数据的反规范化架构

本文涉及的产品
云原生数据库 PolarDB PostgreSQL 版,企业版 4核16GB
推荐场景:
HTAP混合负载
云原生内存数据库 Tair,内存型 2GB
云数据库 Redis 版,社区版 2GB
推荐场景:
搭建游戏排行榜
简介: 【6月更文挑战第13天】 本文介绍数据库设计包括规范化和反规范化。优化设计和应用规范化规则确保高效且准确的数据存储。

1 规范化设计

设计合理的数据库使您可以访问最新、准确的信息。因为正确的设计对于实现使用数据库的目标至关重要。

一个基本原则是,减少重复冗余的数据,虽然现代很多数据表设计不得不设置冗余信息。

另一个基本原则是,保证数据的正确性和完整性以及可扩展。 如果数据被保存得不正确,那么从这里提取的信息将是无用的信息。

question_ans.png

2 关系数据库定义

规范五个范式:1NF,2NF,3NF,BCNF, 4NF

常用的前三个定义

1NF 若关系模式 R 的每一个分量是不可再分的数据项,则关系模式 R属于第一范式

2NF 若关系模式 REINF,且每一个非主属性完全依赖主键时,则关系式R是第二范式

3NF 即当2NF 消除了非主属性对码 (候选键) 的传递函数依赖,则称为 3NF

BCNF Boyce Codd Normal Form,巴克斯范式 当3NF消除了主属性对码的部分函数依赖和传递函数依赖,则称为BCNF。

4NF 4NF是限制关系模式的属性间不允许有非平凡且非函数依赖的多值依赖。
注意:如果只考虑函数依赖,关系模式最高的规范化程度是BCNF;如果考虑多值依赖,关系模式最高规范化程度是4NF。

主键(PrimaryKey):或称主键,若一个关系有多个候选码,则选定其中一个作为主码

外键(Foreign Key):如果关系模式R中的属性或属性组不是该关系的键,但它是其他
关系的码,那么该属性集对关系模式R而言是外键。

主属性(Prime Attribute):包含在任何候选码中的属性称为主属性。不包含在任何候选
码中的属性称为非主属性(Non-Prime Attribute)。

目或度(Degree);目或度指的是一个关系中属性的个数。

候选键:不含有多余属性的超键称为 候选键,是超键的最小子集。例如:学号,身份证号

函数依赖定义: 设R(U)是属性U的关系模式,X,Y是U的子集,对于R(U)的任意一个可能的关系r,r的任意两个元组在X上属性值相等,那么在Y上的属性值也相等,称“X函数确定Y” 或Y函数依赖X,记为 X->Y. X称为这个函数依赖的决定属性组,也称为决定因素。

2 反规范化设计

方法

    增加冗余列

增加冗余列是指在多个表中具有相同的列,它常用来在查询时避免连接操作。

    增加派生列

增加派生列指增加的列可以通过表中其他数据计算生成。 \n它的作用是在查询时减少计算量,从而加快查询速度。

    重新组表

重新组表指如果许多用户需要查看两个表连接出来的结果数据,则把这两个表重新组成一个表来减少连接而提高性能。

    水平分割

按记录进行分割,把数据放到多个独立的表中,主要用于表数据规模很大、表中数据相对独立或数据需要存放到多个介质上时使用:范围,列表,哈希。

    垂直分割

对表进行分割,将主键与部分列放到一个表中,主键与其它列放到另一个表中, 在查询时减少 I/0 次:冷,热列拆表。

保障数据一致性方式:

    触发器
    事务机制保证
    应用保证
    批处理脚本

反规范化优缺点:

优点:避免进行表之间连接操作,可以提高数据操作的性能
缺点:数据重复存储,浪费磁盘空间。可能导致数据不一致

3 数据设计步骤

一个基本的步骤如下:

1 确定数据库的用途    

这有助于您为其余步骤做好准备。

2 查找和组织所需信息    

收集您可能希望在数据库中记录的所有类型的信息,例如产品名称和订单号。

3 将信息划分为表格    

将您的信息项划分为主要实体或主题,例如产品或订单。然后,每个主题都变成一个表。

4 将信息项转换为列    

确定要在每个表中存储哪些信息。每个项目都将成为字段,并在表中显示为一列。例如,“雇员”表可能包含“姓氏”和“雇用日期”等字段。

5 指定主键    

选择每个表的主键。主键是用于唯一标识每一行的列。例如,产品 ID 或订单 ID。

6 设置表关系    

查看每个表,并确定一个表中的数据与其他表中的数据之间的关系。根据需要向表添加字段或创建新表以阐明关系。

7 优化您的设计    

分析您的设计是否存在错误。创建表并添加一些示例数据记录。看看你是否能从你的表格中获得你想要的结果。根据需要对设计进行调整。

8 应用规范化规则    

应用数据规范化规则以查看表的结构是否正确。根据需要对表进行调整.

4 小结

关于关系型数据库的经典设计工具可见此文 。规范化设计减少数据冗余,确保正确性和完整性,如1NF-4NF范式。反规范化通过增加冗余列、派生列等提高查询效率,但可能引发数据不一致。设计步骤涉及确定用途、组织信息、划分表格、指定主键和设置关系。

目录
相关文章
|
2月前
|
存储 SQL 关系型数据库
ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
ClickHouse的核心架构包括执行过程和数据存储两部分。执行过程涉及Parser与Interpreter解析SQL,通过Column、DataType、Block、Functions和Storage模块处理数据。Column是内存中列的表示,Field处理单个值,DataType负责序列化和反序列化,Block是内存中表的子集,Block Streams处理数据流。Storage代表表,使用不同的引擎如StorageMergeTree。数据存储基于分片和副本,1个分片由多个副本组成,每个节点只能拥有1个分片。
228 0
ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
|
20天前
|
存储 SQL BI
深入解析实时数仓Doris:介绍、架构剖析、应用场景与数据划分细节
深入解析实时数仓Doris:介绍、架构剖析、应用场景与数据划分细节
|
23天前
|
Java 数据库连接 API
“论数据访问层设计技术及其应用”写作框架,系统架构设计师
在信息系统的开发与建设中,分层设计是一种常见的架构设计方法,区分层次的目的是为了实现“高内聚低耦合”的思想。分层设计能有效简化系统复杂性,使设计结构清晰,便于提高复用能力和产品维护能力。一种常见的层次划分模型是将信息系统分为表现层、业务逻辑层和数据访问层。信息系统一般以数据为中心,数据访问层的设计是系统设计中的重要内容。数据访问层需要针对需求,提供对数据源读写的访问接口;在保障性能的前提下,数据访问层应具有良好的封装性、可移植性,以及数据库无关性。
“论数据访问层设计技术及其应用”写作框架,系统架构设计师
|
1月前
网络编程中的互联网协议 , IP地址 , 域名 , 端口 , 架构 , 网页数据请求 , 响应码
网络编程中的互联网协议 , IP地址 , 域名 , 端口 , 架构 , 网页数据请求 , 响应码
|
20天前
|
存储 消息中间件 负载均衡
技术心得记录:架构设计之数据分片
技术心得记录:架构设计之数据分片
|
28天前
|
机器学习/深度学习 数据采集 人工智能
【机器学习】CLIP模型在有限计算资源下的性能探究:从数据、架构到训练策略
【机器学习】CLIP模型在有限计算资源下的性能探究:从数据、架构到训练策略
174 0
|
1月前
|
存储 缓存 NoSQL
了解Redis,第一弹,什么是RedisRedis主要适用于分布式系统,用来用缓存,存储数据,在内存中存储那么为什么说是分布式呢?什么叫分布式什么是单机架构微服务架构微服务的本质
了解Redis,第一弹,什么是RedisRedis主要适用于分布式系统,用来用缓存,存储数据,在内存中存储那么为什么说是分布式呢?什么叫分布式什么是单机架构微服务架构微服务的本质
|
2月前
|
机器学习/深度学习 语音技术 网络架构
【视频】LSTM神经网络架构和原理及其在Python中的预测应用|数据分享
【视频】LSTM神经网络架构和原理及其在Python中的预测应用|数据分享
|
2月前
|
SQL 缓存 分布式计算
日增数据超10PB!揭秘沃尔玛Lakehouse架构选型之路
日增数据超10PB!揭秘沃尔玛Lakehouse架构选型之路
68 2
|
2天前
|
消息中间件 API 开发者
深入理解微服务架构中的服务通信与数据一致性
【7月更文挑战第15天】在微服务架构中,各个独立部署的服务之间如何高效、可靠地通信以及保持数据一致性是设计时必须考虑的关键问题。本文将探讨微服务间的通信机制和数据一致性策略,包括同步与异步通信方式的比较、事件驱动架构的应用以及CAP定理对数据一致性的影响。文章旨在为后端开发者提供实现微服务间高效通信和数据一致性的实用指导。