# 第11章_数据库的设计规范
#07-数据表的设计规范
# 2. 范 式
# 2.1 范式简介
# 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。
# 2.2 范式都包括哪些
# 目前关系型数据库有六种常见范式，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）和第五范式（5NF，又称完美范式）。
# 2.4 第一范式(1st NF)
# 2.5 第二范式(2nd NF)
#非主属性都完全依赖与主键
# 1NF 告诉我们字段属性需要是原子性的，而 2NF 告诉我们一张表就是一个独立的对象，一张表只表达一个意思。
# 2.6 第三范式(3rd NF)
#非主属性都不传递依赖与主键
# 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，依赖于整个键，并且除了键别无他物”。
# 3. 反范式化
# 3.1 概述
# 规范化 vs 性能
# 1. 为满足某种商业目标 , 数据库性能比规范化数据库更重要
# 2. 在数据规范化的同时 , 要综合考虑数据库的性能
# 3. 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
# 4. 通过在给定的表中插入计算列，以方便查询
# 3.2 应用举例
#反范式化的举例：
CREATE DATABASE atguigudb3;
USE atguigudb3;
#学生表
CREATE TABLE student(
stu_id INT PRIMARY KEY AUTO_INCREMENT,
stu_name VARCHAR(25),
create_time DATETIME
);
#课程评论表
CREATE TABLE class_comment(
comment_id INT PRIMARY KEY AUTO_INCREMENT,
class_id INT,
comment_text VARCHAR(35),
comment_time DATETIME,
stu_id INT
);
#创建向学生表中添加数据的存储过程
DELIMITER //
CREATE PROCEDURE batch_insert_student(IN START INT(10), IN max_num INT(10))
BEGIN
DECLARE i INT DEFAULT 0;
DECLARE date_start DATETIME DEFAULT ('2017-01-01 00:00:00');
DECLARE date_temp DATETIME;
SET date_temp = date_start;
SET autocommit=0;
REPEAT
SET i=i+1;
SET date_temp = DATE_ADD(date_temp, INTERVAL RAND()*60 SECOND);
INSERT INTO student(stu_id, stu_name, create_time)
VALUES((START+i), CONCAT('stu_',i), date_temp);
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER ;
#调用存储过程，学生id从10001开始，添加1000000数据
CALL batch_insert_student(10000,1000000);
####创建向课程评论表中添加数据的存储过程
DELIMITER //
CREATE PROCEDURE batch_insert_class_comments(IN START INT(10), IN max_num INT(10))
BEGIN
DECLARE i INT DEFAULT 0;
DECLARE date_start DATETIME DEFAULT ('2018-01-01 00:00:00');
DECLARE date_temp DATETIME;
DECLARE comment_text VARCHAR(25);
DECLARE stu_id INT;
SET date_temp = date_start;
SET autocommit=0;
REPEAT
SET i=i+1;
SET date_temp = DATE_ADD(date_temp, INTERVAL RAND()*60 SECOND);
SET comment_text = SUBSTR(MD5(RAND()),1, 20);
SET stu_id = FLOOR(RAND()*1000000);
INSERT INTO class_comment(comment_id, class_id, comment_text, comment_time, stu_id)
VALUES((START+i), 10001, comment_text, date_temp, stu_id);
UNTIL i = max_num
END REPEAT;
COMMIT;
END //
DELIMITER ;
#添加数据的存储过程的调用，一共1000000条记录
CALL batch_insert_class_comments(10000,1000000);
#
SELECT COUNT(*) FROM student;
SELECT COUNT(*) FROM class_comment;
#需求
SELECT p.comment_text, p.comment_time, stu.stu_name
FROM class_comment AS p LEFT JOIN student AS stu
ON p.stu_id = stu.stu_id
WHERE p.class_id = 10001
ORDER BY p.comment_id DESC
LIMIT 10000; #106 ms
#进行反范式化的设计
#表的复制
CREATE TABLE class_comment1
AS
SELECT * FROM class_comment;
#添加主键，保证class_comment1 与class_comment的结构相同
ALTER TABLE class_comment1
ADD PRIMARY KEY (comment_id);
SHOW INDEX FROM class_comment1;
#向课程评论表中增加stu_name字段
ALTER TABLE class_comment1
ADD stu_name VARCHAR(25);
#给新添加的字段赋值
UPDATE class_comment1 c
SET stu_name = (
SELECT stu_name
FROM student s
WHERE c.stu_id = s.stu_id
);
#查询同样的需求
SELECT comment_text, comment_time, stu_name
FROM class_comment1
WHERE class_id = 10001
ORDER BY comment_id DESC
LIMIT 10000; #52 ms
# 3.3 反范式的新问题
# 存储空间变大了
# 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，反范式不能体现性能的优势，可能还会让数据库的设计更加复杂
# 3.4 反范式的适用场景
# 当冗余信息有价值或者能大幅度提高查询效率的时候，我们才会采取反范式的优化。
# 1. 增加冗余字段的建议
# 1）这个冗余字段不需要经常进行修改
# 2）这个冗余字段查询的时候不可或缺
# 2. 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。这时适当允许数据的冗余度，更方便进行数据分析。
# 4. BCNF(巴斯范式)
# 5. 第四范式
# 6. 第五范式、域键范式
# 7. 实战案例
# 8. ER模型
# 8.1 ER模型包括哪些要素？
# ER 模型中有三个要素，分别是实体、属性和关系。
# 实体 ，可以看做是数据对象，往往对应于现实生活中的真实存在的个体。在 ER 模型中，用 矩形 来表示。
# 实体分为两类，分别是 强实体 和 弱实体 。强实体是指不依赖于其他实体的实体；
# 弱实体是指对另一个实体有很强的依赖关系的实体。
# 属性 ，则是指实体的特性。比如超市的地址、联系电话、员工数等。在 ER 模型中用 椭圆形 来表示。
# 关系 ，则是指实体之间的联系。比如超市把商品卖给顾客，就是一种超市与顾客之间的联系。
# 在 ER 模型中用 菱形 来表示。
# 注意：实体和属性不容易区分。这里提供一个原则：我们要从系统整体的角度出发去看，可以独立存在的是实体，
# 不可再分的是属性。也就是说，属性不能包含其他属性。
# 8.2 关系的类型
# 在 ER 模型的 3 个要素中，关系又可以分为 3 种类型，分别是 一对一、一对多、多对多。
# 一对一 ：指实体之间的关系是一一对应的，比如个人与身份证信息之间的关系就是一对一的关系。
# 一个人只能有一个身份证信息，一个身份证信息也只属于一个人。
# 一对多 ：指一边的实体通过关系，可以对应多个另外一边的实体。
# 相反，另外一边的实体通过这个关系，则只能对应唯一的一边的实体。
# 比如说，我们新建一个班级表，而每个班级都有多个学生，
# 每个学生则对应一个班级，班级对学生就是一对多的关系。
# 多对多 ：指关系两边的实体都可以通过关系对应多个对方的实体。比如在进货模块中，
# 供货商与超市之间的关系就是多对多的关系，一个供货商可以给多个超市供货，一
# 个超市也可以从多个供货商那里采购商品。再比如一个选课表，有许多科目，
# 每个科目有很多学生选，而每个学生又可以选择多个科目，这就是多对多的关系。
# 8.3 建模分析
# 8.4 ER 模型的细化
# 8.5 ER 模型图转换成数据表
# 通过绘制 ER 模型，我们已经理清了业务逻辑，现在，我们就要进行非常重要的一步了：
# 把绘制好的 ER模型，转换成具体的数据表，下面介绍下转换的原则：
# （1）一个 实体 通常转换成一个 数据表 ；
# （2）一个 多对多的关系 ，通常也转换成一个 数据表 ；
# （3）一个 1 对 1 ，或者 1 对多 的关系，往往通过表的 外键 来表达，而不是设计一个新的数据表；
# （4） 属性 转换成表的 字段 。
# 9. 数据表的设计原则
# 综合以上内容，总结出数据表设计的一般原则："三少一多"
# 1. 数据表的个数越少越好
# 2. 数据表中的字段个数越少越好
# 3. 数据表中联合主键的字段个数越少越好
# 4. 使用主键和外键越多越好
# 注意：这个原则并不是绝对的，有时候我们需要牺牲数据的冗余度来换取数据处理的效率。
# 10. 数据库对象编写建议
# 10.1 关于库
# 1. 【强制】库的名称必须控制在32个字符以内，只能使用英文字母、数字和下划线，建议以英文字母开头。
# 2. 【强制】库名中英文 一律小写 ，不同单词采用 下划线 分割。须见名知意。
# 3. 【强制】库的名称格式：业务系统名称_子系统名。
# 4. 【强制】库名禁止使用关键字（如type,order等）。
# 5. 【强制】创建数据库时必须 显式指定字符集 ，并且字符集只能是utf8或者utf8mb4。
# 创建数据库SQL举例：CREATE DATABASE crm_fund DEFAULT CHARACTER SET 'utf8' ;
# 6. 【建议】对于程序连接数据库账号，遵循 权限最小原则
# 使用数据库账号只能在一个DB下使用，不准跨库。程序使用的账号 原则上不准有drop权限 。
# 7. 【建议】临时库以 tmp_ 为前缀，并以日期为后缀；
# 备份库以 bak_ 为前缀，并以日期为后缀。
# 10.2 关于表、列
# 1. 【强制】表和列的名称必须控制在32个字符以内，表名只能使用英文字母、数字和下划线，
# 建议以 英文字母开头 。
# 2. 【强制】 表名、列名一律小写 ，不同单词采用下划线分割。须见名知意。
# 3. 【强制】表名要求有模块名强相关，同一模块的表名尽量使用 统一前缀 。比如：crm_fund_item
# 4. 【强制】创建表时必须 显式指定字符集 为utf8或utf8mb4。
# 5. 【强制】表名、列名禁止使用关键字（如type,order等）。
# 6. 【强制】创建表时必须 显式指定表存储引擎 类型。如无特殊需求，一律为InnoDB。
# 7. 【强制】建表必须有comment。
# 8. 【强制】字段命名应尽可能使用表达实际含义的英文单词或 缩写 。
# 如：公司 ID，不要使用corporation_id, 而用corp_id 即可。
# 9. 【强制】布尔值类型的字段命名为 is_描述 。
# 如member表上表示是否为enabled的会员的字段命名为 is_enabled。
# 10. 【强制】禁止在数据库中存储图片、文件等大的二进制数据
# 通常文件很大，短时间内造成数据量快速增长，数据库进行数据库读取时，
# 通常会进行大量的随机IO操作，文件很大时，IO操作很耗时。
# 通常存储于文件服务器，数据库只存储文件地址信息。
# 11. 【建议】建表时关于主键： 表必须有主键 (1)强制要求主键为id，类型为int或bigint，
# 且为auto_increment 建议使用unsigned无符号型。 (2)标识表里每一行主体的字段不要设为主键，
# 建议设为其他字段如user_id，order_id等，并建立unique key索引。
# 因为如果设为主键且主键值为随机插入，则会导致innodb内部页分裂和大量随机I/O，性能下降。
# 12. 【建议】核心表（如用户表）必须有行数据的 创建时间字段 （create_time）和
# 最后更新时间字段（update_time），便于查问题。
# 13. 【建议】表中所有字段尽量都是 NOT NULL 属性，业务可以根据需要定义 DEFAULT值 。
# 因为使用NULL值会存在每一行都会占用额外存储空间、数据迁移容易出错、聚合函数计算结果偏差等问题。
# 14. 【建议】所有存储相同数据的 列名和列类型必须一致 （一般作为关联列，
# 如果查询时关联列类型不一致会自动进行数据类型隐式转换，会造成列上的索引失效，导致查询效率降低）。
# 15. 【建议】中间表（或临时表）用于保留中间结果集，名称以 tmp_ 开头。
# 备份表用于备份或抓取源表快照，名称以 bak_ 开头。中间表和备份表定期清理。
# 16. 【示范】一个较为规范的建表语句：
CREATE TABLE user_info (
`id` int unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
`user_id` bigint(11) NOT NULL COMMENT '用户id',
`username` varchar(45) NOT NULL COMMENT '真实姓名',
`email` varchar(30) NOT NULL COMMENT '用户邮箱',
`nickname` varchar(45) NOT NULL COMMENT '昵称',
`birthday` date NOT NULL COMMENT '生日',
`sex` tinyint(4) DEFAULT '0' COMMENT '性别',
`short_introduce` varchar(150) DEFAULT NULL COMMENT '一句话介绍自己，最多50个汉字',
`user_resume` varchar(300) NOT NULL COMMENT '用户提交的简历存放地址',
`user_register_ip` int NOT NULL COMMENT '用户注册时的源ip',
`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE
CURRENT_TIMESTAMP COMMENT '修改时间',
`user_review_status` tinyint NOT NULL COMMENT '用户资料审核状态，1为通过，2为审核中，3为未
通过，4为还未提交审核',
PRIMARY KEY (`id`),
UNIQUE KEY `uniq_user_id` (`user_id`),
KEY `idx_username`(`username`),
KEY `idx_create_time_status`(`create_time`,`user_review_status`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='网站用户基本信息'
# 17. 【建议】创建表时，可以使用可视化工具。这样可以确保表、字段相关的约定都能设置上。
# 实际上，我们通常很少自己写 DDL 语句，可以使用一些可视化工具来创建和操作数据库和数据表。
# 可视化工具除了方便，还能直接帮我们将数据库的结构定义转化成 SQL 语言，
# 方便数据库和数据表结构的导出和导入。
# 10.3 关于索引
# 1. 【强制】InnoDB表必须主键为id int/bigint auto_increment，且主键值 禁止被更新 。
# 2. 【强制】InnoDB和MyISAM存储引擎表，索引类型必须为 BTREE 。
# 3. 【建议】主键的名称以 pk_ 开头，唯一键以 uni_ 或 uk_ 开头，普通索引以 idx_ 开头，
# 一律使用小写格式，以字段的名称或缩写作为后缀。
# 4. 【建议】多单词组成的columnname，取前几个单词首字母，加末单词组成column_name。
# 如:sample 表 member_id 上的索引：idx_sample_mid。
# 5. 【建议】单个表上的索引个数 不能超过6个 。
# 6. 【建议】在建立索引时，多考虑建立 联合索引 ，并把区分度最高的字段放在最前面。
# 7. 【建议】在多表 JOIN 的SQL里，保证被驱动表的连接列上有索引，这样JOIN 执行效率最高。
# 8. 【建议】建表或加索引时，保证表里互相不存在 冗余索引 。
# 比如：如果表里已经存在key(a,b)，则key(a)为冗余索引，需要删除。
# 10.4 SQL编写
# 1. 【强制】程序端SELECT语句必须指定具体字段名称，禁止写成 *。
# 2. 【建议】程序端insert语句指定具体字段名称，不要写成INSERT INTO t1 VALUES(…)。
# 3. 【建议】除静态表或小表（100行以内），DML语句必须有WHERE条件，且使用索引查找。
# 4. 【建议】INSERT INTO…VALUES(XX),(XX),(XX).. 这里XX的值不要超过5000个。
# 值过多虽然上线很快，但会引起主从同步延迟。
# 5. 【建议】SELECT语句不要使用UNION，推荐使用UNION ALL，并且UNION子句个数限制在5个以内。
# 6. 【建议】线上环境，多表 JOIN 不要超过5个表。
# 7. 【建议】减少使用ORDER BY，和业务沟通能不排序就不排序，或将排序放到程序端去做。
# ORDERBY、GROUP BY、DISTINCT 这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的。
# 8. 【建议】包含了ORDER BY、GROUP BY、DISTINCT 这些查询的语句，
# WHERE 条件过滤出来的结果集请保持在1000行以内，否则SQL会很慢。
# 9. 【建议】对单表的多次alter操作必须合并为一次
# 对于超过100W行的大表进行alter table，必须经过DBA审核，并在业务低峰期执行，
# 多个alter需整合在一起。 因为alter table会产生 表锁 ，期间阻塞对于该表的所有写入，
# 对于业务可能会产生极大影响。
# 10. 【建议】批量操作数据时，需要控制事务处理间隔时间，进行必要的sleep。
# 11. 【建议】事务里包含SQL不超过5个。
# 因为过长的事务会导致锁数据较久，MySQL内部缓存、连接消耗过多等问题。
# 12. 【建议】事务里更新语句尽量基于主键或UNIQUE KEY，如UPDATE… WHERE id=XX;
# 否则会产生间隙锁，内部扩大锁定范围，导致系统性能下降，产生死锁。
7. 实战案例
范式的实战案例
8. ER模型
8.3 建模分析
ER 模型看起来比较麻烦，但是对我们把控项目整体非常重要。如果你只是开发一个小应用，或许简单设
计几个表够用了，一旦要设计有一定规模的应用，在项目的初始阶段，建立完整的 ER 模型就非常关键
了。开发应用项目的实质，其实就是 建模 。
我们设计的案例是 电商业务 ，由于电商业务太过庞大且复杂，所以我们做了业务简化，比如针对
SKU（StockKeepingUnit，库存量单位）和SPU（Standard Product Unit，标准化产品单元）的含义上，我
们直接使用了SKU，并没有提及SPU的概念。本次电商业务设计总共有8个实体，如下所示。
- 地址实体
- 用户实体
- 购物车实体
- 评论实体
- 商品实体
- 商品分类实体
- 订单实体
- 订单详情实体
其中， 用户 和 商品分类 是强实体，因为它们不需要依赖其他任何实体。而其他属于弱实体，因为它们
虽然都可以独立存在，但是它们都依赖用户这个实体，因此都是弱实体。知道了这些要素，我们就可以
给电商业务创建 ER 模型了，如图：
在这个图中，地址和用户之间的添加关系，是一对多的关系，而商品和商品详情示一对1的关系，商品和
订单是多对多的关系。 这个 ER 模型，包括了 8个实体之间的 8种关系。
（1）用户可以在电商平台添加多个地址；
（2）用户只能拥有一个购物车；
（3）用户可以生成多个订单；
（4）用户可以发表多条评论；
（5）一件商品可以有多条评论；
（6）每一个商品分类包含多种商品；
（7）一个订单可以包含多个商品，一个商品可以在多个订单里。
（8）订单中又包含多个订单详情，因为一个订单中可能包含不同种类的商品
8.4 ER 模型的细化
有了这个 ER 模型，我们就可以从整体上 理解 电商的业务了。刚刚的 ER 模型展示了电商业务的框架，
但是只包括了订单，地址，用户，购物车，评论，商品，商品分类和订单详情这八个实体，以及它们之
间的关系，还不能对应到具体的表，以及表与表之间的关联。我们需要把 属性加上 ，用 椭圆 来表示，
这样我们得到的 ER 模型就更加完整了。
因此，我们需要进一步去设计一下这个 ER 模型的各个局部，也就是细化下电商的具体业务流程，然后把
它们综合到一起，形成一个完整的 ER 模型。这样可以帮助我们理清数据库的设计思路。
接下来，我们再分析一下各个实体都有哪些属性，如下所示。
（1） 地址实体 包括用户编号、省、市、地区、收件人、联系电话、是否是默认地址。
（2） 用户实体 包括用户编号、用户名称、昵称、用户密码、手机号、邮箱、头像、用户级别。
（3） 购物车实体 包括购物车编号、用户编号、商品编号、商品数量、图片文件url。
（4） 订单实体 包括订单编号、收货人、收件人电话、总金额、用户编号、付款方式、送货地址、下单
时间。
（5） 订单详情实体 包括订单详情编号、订单编号、商品名称、商品编号、商品数量。
（6） 商品实体 包括商品编号、价格、商品名称、分类编号、是否销售，规格、颜色。
（7） 评论实体 包括评论id、评论内容、评论时间、用户编号、商品编号
（8） 商品分类实体 包括类别编号、类别名称、父类别编号
这样细分之后，我们就可以重新设计电商业务了，ER 模型如图：
8.5 ER 模型图转换成数据表
通过绘制 ER 模型，我们已经理清了业务逻辑，现在，我们就要进行非常重要的一步了：把绘制好的 ER
模型，转换成具体的数据表，下面介绍下转换的原则：
（1）一个 实体 通常转换成一个 数据表 ；
（2）一个 多对多的关系 ，通常也转换成一个 数据表 ；
（3）一个 1 对 1 ，或者 1 对多 的关系，往往通过表的 外键 来表达，而不是设计一个新的数据表；
（4） 属性 转换成表的 字段 。
下面结合前面的ER模型，具体讲解一下怎么运用这些转换的原则，把 ER 模型转换成具体的数据表，从
而把抽象出来的数据模型，落实到具体的数据库设计当中。
其实，任何一个基于数据库的应用项目，都可以通过这种 先建立 ER 模型 ，再 转换成数据表 的方式，
完成数据库的设计工作。创建 ER 模型不是目的，目的是把业务逻辑梳理清楚，设计出优秀的数据库。我
建议你不是为了建模而建模，要利用创建 ER 模型的过程来整理思路，这样创建 ER 模型才有意义。
