本文首先探讨下数据库设计的三大范式,因为范式只是给出了数据库设计的原则,并没有告诉我们实际操作中应该怎样操作,应该注意什么,所以我们还会谈下实际工作中需要注意的具体操作问题。
三大范式
首先放出三大范式内容,然后再进行解释:
第一范式:确保每列的原子性.,如果每列(或者每个属性)都是不可再分的最小数据单元(也称为最小的原子单元),则满足第一范式.;(只要是关系型数据库都满足1NF)
第二范式:如果一个关系满足第一范式,并且除了主键以外的其它列,都依赖于该主键,则满足第二范式.;
第三范式:如果一个关系满足第二范式,并且除了主键以外的其它列都不依赖于主键列,则满足第三范式。
一范式就是属性不可分割。属性是什么?就是表中的字段。不可分割的意思就按字面理解就是最小单位,不能再分成更小单位了。这个字段只能是一个值,不能被拆分成多个字段。不过能不能分割并没有绝对的答案,看需求,也就是看你的设计目标而定。
举例:学生信息组成学生信息表,有姓名、年龄、性别、学号等信息组成。姓名不可拆分吧?所以可以作为该表的一个字段。但我要说这个表要在国外使用呢?人家姓和名要分开,都有特别的意义,所以姓名字段是可拆分的,分为姓字段和名字段。简单来说,一范式是关系数据库的基础,但字段是否真的不可拆分,根据你的设计目标而定。
二范式就是要有主键,要求其他字段都依赖于主键。为什么要有主键?没有主键就没有唯一性,没有唯一性在集合中就定位不到这行记录,所以要主键。其他字段为什么要依赖于主键?因为不依赖于主键,就找不到他们。如果有同学不理解依赖这个词,可以勉强用“相关”这个词代替,也就是说其他字段必须和它们的主键相关。因为不相关的东西不应该放在一行记录里。
举例:学生信息组成学生表,姓名可以做主键么?不能!因为同名的话,就不唯一了,所以需要学号这样的唯一编码才行。那么其他字段依赖于主键是什么意思?就是“张三”同学的年龄和性别等字段,不能存储别人的年龄性别,必须是他自己的,因为张三的学号信息就决定了,这行记录归张三所有,不能给无关人员使用。
三范式就是要消除传递依赖,方便理解,可以看做是“消除冗余”。消除冗余应该比较好理解一些,就是各种信息只在一个地方存储,不出现在多张表中。比如说大学分了很多系(中文系、英语系、计算机系……),这个系别管理表信息有以下字段组成:系编号,系主任,系简介,系架构。那么再回到学生信息表,张三同学的年龄、性别、学号都有了,我能不能把他的系编号,系主任、系简介也一起存着?如果你问三范式,当然不行,因为三范式不同意。因为系编号,系主任、系简介已经存在系别管理表中,你再存入学生信息表,就是冗余了。三范式中说的传递依赖,就出现了。这个时候学生信息表中,系主任信息是不是依赖于系编号了?而这个表的主键可是学号啊!所以按照三范式,处理这个问题的时候,学生表就只能增加一个系编号字段。这样既能根据系编号找到系别信息,又避免了冗余存储的问题。
还有要强调的就是所谓的范式,是用来学习参考的,设计的时候根据情况,未必一定要遵守。因为在数据库数据量特别大,并且访问并发也大的情况下,可能要采用反范式设计来提高数据库响应速度,不过这里不在过多讨论,有兴趣的同学可以到这个网址查看具体内容,该文档针对mysql的优化做了详细说明:https://wenku.baidu.com/view/aa43ecc3aa00b52acfc7ca94.html
实际操作规范(mysql)
-
表设计
-
库名、表名、字段名必须使用小写字母,“_”分割,且名称长度不超过12个字符并且要做到见名知意。
-
建议使用InnoDB存储引擎。
-
存储精确浮点数必须使用DECIMAL替代FLOAT和DOUBLE。
-
建议使用UNSIGNED存储非负数值。
-
建议使用INT UNSIGNED存储IPV4。
-
整形定义中不添加长度,比如使用INT,而不是INT(4)。
-
使用短数据类型,比如取值范围为0-80时,使用TINYINT UNSIGNED。
-
不建议使用ENUM类型,使用TINYINT来代替。
-
尽可能不使用TEXT、BLOB类型。
-
VARCHAR(N),N表示的是字符数不是字节数,比如VARCHAR(255),可以最大可存储255个汉字,需要根据实际的宽度来选择N。
-
VARCHAR(N),N尽可能小,因为MySQL一个表中所有的VARCHAR字段最大长度是65535个字节,进行排序和创建临时表一类的内存操作时,会使用N的长度申请内存。
-
表字符集选择UTF8。
-
使用VARBINARY存储变长字符串。
-
存储年使用YEAR类型,存储日期使用DATE类型,存储时间(精确到秒)建议使用TIMESTAMP类型,因为TIMESTAMP使用4字节,DATETIME使用8个字节。
-
建议字段定义为NOT NULL。
-
将过大字段拆分到其他表中。
-
禁止在数据库中使用VARBINARY、BLOB存储图片、文件等。
-
索引
-
索引名称必须使用小写,非唯一索引必须按照“idx_字段名称_字段名称[_字段名]”进行命名,唯一索引必须按照“uniq_字段名称_字段名称[_字段名]”进行命名。
-
索引中的字段数建议不超过5个。
-
单张表的索引数量控制在5个以内。
-
唯一键由3个以下字段组成,并且字段都是整形时,使用唯一键作为主键。
-
没有唯一键或者唯一键不符合4中的条件时,使用自增(或者通过发号器获取)id作为主键。
-
唯一键不和主键重复。
-
索引字段的顺序需要考虑字段值去重之后的个数,个数多的放在前面。
-
ORDER BY,GROUP BY,DISTINCT的字段需要添加在索引的后面。
-
使用EXPLAIN判断SQL语句是否合理使用索引,尽量避免extra列出现:Using File Sort,UsingTemporary。
-
UPDATE、DELETE语句需要根据WHERE条件添加索引。
-
不建议使用%前缀模糊查询,例如LIKE “%weibo”。
-
合理创建联合索引(避免冗余),(a,b,c)相当于 (a) 、(a,b) 、(a,b,c)。
-
合理利用覆盖索引。
-
SQL变更需要确认索引是否需要变更并通知DBA。
-
SQL语句
-
SQL语句中IN包含的值不应过多。
-
UPDATE、DELETE语句不使用LIMIT。
-
WHERE条件中必须使用合适的类型,避免MySQL进行隐式类型转化。
-
SELECT语句只获取需要的字段。
-
SELECT、INSERT语句必须显式的指明字段名称,不使用SELECT *,不使用INSERTINTO table。
-
使用SELECT column_name1, column_name2 FROM table WHERE[condition]而不是SELECT column_name1 FROM table WHERE[condition]和SELECT column_name2 FROM table WHERE [condition]。
-
WHERE条件中的非等值条件(IN、BETWEEN、<、<=、>、>=)会导致后面的条件使用不了索引。
-
避免在SQL语句进行数学运算或者函数运算,容易将业务逻辑和DB耦合在一起。
-
INSERT语句使用batch提交(INSERT INTO tableVALUES,,……),values的个数不应过多。
-
避免使用存储过程、触发器、函数等,容易将业务逻辑和DB耦合在一起,并且MySQL的存储过程、触发器、函数中存在一定的bug。
-
避免使用JOIN。
-
不使用ORDER BY RAND,使用其他方法替换。
-
建议使用合理的分页方式以提高分页的效率。
-
统计表中记录数时使用COUNT(*),而不是COUNT(primary_key)和COUNT(1)。
-
禁止在从库上执行后台管理和统计类型功能的QUERY。
-
散表
-
每张表数据量建议控制在5000w以下。
-
可以结合使用hash、range、lookup table进行散表。
-
推荐使用CRC32求余(或者类似的算术算法)进行散表,表名后缀使用数字,数字必须从0开始并等宽,比如散100张表,后缀从00-99。
-
使用时间散表,表名后缀必须使用特定格式,比如按日散表user_20110209、按月散表user_201102。