一、范式

1.1 范式简介

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。

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）。

数据库的范式设计越高阶，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。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。

键和相关属性的概念：

• 超键：能唯─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中的某属性集不是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，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，还可以用主属性和非主属性来进行区分。

第一范式(1st NF)： 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位。

第二范式(2nd NF)： 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。

对非主属性来说，并非完全依赖候选键。

第三范式(3rd NF)： 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都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）通俗地讲，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。

BCNF(巴斯范式)： 在3NF的基础上进行了改进，提出了 巴斯范式（BCNF），也叫作 巴斯-科德范式，BCNF被认为没有新的设计规范加入，只是对第三范式中涉及规范要求更强，是的数据库冗余度更小。所以是 修正的第三范式，或 扩充的第三范式。

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 BC范式。

1.2 范式的优缺点

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、拓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，可能降低查询的效率。因为范式等级越高，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，也可能使一些索引策略无效。

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，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。

二、反范式化

2.1 反范式化概述

规范化 vs 性能：

• 为满足某种商业目标，数据库性能比规范化数据库更重要
• 在数据规范化的同时，要综合考虑数据库的性能
• 通过在给定的表中添加额外的字段，以大量减少需要从中搜索信息所需的时间
• 通过在给定的表中插入计算列，以方便查询

2.2 反范式的新问题

• 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

2.2 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，才应采取反范式的优化。 1、增加冗余字段的建议:

• 一个冗余字段 不需要经常进行修改
• 一个冗余字段 查询的时候不可或缺

2、历史快照、历史数据的需要

在现实工作和生活中，经常需要一些冗余信息，比如订单中的收货人信息，包括姓名、电话和地址等。每次发生的订单收货信息都属于 历史快照，需要进行保存，但用户可以随时修改自己的信息，这时保存这些冗余信息是非常有必要的。

反范式优化也常用在 数据仓库 的设计中，因为数据仓库通常存储历史数据，对增删改的实时性要求不强历史数据的分析需求强，这时适当允许数据的冗余度，更方便进行数据分析。

三、ER模型

3.1 ER模型简介

ER模型 也叫做 实体关系模型，是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模型来描述信息需要和信息特性，帮助理清业务逻辑，从而设计出优秀的数据库。

ER模型中有三个要素，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它实体的实体；
• 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。

注意：实体 和 属性不容易区分。这里提供一个原则：从系统整体的角度出发去看， 可以独立存在的是实体，不可再分的是属性，也就是说，属性不能包含其它属性。

3.2 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；
• 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；
• 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；

四、数据表的设计原则

4.1 数据表设计的一般原则：三少一多

数据表的个数越少越好： RDBMS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，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。

注意：这个原则并不是绝对的，有时候需要牺牲数据的冗余度来换取数据处理的效率。

五、数据库对象编写建议

5.1 关于库

• 【强制】库的名称必须控制在32个字符以内，只能使用英文字母、数字和下划线，建议以英文字母开头；
• 【强制】库名中英文一律小写，不同单词采用下划线分割，须见名知意；
• 【强制】库的名称格式：业务系统名称_子系统名；
• 【强制】库名禁止使用关键字（如type,order等）；
• 【强制】创建数据库时必须显式指定字符集，并且字符集只能是utf8或者utf8mb4，创建数据库SQL举例：CREATE DATABASE crm_fund DEFAULT CHARACTER SET 'utf8';
• 【建议】对于程序连接数据库账号，遵循权限最小原则。使用数据库账号只能在一个DB下使用，不准跨库。程序；用的账号原则上不准有drop权限。
• 【建议】临时库以tmp_为前缀，并以日期为后缀；备份库以bak_为前缀，并以日期为后缀；

5.2 关于表、列

• 【强制】表和列的名称必须控制在32个字符以内，表名只能使用英文字母、数字和下划线，建议以英文字母开头；
• 【强制】 表名、列名一律小写，不同单词采用下划线分割。须见名知意；
• 【强制】表名要求有模块名强相关，同一模块的表名尽量使用统一前缀，比如：crm_fund_item;
• 【强制】创建表时必须显式指定字符集为 utf8 或 utf8mb4；
• 【强制】表名、列名禁止使用关键字（如type,order等）；
• 【强制】创建表时必须显式指定表存储引擎类型。如无特殊需求，一律为InnoDB；
• 【强制】建表必须有comment；
• 【强制】字段命名应尽可能使用表达实际含义的英文单词或缩写，如：公司 ID，不要使用 corporation_id, 而用corp_id 即可；
• 【强制】布尔值类型的字段命名为is_描述。如member表上表示是否为enabled的会员的字段命名为 is_enabled；
• 【强制】禁止在数据库中存储图片、文件等大的二进制数据；
• 通常文件很大，短时间内造成数据量快速增长，数据库进行数据库读取时，通常会进行大量的随机IO操作，文件很大时，IO操作很耗时。通常存储于文件服务器，数据库只存储文件地址信息；
• 【建议】建表时表必须有主键：
  • 强制要求主键为id，类型为int或bigint，且为auto_increment 建议使用unsigned无符号型；
  • 标识表里每一行主体的字段不要设为主键，建议设为其它字段如user_id，order_id等，并建立unique key索引；因为如果设为主键且主键值为随机插入，则会导致innodb内部页分裂和大量随机I/O，性能下降；
• 【建议】核心表（如用户表）必须有行数据的创建时间字段（create_time）和最后更新时间字段（update_time），便于查问题；
• 【建议】表中所有字段尽量都是NOT NULL属性，业务可以根据需要定义DEFAULT值；
• 因为使用NULL值会存在每一行都会占用额外存储空间、数据迁移容易出错、聚合函数计算结果偏差等问题；
• 【建议】所有存储相同数据的列名和列类型必须一致（一般作为关联列，如果查询时关联列类型不一致会自动进行数据类型隐式转换，会造成列上的索引失效，导致查询效率降低）；
• 【建议】中间表（或临时表）用于保留中间结果集，名称以tmp_开头；
  • 备份表用于备份或抓取源表快照，名称以bak_开头。中间表和备份表定期清理
• 【示范】一个较为规范的建表语句：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

CREATE TABLE user_info ( 
    `id` int unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键', 
    `user_id` bigint(11) NOT NULL COMMENT '用户id', 
    `username` varchar(45) NOT NULL COMMENT '真实姓名', 
    `email` varchar(30) NOT NULL COMMENT '用户邮箱', 
    `nickname` varchar(45) NOT NULL COMMENT '昵称', 
    `birthday` date NOT NULL COMMENT '生日', 
    `sex` tinyint(4) DEFAULT '0' COMMENT '性别', 
    `short_introduce` varchar(150) DEFAULT NULL COMMENT '一句话介绍自己，最多50个汉字', 
    `user_resume` varchar(300) NOT NULL COMMENT '用户提交的简历存放地址', 
    `user_register_ip` int NOT NULL COMMENT '用户注册时的源ip', 
    `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间', 
    `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间', 
    `user_review_status` tinyint NOT NULL COMMENT '用户资料审核状态，1为通过，2为审核中，3为未 通过，4为还未提交审核',
    PRIMARY KEY (`id`), 
    UNIQUE KEY `uniq_user_id` (`user_id`), 
    KEY `idx_username`(`username`), 
    KEY `idx_create_time_status`(`create_time`,`user_review_status`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='网站用户基本信息'

• 【建议】创建表时，可以使用可视化工具，这样可以确保表、字段相关的约定都能设置上。实际上，通常很少自己写 DDL 语句，可以使用一些可视化工具来创建和操作数据库和数据表，可视化工具除了方便，还能直接将数据库的结构定义转化成 SQL 语言，方便数据库和数据表结构的导出和导入;

5.3 关于索引

• 【强制】InnoDB表主键必须为id int/bigint auto_increment，且主键值禁止被更新；
• 【强制】InnoDB和MyISAM存储引擎表，索引类型必须为BTREE；
• 【建议】主键的名称以pk_开头，唯一键以uni_或uk_开头，普通索引以idx_开头，一律使用小写格式，以字段的名称或缩写作为后缀；
• 【建议】多单词组成的columnname，取前几个单词首字母，加末单词组成column_name，如: sample 表 member_id 上的索引：idx_sample_mid；
• 【建议】单个表上的索引个数不能超过6个；
• 【建议】在建立索引时，多考虑建立联合索引，并把区分度最高的字段放在最前面；
• 【建议】在多表 JOIN 的SQL里，保证被驱动表的连接列上有索引，这样JOIN 执行效率最高；
• 【建议】建表或加索引时，保证表里互相不存在冗余索引， 比如：如果表里已经存在key(a,b)， 则key(a)为冗余索引，需要删除；

5.4 关于SQL编写

• 【强制】程序端SELECT语句必须指定具体字段名称，禁止写成 *;
• 【建议】程序端insert语句指定具体字段名称，不要写成INSERT INTO t1 VALUES(…);
• 【建议】除静态表或小表（100行以内），DML语句必须有WHERE条件，且使用索引查找;
• 【建议】INSERT INTO…VALUES(XX),(XX),(XX)… 这里XX的值不要超过5000个, 值过多虽然上线很快，但会引起主从同步延迟;
• 【建议】SELECT语句不要使用UNION，推荐使用UNION ALL，并且UNION子句个数限制在5个以内;
• 【建议】线上环境，多表 JOIN 不要超过5个表;
• 【建议】减少使用ORDER BY，和业务沟通能不排序就不排序，或将排序放到程序端去做，ORDER BY、GROUP BY、DISTINCT 这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的；
• 【建议】包含了ORDER BY、GROUP BY、DISTINCT 这些查询的语句，WHERE 条件过滤出来的结果集请保持在1000行以内，否则SQL会很慢；
• 【建议】对单表的多次alter操作必须合并为一次。对于超过100W行的大表进行alter table，必须经过DBA审核，并在业务低峰期执行，多个alter需整合在一起， 因为alter table会产生表锁，期间阻塞对于该表的所有写入，对于业务可能会产生极大影响；
• 【建议】批量操作数据时，需要控制事务处理间隔时间，进行必要的sleep；
• 【建议】事务里包含SQL不超过5个。因为过长的事务会导致锁数据较久，MySQL内部缓存、连接消耗过多等问题；
• 【建议】事务里更新语句尽量基于主键或UNIQUE KEY，如UPDATE… WHERE id=XX；否则会产生间隙锁，内部扩大锁定范围，导致系统性能下降，产生死锁；