MySQL进阶系列：数据库设计中的范式究竟该如何使用

“ 这篇文章主要为了说明规矩要遵守，但是也别这么死板，要知道因场景不同而变化。了解各自的优缺点，在不同业务中根据需求选择使用。”

我们在项目上进行数据库设计的时候要求遵守三范式，为什么会约束三范式呢：为了减少数据冗余。

回忆下是哪三范式：

1. 所有属性具有原子性，列不可分割。

   例如家庭地址(xx省xx市xx地址)，家庭地址作为字段就是非原子的，可以拆分成字段省份，城市，地址。

2. 在第一范式的基础上，要求所有非主键字段完全依赖主键，不能产生部分依赖。

   一个数据库表中，一个表中只能保存一种数据，不可以把多种数据保存在同一张数据库表中。

3. 在第二范式的基础上，保证每列都和主键直接相关，不存在传递依赖

   表中的字段和主键直接对应不依靠其他中间字段。传递依赖：A--->B--->C。

范式

优点：

1. 范式化的更新通常比反范式更快。

2. 当数据较好的范式化后，就只有很少或者没有重复数据。

3. 范式化的表通常更小，可以更好的放进内存了，所以执行操作也会更快。

4. 很少有多余的数据意味着检索列表数据时更少需要distinct和group by语句。

缺点：

1. 通常需要表关联，复杂一点的查询语句可能至少需要一次关联，也可能会使得索引失效。

阿里开发手册中规定表join关联不能超过3个，主要原因就是数据量大的时候join查询非常慢，但是也不一定不能关联多个，具体问题具体分析，数据量少的时候多张表关联也没影响的。

 

反范式

优点：

1. 数据都在一张表中，可以很好的避免关联。

   如果不需要关联，则对大部分查询最差的情况---即使表没有使用索引，是全表扫描。当数据比内存大时，可能比关联要快得多，因为这样避免了随机I/O(全表扫描基本上是顺序I/O,但不是100%的和引擎有关).

2. 单表可以更有效的使用索引策略。

缺点：

1. 表中的冗余较多，删除数据的时候容易造成部分有用数据丢失。

混用范式和反范式

实际上完全范式或者完全反范式都是理论上的。在实际的项目开发中，基本都是混用的，没有严格的规定。

案例分析：

例A: 假设有一个网站，允许用户发送消息，而且其中一些用户是VIP，现在想查看VIP用户的近10条信息。

1. 完全范式化  表设计：user(user_id,user_type)表和message(message_id,user_id,message_text,published)表，published构建索引

   查询sql:

SELECT  message.message_textFROM  message  INNER JOIN USER ON message.user_id = USER.user_idWHERE  USER.user_type = 'VIP' ORDER BY  message.published DESC   LIMIT 10;

上面sql需要表关联，mysql需要扫描message 表的日期published的索引，对于每一行找到的数据都要到user表检索是不是VIP用户，如果VIP只是很小的一部分，这个效率就很低下了。另一种执行计划是先从user表开始，找所有VIP用户获取并排序，这种可能更糟糕。

    2. 完全的反范式，需要在message表中存储user数据，就会存在message数据操作影响user数据的问题。

    3. 混用范式和反范式：修改message表结构增加用户类型字段user_type, 如：message(message_id,user_id,message_text,published,user_type)，这种设计可以避免完全范式化带来的表关联查询，也避免了完全反范式的插入删除问题(即使没有消息用户的信息也不会丢失)。

例B: 如果部分需求是查询的结果需要排序，从父表中冗余一些数据到子表更方便设计索引，提高查询效率。

例C: 对于缓存衍生值也是有效的，如果需要显示每个用户发了多少消息(论坛发帖)，每次需要执行一个统计的自查询计算，其实可以在user表中增加消息数量的字段，当用户发送消息的时候更新这个值(需要平衡更新和查询哪个更好)。

 

以上只是为了说明范式和反范式以及混用范式而举的例子，但是实际开发中还是要根据业务来选择怎么使用。

在表设计中，使用范式也好，反范式也好，不应该有严格的限制，该用哪种就使用哪种或者两者结合使用。