1.第一范式（1NF）（列不能再拆分）
原子性，字段不可分（列的信息），只要是关系型数据库，就自动满足1NF；
2.第二范式（2NF）（主键唯一，且被依赖）
在第一范式基础上建立的，即满足第二范式的必须先满足第一范式。要求DB表中的每个实例或行必须可以被唯一区分，通常设计一个主键来实现，其他属性完全依赖主键。
3.第三范式（3NF）（表与其他表间没有关联）
必须满足第二范式，要求一个数据库表中不包含已在其他表中已包含的非主键字段。即：表的信息，如果能够被推导出来，就不应该单独设计一个字段来存放（能尽量外键join就用外键join）。很多时候，为满足第三范式往往会把一张表分成多张表，如：
4.反范式
通过增加冗余或重复的数据来提高数据库的读性能。
具体做法：在概念数据模型设计时遵守第三范式，降低范式标准的工作放到物理数据模型设计时考虑。降低范式就是增加字段，减少了查询时的关联，提高查询效率，因为在数据库的操作中查询的比例要远远大于DML的比例。但是反范式化一定要适度，并且在原本已满足三范式的基础上再做调整。
实际，比如：可以减少关联查询时，jion表的次数，如：在3中，增加字段role_name。
5.范式化优点及缺点：
优点：
.更新操作通常比反范式化要快；
.范式化的表通常更小，没有数据冗余，更省数据库空间，同时可以放在内存，所以执行操作会更快。
.很少有多余数据意味着检索列表数据更少需要distinct或group by语句。
.数据较好的范式化，只有很少或没有重复数据，所以，只需要修改更少的数据。
缺点：
.范式化schema通常需要关联，可能使一些索引策略无效。
.范式等级越高，设计出来的表越多，可能会增加查询需要的时间。
6.反范式化优点及缺点：
优点：
.可以很好避免关联。
.如果不需要关联表，对大部分查询最差情况，没有使用索引，全表扫描，当数据比内存大时，可能比关联快，避免随机IO
7.实际经验
实际中，不会极端使用范式化或反范式化schema，可能使用部分范式化schema、缓存表、及其他技巧。
最常见反范式化数据方法：复制或缓存，在不同表中存储相同的特定列，比如：实际业务涉及的表非常多，表间连接会比较多，对表的操作要尽量快，通常会使用反范式设计，用空间换时间，把数据冗余在多张表中，查询时可以减少或避免表间关联。
参考：https://blog.csdn.net/weixin_33811961/article/details/92142509