第33期:MySQL 表标准化设计
关系表设计合理与否是影响关系型数据库性能的核心要素之一。
谈到关系型数据库表设计问题,首先想到的是范式理论。也就是说一张表的设计首先要满足一定的范式,完了后再根据一定的需求来反范式设计,也即冗余备用设计。
数据库范式一般包含6个,分别为1NF、2NF、3NF、BCNF、4NF、5NF。 这6个范式级别分别从数据是否允许一定范围的冗余、数据是否更加精细化的管理这两个关键点出发,越往后,数据越规范,冗余越小,可读性越强。
一般来说,达到3NF或者BCNF即可,或者更进一步,达到4NF即可,5NF更加偏向学术。
再次假设我们对各种依赖关系非常明确(部分函数依赖,完全函数依赖,传递函数依赖,多值依赖,连接依赖等)。下面我用经典的员工表与学生表来举例说明每个范式的逐级优化。
1NF: 也即属性具备原子性,不可拆分。
对数据如何存放要求最低,目的是让关系表的属性(字段或列)保持原子性,不可再次拆分。
1NF 用员工表来做示例,表结构如下:
(debian-ytt1:3500)|(ytt)>desc employee;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | YES | | NULL | |
| employee_name | varchar(64) | YES | | NULL | |
| salary | json | YES | | NULL | |
| dept | varchar(64) | YES | | NULL | |
| dept_desc | text | YES | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
5 rows in set (0.00 sec)
表 employee 有五个字段,分别为 employee_number(员工号码)、employee_name(员工姓名)、salary(员工薪水)、dept(所属部门)、dept_desc(所属部门描述信息)。
员工薪水字段数据类型为 JSON ,用来存放数组或者字典数据,很明显员工薪水字段不具备原子性,员工表不符合1NF。插入一条记录,更加直观:
(debian-ytt1:3500)|(ytt)>select * from employee\G
*************************** 1. row ***************************
employee_number: 202010001
employee_name: 小王
salary: {"base_salary": 10000, "extra_salary": 100000}
dept: 财务部
dept_desc: NULL
1 row in set (0.00 sec)
以上结果中可以看出,员工薪水字段包含了两个属性:基本工资和额外工资。那改造下这个字段,一个变两个,改造后的员工表结构如下:
(debian-ytt1:3500)|(ytt)>desc employee;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | YES | | NULL | |
| employee_name | varchar(64) | YES | | NULL | |
| base_salary | varchar(30) | YES | | NULL | |
| extra_salary | varchar(30) | YES | | NULL | |
| dept | varchar(64) | YES | | NULL | |
| dept_desc | text | YES | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
6 rows in set (0.00 sec)
员工薪水字段被拆分成两个:基本薪水和额外薪水。 此时表 employee 每个字段都具备原子性,不可拆分,符合1NF。
但是符合1NF的表冗余依然太多,比如一个部门有10个员工,那 dept 和 dept_desc 两个字段就会有很多重复记录。 可以这么理解,除了1NF用来保证列原子性外,后面的所有更高级的范式都是保证在特定场景下的表原子性。
2NF: 非主键字段必须对主键字段完全函数依赖,不存非主键字段对主键字段的部分函数依赖。
2NF 比1NF在数据规范上更进一步,减少更多的冗余。
2NF改用学生表来做示范,学生表结构如下:
(debian-ytt1:3500)|(ytt)>desc `学生表` ;
+--------------------+------------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------------------+------------------+------+-----+---------+-------+
| 学号 | varchar(64) | NO | PRI | NULL | |
| 姓名 | varchar(64) | YES | | NULL | |
| 年龄 | tinyint unsigned | YES | | NULL | |
| 性别 | char(1) | YES | | NULL | |
| 课程 | varchar(64) | NO | PRI | NULL | |
| 课程学分 | tinyint unsigned | YES | | NULL | |
| 所属系名称 | varchar(64) | YES | | NULL | |
| 课程成绩 | varchar(10) | YES | | NULL | |
| 系地址 | varchar(100) | YES | | NULL | |
| 系电话 | varchar(20) | YES | | NULL | |
+--------------------+------------------+------+-----+---------+-------+
10 rows in set (0.00 sec)
这里对于学生表,设计主键为(学号,课程), 姓名、年龄、性别等字段依赖学号字段,但是不依赖课程字段;课程成绩、课程学分依赖课程字段,不依赖学号字段。所以此表存在非主键部分依赖主键,不满足2NF,需要做进一步的拆分。拆分后的表结构如下:
学生表:
(debian-ytt1:3500)|(ytt)>desc `学生表`;
+-----------------+------------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+------------------+------+-----+---------+-------+
| 学号 | varchar(64) | NO | PRI | NULL | |
| 姓名 | varchar(64) | YES | | NULL | |
| 年龄 | tinyint unsigned | YES | | NULL | |
| 性别 | char(1) | YES | | NULL | |
| 所属系名称 | varchar(64) | YES | | NULL | |
| 系地址 | varchar(100) | YES | | NULL | |
| 系电话 | varchar(20) | YES | | NULL | |
+-----------------+------------------+------+-----+---------+-------+
7 rows in set (0.00 sec)
课程表:
(debian-ytt1:3500)|(ytt)>desc `课程表`;
+--------------+------------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------------+------------------+------+-----+---------+-------+
| 课程 | varchar(64) | NO | PRI | NULL | |
| 课程学分 | tinyint unsigned | YES | | NULL | |
+--------------+------------------+------+-----+---------+-------+
2 rows in set (0.00 sec)
选课表:
(debian-ytt1:3500)|(ytt)>desc `选课表`;
+--------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------------+-------------+------+-----+---------+-------+
| 学号 | varchar(64) | NO | PRI | NULL | |
| 课程 | varchar(64) | NO | PRI | NULL | |
| 课程成绩 | varchar(10) | YES | | NULL | |
+--------------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)
拆完后,学生表满足2NF。 大部分场景都够用了,但是拆分后的学生表在某些场景下依然存在冗余问题。比如新开了几个冷门系,没有招到任何学生,那学生表里就会被插入一些除了所属系名称
,系地址
,系电话
等的空记录。那针对这种场景,2NF暂时无法满足要求,需要更高级别的规范设计。
3NF: 不存在非主键字段对主键字段的传递依赖。
3NF在2NF基础上拆的更细,消除了在满足2NF的表中非主键字段对主键字段的传递依赖关系。
拿拆分后的学生表来举例:非主键字段都依赖主键字段学号
,但是同时非主键字段系地址
和系电话
还同时依赖字段所属系名称
。 所以此时存在这样的关系:
系地址
和系电话
依赖所属系名称
,同时所属系名称
在此表中又依赖学号
,所以此时学生表不满足3nf。 为了满足3NF,我们再次对学生表做更进一步的拆分:
(debian-ytt1:3500)|(ytt)>desc `学生表`;
+-----------------+------------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+------------------+------+-----+---------+-------+
| 学号 | varchar(64) | NO | PRI | NULL | |
| 姓名 | varchar(64) | YES | | NULL | |
| 年龄 | tinyint unsigned | YES | | NULL | |
| 性别 | char(1) | YES | | NULL | |
| 所属系名称 | varchar(64) | YES | | NULL | |
+-----------------+------------------+------+-----+---------+-------+
5 rows in set (0.00 sec)
院系表
(debian-ytt1:3500)|(ytt)>desc `院系表`;
+--------+--------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+--------------+------+-----+---------+-------+
| 系名称 | varchar(64) | NO | PRI | NULL | |
| 地址 | varchar(100) | YES | | NULL | |
| 电话 | varchar(20) | YES | | NULL | |
+--------+--------------+------+-----+---------+-------+
3 rows in set (0.00 sec)
拆分后,新学生表满足3NF。接下来把之前的员工表employee 也改造成3NF,拆分成employee和dept 两张表。
(debian-ytt1:3500)|(ytt)>desc employee;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | NO | PRI | NULL | |
| employee_name | varchar(64) | NO | | NULL | |
| base_salary | varchar(30) | YES | | NULL | |
| extra_salary | varchar(30) | YES | | NULL | |
| dept | varchar(64) | YES | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
5 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>desc dept;
+-----------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------+-------------+------+-----+---------+-------+
| dept | varchar(64) | NO | PRI | NULL | |
| dept_desc | text | YES | | NULL | |
+-----------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)
重新拆分后,员工表也符合3NF。大部分场景来讲,3NF足以。
我上面例子中的表都是单一主键,如果是联合主键,则需要更细的拆分,这时候可能就得需要更高级别的BCNF。
BCNF:在3NF基础上,消除联合主键中每个键之间的部分依赖与传递依赖关系。
BCNF,强调联合主键内的字段依赖关系。
比如上面已经满足3NF的学生表和员工表,假设有这种场景:
有部分学生可能就读多个系,此时学生和系是多对对的关系,把表主键由学号
改为联合主键(学号
,所属系名称
)
(debian-ytt1:3500)|(ytt)>alter table `学生表` drop primary key, add primary key (`学号`,` 所属系名 `);
Query OK, 0 rows affected (0.04 sec)
Records: 0 Duplicates: 0 Warnings: 0
此时联合主键的两个字段互相依赖,符合3NF,但是不符合BCNF,有可能导致重复记录。
比如小李学习很好,又对很多其他的院系有兴趣,同时攻读物理系、数学系、心理学系,相关记录如下:
(debian-ytt1:3500)|(ytt)>select * from `学生表`;
+------------+--------+--------+--------+-----------------+
| 学号 | 姓名 | 年龄 | 性别 | 所属系名称 |
+------------+--------+--------+--------+-----------------+
| 2020100090 | 小李 | 21 | 男 | 心理学系 |
| 2020100090 | 小李 | 21 | 男 | 数学系 |
| 2020100090 | 小李 | 21 | 男 | 物理系 |
+------------+--------+--------+--------+-----------------+
3 rows in set (0.00 sec)
可以看到非主键字段有多个重复值! 所以现在根据这样的场景来拆分学生表,
(debian-ytt1:3500)|(ytt)>desc `学生表`
-> ;
+--------+------------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+------------------+------+-----+---------+-------+
| 学号 | varchar(64) | NO | PRI | NULL | |
| 姓名 | varchar(64) | YES | | NULL | |
| 年龄 | tinyint unsigned | YES | | NULL | |
| 性别 | char(1) | YES | | NULL | |
+--------+------------------+------+-----+---------+-------+
4 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>desc `学生_系_关系表`;
+-----------------+--------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+--------------+------+-----+---------+----------------+
| id | int unsigned | NO | PRI | NULL | auto_increment |
| 学号 | varchar(64) | YES | | NULL | |
| 所属系名称 | varchar(64) | YES | | NULL | |
+-----------------+--------------+------+-----+---------+----------------+
3 rows in set (0.00 sec)
再看看改造后的两表记录
(debian-ytt1:3500)|(ytt)>select * from `学生表`;
+------------+--------+--------+--------+
| 学号 | 姓名 | 年龄 | 性别 |
+------------+--------+--------+--------+
| 2020100090 | 小李 | 21 | 男 |
+------------+--------+--------+--------+
1 row in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>select * from `学生_系_关系表`;
+----+------------+-----------------+
| id | 学号 | 所属系名称 |
+----+------------+-----------------+
| 1 | 2020100090 | 心理学系 |
| 2 | 2020100090 | 数学系 |
| 3 | 2020100090 | 物理系 |
+----+------------+-----------------+
3 rows in set (0.00 sec)
同样针对员工表,也存在这样的场景,比如有部分员工可能身兼数职,隶属于多个部门,改造方法类似。
(debian-ytt1:3500)|(ytt)>desc employee;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | NO | PRI | NULL | |
| employee_name | varchar(64) | NO | | NULL | |
| base_salary | varchar(30) | YES | | NULL | |
| extra_salary | varchar(30) | YES | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>desc employee_vs_dept;
+-----------------+--------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+--------------+------+-----+---------+----------------+
| id | int unsigned | NO | PRI | NULL | auto_increment |
| employee_number | varchar(64) | YES | | NULL | |
| dept | varchar(64) | YES | | NULL | |
+-----------------+--------------+------+-----+---------+----------------+
3 rows in set (0.01 sec)
4NF: 在3NF基础上,消除多值依赖关系。
比3NF更加精细,依然拿员工表来举例。比如一家外企,在中国有分公司,中国分公司的员工有中文名字,但是必须每天跟外国总部沟通,所以每个人取了一个英文名字,这时候员工表的主键就变为联合主键(employee_no,employee_name)一些示例数据如下:
(debian-ytt1:3500)|(ytt)>select * from employee;
+-----------------+---------------+-------------+--------------+
| employee_number | employee_name | base_salary | extra_salary |
+-----------------+---------------+-------------+--------------+
| 202010050 | lucy | 50000 | 60000 |
| 202010050 | 小青 | 50000 | 60000 |
| 202010051 | simon | 60000 | 20000 |
| 202010051 | 小张 | 60000 | 20000 |
+-----------------+---------------+-------------+--------------+
4 rows in set (0.00 sec)
从记录结果发现,其中薪水这两个字段有重复数据,员工表一般还有其他的很多字段,所以重复数据在这种场景下会更多。
那消除这种重复记录的方法就是再次拆分这张表,拆分为三张表,表结构如下:
(debian-ytt1:3500)|(ytt)>desc employee;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | NO | PRI | NULL | |
| base_salary | varchar(30) | YES | | NULL | |
| extra_salary | varchar(30) | YES | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>desc employee_zh;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | NO | PRI | NULL | |
| employee_name | varchar(64) | NO | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>desc employee_en;
+-----------------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-----------------+-------------+------+-----+---------+-------+
| employee_number | varchar(64) | NO | PRI | NULL | |
| employee_name | varchar(64) | NO | | NULL | |
+-----------------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>select * from employee;
+-----------------+-------------+--------------+
| employee_number | base_salary | extra_salary |
+-----------------+-------------+--------------+
| 202010050 | 50000 | 60000 |
| 202010051 | 60000 | 20000 |
+-----------------+-------------+--------------+
2 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>select * from employee_zh;
+-----------------+---------------+
| employee_number | employee_name |
+-----------------+---------------+
| 202010050 | 小青 |
| 202010051 | 小张 |
+-----------------+---------------+
2 rows in set (0.00 sec)
(debian-ytt1:3500)|(ytt)>select * from employee_en;
+-----------------+---------------+
| employee_number | employee_name |
+-----------------+---------------+
| 202010050 | lucy |
| 202010051 | simon |
+-----------------+---------------+
2 rows in set (0.00 sec)
此时这种场景下,冗余数据又被拆分掉了。
总结:
其实现实场景中,并不需要严格按照范式来设计表,有时候可能需要反着来。毕竟遵循的范式理论越高,表拆的就越细,检索表数据需要的表连接就越多,表连接可是开销很大的。
关于 MySQL 的技术内容,你们还有什么想知道的吗?赶紧留言告诉小编吧!