SQL 规范化

 

规范化

规范化的概念是现代OLTP(On-Line Transaction Processing 联机事务处理过程)数据库设计的基石。规范化和关系数据库的概念是同时出现的。两者都来源于E.F.Codd(IBM)在1969年发表的著作。Codd提出这样的概念：数据库是由一系列无序的表组成的，可以对这些表进行非过程操作来返回表。

规范化实际上只是大型数据库设计的一小部分。有时需要规范化数据，有时又需要有意的反规范化数据。即使在规范化过程中，也有很多方式实现技术上所认定的规范化数据库。

规范化

我向Codd发誓，规范化就是键，整个键，只是键。

** 第一范式（1NF）**

第一范式（1NF）全部都是关于消除重复数据组和保证原子性（数据是自包含和独立的）的规范化信息。在较高的层次，这指的是创建主键，然后将任何重复的数据组移动到新的表中，为了这些表创建新键，如此进行下去。

• 花费：在以前，磁盘存储空间非常昂贵。多次存储数据意味着浪费空间。随着数据存储越来越便宜，这使得重复存储问题不那么显著了。
• 性能：重复数据意味着更多的数据移动，更多的I/O数量。这意味着影响了性能，因为需要经过数据总线或者网络传输大量的数据。即使现在有更快的传输技术，还是对性能有很大的负面影响。
• 数据完整性：在行与行之间的重复数据经常出现不一致，产生自相矛盾的数据，而且通常缺乏数据完整性。
• 分析数据：如果需要查询有组合数据的列的信息，那么必须采用一种方法分析该列的数据（这个操作速度非常慢）。

第二范式（2NF）

规范化的第二步是达到第二范式（2NF）。第二范式进一步减少重复数据的出现（不一定是数据组）。第二范式有以下规则：

• 表必须符合第一范式的规则（规范化是一个类似堆积木块的过程，如果没有前两块的积木，就不能堆第三块）。
• 每列必须依赖于整个键。

第三范式（3NF）

第三范式处理的问题是使得表中所有列不仅仅是依赖于某个事物，而是要依赖于正确的事物。第三个范式有以下3个规则：

• 表必须符合2NF(前面提到过，这个范式类似堆积木)。
• 任何列都不能依赖于非键列。
• 不可以有派生的数据。

其他范式

规范化模型中还有其他一些范式（至少在学术界是这么认为的）。它们包括以下范式：

• Beyce-Codd范式（这实际上是第三范式的变体）：这个范式试图解决有多个重叠候选的情况。这只可能在下列条件下发生：
  • 所有候选键是组合键（即键是由多个列组成）。
  • 有多个候选键。
  • 每个候选键至少有一个列和另外一个候选键的列相同。
    这种情况可以有任意多的解决方案，而且几乎从来没有在学术界以外的逻辑上的考虑。
• 第四范式：这个范式试图解决多值依赖问题。具体情况是：在单个行中，没有列依赖于主键以外的列，而且只依赖于整个主键（符合第三范式）。然而，还有更奇怪的情况：主键中的一列可能分别依赖于主键中的其他列。这种情况非常罕见，通常不会引起实际的问题。因此，他在数据库领域中基本上被忽略了，这里也不讨论这个问题。
• 第五范式：处理无损和有损分解。实际存在这样的特定的情况：虽然可以分解一个关系，但不能从逻辑上将其重新构成原来的形式，这也是非常罕见的，很大程度上是学术问题，这里不再讨论。

反规范化

规范有时会成为数据库设计者佩戴的十字架，会变成它们的信仰，他们是为了规范化而规范化数据，而不是为了数据库的使用性。下面是对这个问题的一些思考：

• 如果声明计算列或者存储一些派生数据有助于更有效地运行报表，那么不管怎样也要采用。只需考虑优点和可能的风险（例如，如果“汇总”数据与所派生的数据不同步该怎么办？如何确定不同步的情况，以及如果不同步又该如何处理？）
• 有时，在表中包括一个（或者多个）反规范化的列。可以消除或者显著减少检索信息所需的连接数量。要注意这些情况，它们会经常出现。我曾处理过这种情况，通过向常用的基表中添加一列，将表连接从9个降低到3个，这个过程中查询时间减少了90%。
• 如果要保持历史数据（大部分不改动且只用于报表的数据），那么完整性问题是相对次要的考虑事项。一旦数据写到只读区域中并经过验证，那么可以确保不会出现“不同步”的问题（不同步问题是数据规范化主要处理的问题）。这时，将数据以平面形式（反规范化）存储到一些表中则更好（也更快）。
• 需要连接的表越少，用户制作报表的时候就越开心。这个用户群会越来越熟悉他们使用的工具。用户逐渐变成他们自己的DBA，要直接访问数据库来制作他们自己的自定义报表。对这些用户来说，高度规范化的数据库可能看起来像是迷宫，几乎变得没有用处，反规范化数据可以使这些用户操作起来更容易。
  总而言之，如果有疑问，就规范化数据。通常这样设计关系系统是由原因的。因为越执行规范化，就能获得更好的数据完整性，在事务环境下也会获得更好的性能。

超出规范化的一些规则

规范不同于设计，但将规范作为第一步是很好的做法。

1. 保持简单

一些人确实能想出聪明的办法来解决不同的问题。有的想法特别棒且非常有用。有的想法虽然很好，但是不实用。一些想法往往可能很新颖，但是很难实现。

通常要避免在数据库中引入真正所需的复杂性。最低要求的方法通常（不总是如此）产生的结果不仅更容易编辑，而且运行得更快。

2. 选择数据类型

为了贯彻最低要求的思想，就要选择需要的方法，并且只选择需要的方法。

例如，如果需要存储月份(数字1~12)，可以使用单字节数据类型tinyint。那么，为什么经常碰到数据库中存储月份的字段使用int数据类型（这个数据类型是4字节）呢？如果不需要Unicode处理任何数据类型，就不要使用nchar或者nvarchar，和相应的Unicode相比，这些数据类型都需要占用两个字节。

不要随意浪费空间。数据库中出现的很多事情都会重复，这意味着小的错误就会像滚雪球一样变得非常大。

3. 尽量进行存储

每次构建数据时，都会碰到这样一个问题：“以后需要这些信息吗？”我的建议是，如果有疑问，就保存信息。要知道，很多时候无法找回失去的数据。

小结

具体情况具体分析，不能一概而论，不要陷入为了设计而设计的圈套！

参考

《SQLServer2012编程入门经典（第4版）》