24. 数据库设计规范
一、范式
1.1、范式概述
??在关系型数据库中，关于数据表设计的基本原则、规则就称为范式。可以理解为，一张数据表的设计结
构需要满足的某种设计标准的级别 。要想设计一个结构合理的关系型数据库，必须满足一定的范式。范式的英文名称是Nornal Form，简称NF。范式是关系型数据库理论的基础，也是我们在设计数据库结构中所要循序的规则和指导方法。
??目前关系型数据库有六种常见范式，按照范式级别，从低到高分别是：第一范式（1NF）、第二范式2NF）、第三范式（3NF）、巴斯-科德范式（BCNF）、第四范式(4NF）和第五范式（5NF，又称完美范式）。数据库的范式越高阶，冗余度就越低，同时高阶的范式一定符合低阶范式的要求，满足最低要求的范式是第一范式（1NF）。在第一范式的基础上进一步满足更多规范要求的称为第二范式（2NF），其余范式以此类推。一般来说，在关系型数据库设计中，最高也就遵循到BCNF，普遍还是3NF。但也不绝对，有时候为了提高某些查询性能。我们还需要破环范式规则，也就是反范式化。
??范式的优点：数据的标准化有助于消除数据库中的数据冗余，第三范式（3NF）通常被认为在性能、扩展性和数据完整性方面达到了最好的平衡。
??范式的缺点：范式的使用，可能会降低查询的效率。因为范式的等级越高，设计出来的数据表就越多、越精细，数据的冗余度就越低，进行数据查询的时候就可能需要关联多张表，这不但代价昂贵，也可能是一些索引策略无效。
??范式只是提出了设计的标准，实际上设计数据表时，未必一定要符合这些标准。开发中，我们会出现为了性能和读取效率违反范式化的原则，通过增加少量的冗余或重复的数据来提高数据库的读性能，减少关联查询，join表的次数，实现空间换取时间的目的。因此在实际的设计过程中要理论结合实际，灵活运用。
??范式的定义会使用到主键和候选键，数据库中的键（key）由一个或者多个属性组成。数据表中常用的几种键和属性的定义：
- 超键：能唯一标识元组的属性集叫做超键
- 候选键：如果超键不包括多余的属性，那么这个超键就是候选键
- 主键：用户可以从候选键中选择一个作为主键
- 外键：如果数据表R1中某个属性集不是R1的主键，而是另一个数据表R2的主键，那么这个属性集就是数据表R1的外键。
- 主属性：包含在任一候选键中的属性称为主属性
- 非主属性：与主属性相对，指的是不包含在任何一个候选键中的属性
??通常，我们将候选键称之为码，把主键也称为主码。因为键可能是由多个属性组成的，针对单个属性，我们还可以用主属性和非主属性来进行区分。
1.2、第一范式
??第一范式主要是确保数据表中每个字段的值必须具有原子性，也就是说数据表中每个字段的值为不可再次拆分的最小数据单元。我们在设计某个字段的时候，对于字段X来说，不能把字段X拆分成字段X-1和字段X-2。事实上，任何的DBMS都会满足第一范式的要求，不会将字段进行拆分。
1.3、第二范式
??第二范式要求，在满足第一范式的基础上，还要满足数据表里的每一条数据记录，都是可唯一标识的。而且所有非主键字段，都必须完全依赖主键，不能只依赖主键的一部分。如果知道主键的所有属性的值，就可以检索到任何元组（行）的任何属性的任何值。（要求中的主键，其实可以拓展替换为候选键）。对于非主属性来说，并非完全依赖候选键。会产生数据冗余、插入异常、删除异常、更新异常等问题。
1NF告诉我们字段属性需要是原子性的，而2NF告诉我们一张表就是一个独立的对象，一张表只表达一个意思。
第二范式（2NF）要求实体的属性完全依赖于关键字。如果存在不完全依赖，那么这个属性和关键字的这一部分应该分离出来形成一个新的实体，新实体与元实体之间是一对多的关系。
1.4、第三范式
??第三范式是在第二范式的基础上，确保数据表中的每一个非主键字段和主键字段直接相关，也就是说，要求数据表中的所有非主键字段不能依赖于其它非主键字段。即，不能存在非主属性A依赖于非主属性B，非主属性B依赖于主键C的情况，即存在“A?B?C”的决定关系。通俗的来讲，该规则的意思是所有非主键属性之间不能有依赖关系，必须相互独立。这里的主键可以拓展为候选键。
符合3NF后的数据模型通俗地讲，2NF和3NF通常以这句话概括：“每个非键属性依赖于键，依赖于整个键，并且除了键别无他物”。
1.5、反范式化
1.5.1、反范式化概述
??有的时候不能简单按照规范要求设计数据库，因为有的数据看是冗余，其实对业务来说十分重要。这个时候，我们就要遵循业务优先的原则，首先满足业务需求，再尽量减少冗余。如果数据库的数据量比较大，系统的UV和PV访问频次比较高，则完全按照MySQL的三大范式设计数据表，读数据时会产生大量的关联查询，在一定程度上会影响数据库的读性能。如果我们对查询效率进行优化，反范式化也是一种优化思路。此时，可以通过在数据表中增加冗余字段来提高数据库的读性能。
1.5.2、反范式的问题
- 存储空间变大了
- 一个表中字段做了修改，另一个表中冗余的字段也需要做同步修改，否则数据不一致
- 若采用存储过程来支持数据的更新、删除等额外操作，如果更新频繁，会非常消耗系统资源
- 在数据量小的情况下，反范式不能体现性能的优势，可能还会让数据库的设计更加复杂
1.5.3、反范式的适用场景
??当冗余信息有价值或者能 大幅度提高查询效率 的时候，我们才会采取反范式的优化。
1.4.4、增加冗余字段的建议
??增加冗余字段一定要符合如下两个条件。只有满足这两个条件，才可以考虑增加冗余字段。
- 这个冗余字段不需要经常进行修改
- 这个冗余字段查询的时候不可或缺
1.6、巴斯范式（BCNF）
??巴斯范式时在第三范式的基础上进行了改进。若一个关系达到了第三范式，并且它只有一个候选键，或者它的每个候选键都是单属性，则该关系自然达到了巴斯范式。巴斯范式在第三范式的基础上消除了主属性对候选键的部分依赖或者传递依赖关系。一般来说，一个数据库的设计符合第三范式或巴斯范式就可以了。
1.7、第四范式
??第四范式即在满足巴斯-科德范式的基础上，消除非平凡且非函数依赖（即把同一表内的多对多关系删除）。
- 多值依赖：即属性之间的一对多关系，即为K??A
- 函数依赖：事实上是单值依赖，所以不能表达属性值之间的一对多关系
- 平凡的多值依赖：全集U=K+A+B，一个K可以对应于多个A，也可以对应于多个B，A与B互相独立，即K??A，K??B。整个表有多组一对多关系，且有：“一”部分是相同的属性集合，“多”部分是互相独立的属性集合。
1.8、第五范式
??在满足第四范式（4NF）的基础上，消除不是由候选键所蕴含的连接依赖。如果关系模式R中的每一个连接依赖均由R的候选键所隐含，则称此关系模式符合第五范式。函数依赖是多值依赖的一种特殊的情况，而多值依赖实际上是连接依赖的一种特殊情况。但连接依赖不像函数依赖和多值依赖可以由语义直接导出，而是在 关系连接运算 时才反映出来。存在连接依赖的关系模式仍可能遇到数据冗余及插入、修改、删除异常等问题。第五范式处理的是 无损连接问题 ，这个范式基本 没有实际意义 ，因为无损连接很少出现，而且难以察觉。而域键范式试图定义一个 终极范式 ，该范式考虑所有的依赖和约束类型，但是实用价值也是最小的，只存在理论研究中
1.9、案例
进货单表
| listnumber （单号） |
supplierid （供应商编号） |
suppliername（供应商名称） | stock （仓库） |
barcode （条码） |
goodsname （名称） |
property （属性） |
quantity （数量） |
importprice （进货价格） |
importvalue （进货金额） |
|---|---|---|---|---|---|---|---|---|---|
| 100001 | 1 | 食品厂 | 仓库 | 0001 | 方便面 | 6包/袋 | 200 | 25 | 5000 |
| 100001 | 1 | 食品厂 | 仓库 | 0002 | 棒棒糖 | 10支/盒 | 400 | 9.9 | 3960 |
| 100002 | 2 | 服装厂 | 卖场 | 0003 | 西服 | 套 | 5 | 2000 | 10000 |
| 100003 | 1 | 食品厂 | 卖场 | 0002 | 棒棒糖 | 10支/盒 | 200 | 15 | 3000 |
1.9.1、迭代一次
??第一范式要求：所有的字段都是基本数据类型，不可进一步拆分。这张表里，我们将“property”这一字段，拆分为“specification（规格）”和“unit（单位）”这两个字段。
| listnumber （单号） |
supplierid （供应商编号） |
suppliername（供应商名称） | stock （仓库） |
barcode （条码） |
goodsname （名称） |
specification （规格） |
unit （单位） |
quantity （数量） |
importprice （进货价格） |
importvalue （进货金额） |
|---|---|---|---|---|---|---|---|---|---|---|
| 100001 | 1 | 食品厂 | 仓库 | 0001 | 方便面 | 6包 | 袋 | 200 | 25 | 5000 |
| 100001 | 1 | 食品厂 | 仓库 | 0002 | 棒棒糖 | 10支 | 盒 | 400 | 9.9 | 3960 |
| 100002 | 2 | 服装厂 | 卖场 | 0003 | 西服 | NULL | 套 | 5 | 2000 | 10000 |
| 100003 | 1 | 食品厂 | 卖场 | 0002 | 棒棒糖 | 10支 | 盒 | 200 | 15 | 3000 |
1.9.2、迭代两次
??第二范式要求，在满足第一范式的基础上，还要满足数据表里的每一条记录，都是可唯一标识。而且所有字段，都必须完全依赖于主键，不能只依赖主键的一部分。
??第1步，就是要确定这个表的主键。通过观察发现，字段“listnumber（单号）”+“barcode（条码）”可以唯一标识每一条记录，可以作为主键。
??第2步，确定好了主键以后，判断哪些字段完全依赖于主键，哪些字段只依赖于主键的一部分。把只依赖于主键的一部分的字段拆分出去，形成新的表。
??首先，进货单明细表里面的“goodsname（名称）”“specification（规格）”“unit（单位）”这些信息是商品的属性，只依赖于“barcode（条码）”，不完全依赖主键，可以拆分出去。我们将这3个字段加上它们所依赖的字段“barcode（条码）”，拆分形成一个新的数据表“商品信息表”。这样一来，原来的数据表被拆分为两个表。此外。字段“supplierid（供应商编号）”“suppliername（供应商名称）”“stock（仓库）”只依赖于“listnumber（单号）”，不完全依赖于主键。所以，我们可以把这单个字段拆分出去，在加上它们依赖的字段“listnumber
（单号）”，就形成了一个“进货单头表”。剩下的字段，会组成一个新的表，我们就叫它“进货单明细表”。
??在“商品信息表”中，字段“barcode”是由可能存在重复的，比如，用户门店可能由散装称重的商品和自产商品，会存在条码共用的情况。所以，所有的字段都不能唯一标识表里的记录。这个时候，我们必须给这个表加上一个主键，比如说是自增字段“itemnumber”
商品信息表
| itemnumber | barcode （条码） |
goodsname （名称） |
specification （规格） |
unit （单位） |
|---|---|---|---|---|
| 1 | 0001 | 方便面 | 6包 | 袋 |
| 2 | 0002 | 棒棒糖 | 10支 | 盒 |
| 3 | 0003 | 西服 | NULL | 套 |
| 4 | 0002 | 棒棒糖 | 10支 | 盒 |
进货单头表
| listnumber （单号） |
supplierid （供应商编号） |
suppliername（供应商名称） | stock （仓库） |
|---|---|---|---|
| 100001 | 1 | 食品厂 | 仓库 |
| 100002 | 2 | 服装厂 | 卖场 |
| 100003 | 1 | 食品厂 | 卖场 |
进货单明细表
| listnumber （单号） |
itemnumber | barcode （条码） |
quantity （数量） |
importprice （进货价格） |
importvalue （进货金额） |
|---|---|---|---|---|---|
| 100001 | 1 | 0001 | 200 | 25 | 5000 |
| 100001 | 2 | 0002 | 400 | 9.9 | 3960 |
| 100002 | 3 | 0003 | 5 | 2000 | 10000 |
| 100003 | 4 | 0002 | 200 | 15 | 3000 |
1.9.3、迭代三次
??第三范式是在第二范式的基础上，确保数据表中的每一个非主键字段和主键字段直接相关，也就是说，要求数据表中的所有非主键字段不能依赖于其它非主键字段。
供货商表
| supplierid （供应商编号） |
suppliername（供应商名称） |
|---|---|
| 1 | 食品厂 |
| 2 | 服装厂 |
进货单头表
| listnumber （单号） |
supplierid （供应商编号） |
stock （仓库） |
|---|---|---|
| 100001 | 1 | 仓库 |
| 100002 | 2 | 卖场 |
| 100003 | 1 | 卖场 |
商品信息表
| itemnumber | barcode （条码） |
goodsname （名称） |
specification （规格） |
unit （单位） |
|---|---|---|---|---|
| 1 | 0001 | 方便面 | 6包 | 袋 |
| 2 | 0002 | 棒棒糖 | 10支 | 盒 |
| 3 | 0003 | 西服 | NULL | 套 |
| 4 | 0002 | 棒棒糖 | 10支 | 盒 |
进货单明细表
| listnumber （单号） |
itemnumber | barcode （条码） |
quantity （数量） |
importprice （进货价格） |
importvalue （进货金额） |
|---|---|---|---|---|---|
| 100001 | 1 | 0001 | 200 | 25 | 5000 |
| 100001 | 2 | 0002 | 400 | 9.9 | 3960 |
| 100002 | 3 | 0003 | 5 | 2000 | 10000 |
| 100003 | 4 | 0002 | 200 | 15 | 3000 |
二、ER模型
2.1、ER模型概述
??ER模型也叫做关系实体模型，用来描述现实生活中客观存在的事物、事物的属性、以及事物之间关系的一种数据模型。在开发基于数据库的信息系统的设计阶段，通常使用ER模型来描述信息需求和信息特性，帮助我们业务逻辑，从而设计出优秀的数据库。
??ER模型由三个要素，分别是实体、属性和关系。
??实体，可以看做是数据对象，往往对应于现实生活中的真实存在的个体。在 ER 模型中，用 矩形 来表示。实体分为两类，分别是强实体和弱实体。强实体是指不依赖于其他实体的实体；弱实体是指对另一个实体有很强的依赖关系的实体。
??属性，则是指实体的特性。比如超市的地址、联系电话、员工数等。在 ER 模型中用椭圆形来表示。
??关系，则是指实体之间的联系。比如超市把商品卖给顾客，就是一种超市与顾客之间的联系。在 ER 模型中用菱形来表示。
2.2、关系的类型
??在 ER 模型的 3 个要素中，关系又可以分为 3 种类型，分别是一对一、一对多、多对多。
??一对一：指实体之间的关系是一一对应的，比如个人与身份证信息之间的关系就是一对一的关系。一个人只能有一个身份证信息，一个身份证信息也只属于一个人。
??一对多：指一边的实体通过关系，可以对应多个另外一边的实体。相反，另外一边的实体通过这个关系，则只能对应唯一的一边的实体。比如说，我们新建一个班级表，而每个班级都有多个学生，每个学生则对应一个班级，班级对学生就是一对多的关系。
??多对多：指关系两边的实体都可以通过关系对应多个对方的实体。比如在进货模块中，供货商与超市之间的关系就是多对多的关系，一个供货商可以给多个超市供货，一个超市也可以从多个供货商那里采购商品。再比如一个选课表，有许多科目，每个科目有很多学生选，而每个学生又可以选择多个科目，这就是多对多的关系。
2.3、ER 模型图转换成数据表
- 一个实体通常转换成一个数据表；
- 一个多对多的关系，通常也转换成一个数据表；
- 一个1对1，或者1对多的关系，往往通过表的外键来表达，而不是设计一个新的数据表；
- 属性转换成表的字段。
三、数据表设计原则
- 数据表的个数越少越好
- RDMS的核心在于对实体和联系的定义，也就是 E-R 图（Entity Relationship Diagram），数据表越少，证明实体和联系设计得越简洁，既方便理解又方便操作。
- 数据表中的字段个数越少越好
- 字段个数越多，数据冗余的可能性越大。设置字段个数少的前提是各个字段相互独立，而不是某个字段的取值可以由其它字段计算出来。当然字段个数少是相对的，我们通常会在数据冗余和检索效率中进行平衡。
- 数据表中联合主键的字段个数越少越好
- 设置主键是为了确定唯一性，当一个字段无法确定唯一性的时候，就需要采用联合主键的方式（也就是用多个字段来定义一个主键）。联合主键中的字段越多，占用的索引空间越大，不仅会加大理解难度，还会增加运行时间和索引空间，因此联合主键的字段个数越少越好。
- 使用主键和外键越多越好
- 数据库的设计实际上就是定义各种表，以及各种字段之间的关系。这些关系越多，证明这些实体之间的冗余度越低，利用度越高。这样做的好处在于不仅保证了数据表之间的独立性，还能提升相互之间的关联使用率。