数据库设计

需求分析，概念设计，逻辑设计，物理设计，数据库实施，数据库运行和维护
数据库设计过程（六阶段）
1 需求分析
分析用户的需求，包括数据，功能和性能需求，这个是整个设计过程的基础，也是最困难，最耗时间的一环。
2概念结构设计
主要采用E-R 模型进行设计，包括画功能模块图，ER图，数据字典等，通过对需求组分析的进行整理归纳和抽象，形成独立 DBMS的概念模型，是数据库设计的关键一步；
3逻辑结构设计;
通过将E-R图转换成表，实现从E-R模型到关系模型的转换，就是将概念模型转化为具体DBMS所支持的数据模型；（SMD工具）
4数据库物理设计
主要是为所设计的数据库选择合适的存储结构，存储路径
5数据库的实施
根据逻辑设计和物理设计结果，创建数据库，系统编程，测试和运行
6数据库运行与维护
系统的运行与数据库的日常维护，对不合理的设计要进行调整和修改
数据库设计规范
三大范式
1 每一列属性都不可再分的属性值，确保每一列的原子性
2 两列的属性相近或者相似或者一样，尽量合并属性一样的列，确保不产生冗余数据
第二范式
1 每一行的数据只能与其中一列相关，即一行数据只能做一件事，只要数据列中出现数据重复，就要把表拆分开
第三范式
1 数据不能存在传递关系，即每个属性都跟主键有直接关系而不是间接关系。像：a->b->c属性之间含有这样的关系，是不符合第三范式的
四 分区分库分表
分区：就是把一张表的数据分成N个区块，负载均衡，在逻辑上看最终只是一张表，但底层是有N个物理去快组成
分库：将数据按照一定规则分别存储在不同的数据中，垂直分库和水平分库
分表：就是把一张表按照一定的规律分解成N个具有独立存储空间的都实体表，系统读写是需要根据定义好的规则得到对应的表，垂直分表和水平分表
什么时候考虑使用分区分库
一张表的查询速度已经慢到影响使用
sql经过优化
数据量大
表中的数据是分段的
对数据的操作往往只涉及一部分数据，而不是所有的数据
分区能解决的问题：
主要可以提升查询效率
什么时候考虑使用分表？
一张表的查询速度已经慢到影响使用
sql经过优化
数据量大
当频繁插入或者联合查询是，速度变慢
分表能解决的问题
单表的并发能力提高了，写操作效率提高了，查询一次的时间锻炼，数据分布在不同的文件，磁盘I/O性能提高，读写锁影响的数据量变小，插入数据库需要重新建立索引的数据减少
垂直分库

概念：以表为依据，按照业务果树不同，将不同的表拆分道不同的库中
结果：
每个库的结构都不一样
每个库的数据也不一样，没有交集
所有库的并集是全量数据
水平分库

概念：一字段为依据，按照一定的策略，将一个库中的数据拆分到多个库中
结果：
每个库的结构都一样
每个库的数据都不一样，没有交集
所有库的并集是全量数据
垂直分表：

场景：系统绝对的并发量并没有上来，表的记录并不多，但是字段多，并且热点数据和非热点数据在一起，单行数据所需的存储及空间交大，以至于数据库缓存的数据行减少，查询是会去读取磁盘数据产生大量的随机读IO，产生IO瓶颈
分析：可以用用户表和用户扩展表来帮助理解，垂直分表的拆分原理是讲热点数据放在一起作为主表，非热点数据方咋子一起做为扩展表（设计逻辑外键），这样更多的热点数据就能被缓存下来，进而减少了随机读取IO，拆了之后，要想会的全部数据就需要关联两个包来读取数据，但是全完别用join，因为join不仅会增加CPU负担并且会将两个表耦合在一起（必须在一个数据库实力上），观澜数据，应该在业务service曾做处理，分别获取主表和阔宅表的数据然后用关联子端关联得到全部数据。
水平分表

概念：以字段为依据，按照一定策略，将一个表中的数据拆分到多个表中
结果：每个表数据结构都一样，
每个表的数据都不一样，没有交集
所有表的并集是全量数据
场景：系统绝对并发量并没有上来，只是单表的数据量太多，影响sql效率，加重了CPU负担，以至于成为瓶颈
分析：表的数据量少了，单词sql执行效率高，自然减轻了CPU 的负担。
分区和分表的区别与联系
分区和分表的目的都是减少数据库的负担，提高表的增删改查效率
分区只是一张表中的数据的都存储位置发生改变，分表是讲一张表分成多张表
党风文亮打，且表数据比较大是，两种方式可以互相配合使用
当访问量不大，但表的数据比较多时，可以只进行分区
常见分区分表的规则策略
Range（范围）
Hash（哈希）
按照时间拆分
Hash之后按照分表个数取模