第六章 schema设计与管理

本文涉及的产品
RDS AI 助手,专业版
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: 第六章 schema设计与管理

选择数据的类型

更⼩的通常更好

简单为好

尽量避免存储null

整数类型

对于计算和存储来说INT(1)和INT(20)是相同的。

实数类型

带有⼩数部分的数字,建议只指定类型,不指定精度。

字符串类型

varchar可变⻓度字符串类型,使⽤1或2字节记录字符串⻓度。

char是固定⻓度,经常修改的情况适⽤于char,因为没有内存碎⽚。

最好分配合适的空间

使⽤VARCHAR(5)和VARCHAR(200)显然⼩的更加节省空间。

BLOB和TEXT类型

BLOB使⽤的是⼆进制数据,没有排序规则和字符集,但

Text类型有字符集和排序规则。不能使⽤索引进⾏排序。

在数据库中存储图像

尽量不要在数据库中存储图像数据,⽽是使⽤单独的图像对象存储,并跟踪图⽚的位置。

MySQL schema设计上的陷阱

太多的列,MySQL的⾏数据转换与列的数量有关。

太多的连接,

null不是虚拟值

MySQL会对null进⾏索引,尽量不使⽤null,使⽤其他值替代null。

⼩结:

简⽽⾔之,让事情尽可能⼩⽽简单是⼀个好主意。

请记住以下指导原则:

● 尽量避免在设计中出现极端情况,例如,强制执⾏⾮常复杂的查询或者包含很多列的表设计(很多的意思是介于有点多和⾮常多之间)。

● 使⽤⼩的、简单的、适当的数据类型,并避免使⽤

NULL,除⾮确实是对真实数据进⾏建模的正确⽅法。

2● 尝试使⽤相同的数据类型来存储相似或相关的值,尤其是在联接条件中使⽤这些值时。

● 注意可变⻓度字符串,它可能会导致临时表和排序的全⻓内存分配不乐观。

● 如果可能的话,尝试使⽤整数作为标识符。

● 避免使⽤⼀些传统的MySQL技巧,例如,指定浮点数的精度或整数的显示宽度。

● ⼩⼼使⽤ENUM和SET类型。它们很⽅便,但也可能被滥⽤,有时还很棘⼿。另外

相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
相关文章
|
1月前
|
存储 人工智能 算法
从“支撑搜索”到“图谱推理”:Graph RAG落地全攻略
AI博主深度解析RAG演进:从基础“查字典”到图谱RAG“看地图”,再到代理RAG“招管家”。重点拆解KG-RAG如何用知识图谱(三元组+逻辑路径)抑制大模型幻觉,提升垂直领域推理精度,并提供查询增强、子图检索、CoT提示等实战指南。(239字)
118 1
|
19天前
|
数据采集 存储 自然语言处理
向量数据库实战——零基础搭建专属RAG知识库
本文手把手教你零代码搭建向量数据库,构建个人大模型知识库:5步完成数据清洗、入库、检索配置与测试,无需编程/本地GPU,10分钟上手RAG核心环节,解决大模型“记不住专属知识”难题。(239字)
|
2月前
|
人工智能 安全 机器人
智能体来了:从 0 到 1 搭建高效 AI Agent 工作流全指南
2026 年,大模型应用已进入“智能体工作流(Agentic Workflow)”的深水区。单次提示词输出已无法满足复杂的商业需求。本文将深度解析如何从底层架构到生产环境,从 0 到 1 搭建一个具备自我进化能力的智能体工作流。本文旨在为开发者提供一份高权重的技术参考指南。
983 2
|
7月前
|
缓存 自然语言处理 数据可视化
知识图谱与RAG融合实战:用LightRAG极速构建智能问答系统
本文介绍了LightRAG——一种融合知识图谱与RAG技术的轻量级框架,通过三重检索机制(向量、关键词与图检索)提升问答系统的准确性与全面性,并提供快速构建、可视化、性能优化及多领域应用方案。
|
2月前
|
机器学习/深度学习 人工智能 算法
2026年Geo优化的底层逻辑:从语义占位到数字信任的范式重构
“两大核心+四轮驱动”体系,不仅是获客提效的工具,更是企业在AI语义空间中构建数字信任资产的底层协议。
202 1
|
7月前
|
存储 人工智能 自然语言处理
深度解析智能体工作流(Agentic Workflows):核心概念、模式与应用
本文系统解析智能体工作流(Agentic Workflow),结合AI智能体的推理、工具与记忆能力,实现复杂任务的动态执行。内容涵盖核心概念、关键模式及实际应用,帮助读者全面理解其价值与挑战。
5783 1
|
8月前
|
人工智能 算法 调度
多智能体协作平台(MCP)实现多供应商AI生态系统中的互操作性
在现代人工智能(AI)领域,智能体的互操作性是实现系统协同的关键要素。随着多个供应商提供不同的智能体产品,如何在复杂的生态系统中构建互操作性的基础设施变得尤为重要。本文将探讨如何构建一个支持多供应商智能体互操作性的生态体系,重点讨论多供应商环境中的MCP(Multi-Agent Collaborative Platform)架构,解决不同智能体之间的协作与资源共享问题。
多智能体协作平台(MCP)实现多供应商AI生态系统中的互操作性
|
vr&ar C# 图形学
从零开始的PICO开发教程(4)-- VR世界 射线传送、旋转和移动
这篇文章是PICO开发系列教程的第四部分,详细介绍了在VR世界中实现射线传送、视角旋转和人物移动的方法,包括使用Teleportation组件进行区域传送和锚点传送,通过Snap Turn Provider组件实现视角快速旋转,以及创建PlayControl脚本来控制人物移动,并通过手柄与脚本组件的交互来增强VR体验。
|
9月前
|
人工智能 自然语言处理 算法
AI时代如何让大模型「读懂」企业数据?——从“单一问数”到“复杂决策”的智能跃迁
从早期的传统BI,到敏捷BI,再到智能BI,BI工具正逐步进化为具备类人推理能力的数字助手。Gartner预测,到2025年,增强型消费者体验将首次推动增强型BI(ABI)能力的采用率超过50%,这将深刻重塑企业的业务流程与决策模式,“人人都是数据消费者”的时代正加速到来。
1199 1
|
12月前
|
人工智能 监控 前端开发
主流多智能体框架设计原理
本文描述了关于智能体(Agents)和多智能体系统(Multi-Agent Systems, MAS)的详尽介绍,涵盖了从定义、分类到具体实现框架的多个方面。
主流多智能体框架设计原理