规则，到第五范式被称为完美范式

范式规则

第一范式

第一范式规定的是字段的不可分割
比如 在 产品表里 有个product字段，往里面塞了 name+price ，就不符合第一范式，第一范式要求 应该把name 和price分成两个字段

第二范式

第二范式要求的是主键的不可分割
比如 一条订单的唯一主键是只有订单号，如果选择订单号和产品ID作为主键就不符合要求了

第三范式

在第二范式的基础上，第三范式要求字段定义的唯一性
即产品表里存在了 产品名，由于产品名依赖的 是产品表
那么其余里就不能出现产品名

范式化的思考

范式化的数据库，存在着某种美感，但数据库却不应该无脑范式化
比如，虽然在采用第三范式后，由于主键单一，数据的更新速度会很快

与之相反的，如果严格蹲守范式化，当要查询复合信息，要关联的表就会成倍的增长，这对于目前的大数据时代，在性能方面无疑是一场灾难。

由此可见 完全范式化虽然带来了更新上的优势（主键唯一，字段完全依赖单一主键）但是在查询上看，多张表的关联反而成为制约着高性能的瓶颈

反范式化

反范式化其实就是不去刻意的遵守范式化，允许在表中存在一些冗余的字段，减少表与表之间的耦合程度，起到以空间换取时间的作用。

反范式化与范式化并不是相互对立的存在，而是相辅相成的，在设计数据库时，既不要完全遵守范式化，也不要可以去回避。

热点分散

场景：当某个计数字段被大量修改时，由于一次只能更新一条，频繁的更新会造成性能的下降

解决方式，将计数字段分成多条数据，每次随机抽取一条作为更新对象，要获取实际的统计信息时，把多条数据 sum起来，通过分散更新，提升性能

热点分散其实是个应用很广泛的思想，比如最常见的削峰填谷，就是把热点分散在不同时间上，缓解服务器的压力
又比如，多线程中的currentHashMap，其实也是用了分段思想，将热点分散在不同的数据段当中，以及addrlong这个原子类的自增，也同样时用了这样的思想

在我们平时设计项目时如果遇到类似的问性能问题，也可以多考虑考虑热点分散