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。
范式的英文名称是 Normal Form ,简称 NF 。它是英国人 E.F.Codd 在上个实际70年代的提出关系型数据库模型后总结出来的。范式是关系数据库理论的基础,也是我们在设计数据库结构过程中所要遵循的规则和指导方法。
范式都有哪些
目前关系型数据库中有六种常见的范式,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)
- 第五范式(5NF)ps:又叫完美范式
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1NF。在第一范式的基础上进一步满足更多规范要求的2NF,其余范式依次类推
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。但也不绝对,有时候为了提高某些查询性能,我们还需要破坏范式规则,也就是反规范化。
键和相关属性的概念
范式的定义会使用到主键和候选键,数据库中的键(KEY)由一个或者多个属性组成。数据表中常用的几种键和属性的定义
- 超键:能唯一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 table1 中的某属性集不是 table1 的主键,而是另一个数据表 table2 的主键,那么这个属性集就是数据表 table1 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,我们也将候选键称之为"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,我们还可以用主属性和非主属性来进行区分。
第一范式-1NF(ps:原子性)
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元。
我们在设计某个字段的时候,对于字段 field 来说,不能把字段 field 拆分成字段 f-1 和 f-2。事实上都会满足第一范式的要求,不会将字段进行拆分。
id | mobile |
---|---|
1 | 13600000001 |
2 | 13600000002 13600000003 |
比如该表不符合 1NF,因为规则说表的每个属性必须具有原子值,id=2的 mobile 字段值违反了该规则。为了使表符合 1NF,我们应该是下表数据
id | mobile |
---|---|
1 | 13600000001 |
2 | 13600000002 |
3 | 13600000003 |
第二范式-2NF
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(数据行)的任何属性和任何值。(要求中的主键,其实可以拓展替换为候选键。)
例子:
假设有一张表餐厅预约表,里面包含用户编号、姓名、年龄、餐厅座位编号、预约时间和餐厅座位等属性,这里候选键和主键都为(用户编号,餐厅座位编号),我们可以通过候选键(或主键)来决定如下的关系
(用户编号,餐厅座位编号) -> (姓名,年龄,预约时间,餐厅座位,预约的菜)
但是这个数据表不满足第二范式,因为数据表中的字段之间还存在着如下的对应关系
(用户编号) -> (姓名,年龄)
(餐厅座位编号) -> (预约时间,餐厅座位)
对于非主属性来说,并非完全依赖候选键。这样会产生怎样的问题呢?
- 数据冗余∶如果一个用户预约了多次,那么用户的姓名和年龄就重复了m-1次。假如同一时间一个餐桌可能会有n个用户预约,预约时间和餐桌就重复了n-1次。
- 插入异常∶如果我们想要添加一场新的预约,但是这时还没有确定预约的人都有谁,那么就没法插入。
- 删除异常∶如果我要删除某个用户编号,如果没有单独保存预约表的话,就会同时把预约信息删除掉。
- 更新异常∶如果我们调整了预约时间,那么数据表中所有这个预约时间都需要进行调整,否则就会出现一场预约时间不同的情况。
为了避免出现上述的情况,我们可以把球员比赛表设计为下面的三张表。
表名 | 属性(字段) |
---|---|
用户表 | 用户编号、姓名和年龄等属性 |
预约表 | 预约编号,预约时间和预约餐桌等属性 |
预约菜品表 | 用户编号,预约编号,菜品等属性 |
结论:第二范式(2NF)要求实体的属性完全依赖主关键字。如果存在不完全依赖,那么这个属性和主关键字的这一部分应该分离出来形成一个新的实体,新实体与元实体之间是一对多的关系。
第三范式-3NF
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他非主键字段。(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。
字段名称 | 是否是主键 | 说明 |
---|---|---|
id | true | 商品主键id |
category_id | false | 商品类别 id |
category_name | false | 商品类别 名称 |
goods_name | false | 商品名称 |
price | false | 商品价格 |
商品类别名称依赖于商品类别编号,不符合第三范式。
修改如下 table_category:
字段名称 | 是否是主键 | 说明 |
---|---|---|
id | true | 商品类别id |
category_name | false | 商品类别name |
table_goods:
字段名称 | 是否是主键 | 说明 |
---|---|---|
id | true | 商品id |
category_id | false | 商品类别id |
goods_name | false | 商品名称 |
price | false | 商品价格 |
table_goods 通过 category_id 与 table_category 进行关联
结论:符合3NF后的数据模型通俗地讲,2NF和3NF通常以这句话概括:“每个非键属性依赖于键,并且除了键别无他物”。
巴斯范式-BCNF
人们在3NF的基础上进行了改进,提出了巴斯范式(BCNF),也叫做巴斯-科德范式(Boyce-Codd NormalForm)。BCNF被认为没有新的设计规范加入,只是对第三范式中设计规范要求更强,使得数据库冗余度更小。所以,称为是修正的第三范式,或扩充的第三范式,BCNF不被称为第四范式。
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。
一般来说,一个数据库设计符合3NF或BCNF就可以了。
第四范式-4NF
多值依赖的概念
- 多值依赖,即属性之间的一对多关系,记为
K->->A
。 - 函数依赖,事实上是单值依赖,所以不能表达属性值之间的一对多关系。
- 平凡的多值依赖,全集
U=K+A
,一个K可以对应于多个A,即K->->A。此时整个表就是一组一对多关系。 - 非平凡的多值依赖,全集
U=K+A+B
,一个K 可以对应与多个A,也可以对应多个B,A和B互相独立,即K->->A,K->->B。整个表有多组一对多关系,且有,一部分是相同的属性集合,多部分是互相独立的属性集合。
第四范式即在满足巴斯-科德范式的基础上,消除非平凡且非函数依赖的多值依赖。(即把同一表内的多对多关系删除。)
第五范式-5NF、域键范式
除了第四范式外,我们还有更高级的第五范式和域键范式。
在满足第四范式的基础上,消除不是由候选键所蕴含的连接依赖。如果关系模式 R 中的每一个连接依赖均由 R 的候选键所隐含,则称此关系模式符合第五范式。
函数依赖是多值依赖的一种特殊的情况,而多值依赖实际上是连接依赖的一种特殊情况。但连接依赖不像函数依赖和多值依赖可以由语义直接导出,而是在关系连接运算时才反映出来。存在连接依赖的关系模式仍可能遇到数据冗余及插入、修改、删除异常等问题。
第五范式处理的是无损连接问题,这个范式基本没有实际意义,因为无损连接很少出现,而且难以察觉。而域键范式试图定义一个终极范式,该范式考虑所有的依赖和约束类型,但是实用价值也是最小的,只存在理论研究中。
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
员工的信息存储在employees表中,部门信息存储在departments表中。通过employees表中的department_id字段与departments表建立关联关系。如果要查询一个员工所在部门的名称:
SELECT employee_id,department_name
FROM employees AS e
JOIN departments AS d
ON e.department_id = d.department_id;
如果经常需要进行这个操作,连接查询就会浪费很多时间。可以在employees.表中增加一个冗余字段department_name,这样就不用每次都进行连接操作了。
反范式化的新问题
反范式可以通过空间换时间,提升查询效率,但是反范式也会带来一些新问题:
- 存储空间变大
- 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的修改,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,反范式不能提现性能的优势,可能还会让数据库的设计更加复杂
增加冗余字段的建议
增加冗余字段一定要符合如下两个条件。只有满足这两个条件,才可以考虑增加冗余字段。
- 这个冗余字段不需要经常进行修改
- 这个冗余字段查询的时候不可或缺
历史快照、历史数据的需要
在现实生活中,我们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,对历史数据的分析需求强。这是适当允许数据的冗余度,更方便进行数据分析。
简单总结下数据仓库和数据库在使用上的区别:
- 数据库设计的目的在于捕获数据,而数据仓库设计的目的在于分析数据
- 数据库对数据的增删改实时性要求强,需要存储在线的用户数据,而数据仓库存储的一般是历史数据
- 数据库设计需要尽量避免冗余,但为了提高查询效率也允许一定的冗余度,而数据仓库在设计上更偏向采用反范式设计。
结论
关于数据表的设计,有三个范式要遵循
- 1NF,确保每列保持原子性数据库的每一列都是不可分割的原子数据项。不可再分的最小数据单元,而不能是集合、数组、记录等非原子数据项。
- 2NF,确保每列和主键完全依赖尤其在复合主键的情况下,尤其在复合主键的情况下,非主键部分不应该依赖于部分主键。
- 3NF,确保每列都和主键列直接相关,而不是间接相关。
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,3NF通常被认为在性能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,我们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。
范式本身没有优劣之分,只有适用场景不同。没有完美的设计,只有合适的设计,我们在数据表的设计中,还需要根据需求将范式和反范式混合使用。