MySQL 高级篇 -- 数据库设计规范

一、范式

1.1 简介

• 概念

1. 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。
2. 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。
3. 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。

• 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）。

• 键和相关属性的概念

1. 球员表(player) ：球员编号 | 姓名 | 身份证号 | 年龄 | 球队编号
2. 球队表(team) ：球队编号 | 主教练 | 球队所在地

• 函数依赖关系

1.2 第一范式（1st NF）

1NF是对属性的原子性约束，要求属性具有原子性，不可再分解。

• 改造前
  

• 改造后

1.3 第二范式（2nd NF）

在满足第一范式（1NF）的基础上，每一个非主属性必须完全依赖候选键。

• 改造前：主键（球员编号，比赛编号）

1. 比赛表 player_game 里面包含球员编号、姓名、年龄、比赛编号、比赛时间、比赛场地和得分等属性；
2. (球员编号, 比赛编号) → (姓名, 年龄, 比赛时间, 比赛场地，得分)；
3. (球员编号) → (姓名，年龄)；
4. (比赛编号) → (比赛时间, 比赛场地)；

• 非完全依赖候选键产生的问题

1. 数据冗余 ：如果一个球员可以参加 m 场比赛，那么球员的姓名和年龄就重复了 m-1 次。一个比赛也可能会有 n 个球员参加，比赛的时间和地点就重复了 n-1 次。
2. 插入异常 ：如果我们想要添加一场新的比赛，但是这时还没有确定参加的球员都有谁，那么就没法插入。
3. 删除异常 ：如果我要删除某个球员编号，如果没有单独保存比赛表的话，就会同时把比赛信息删除掉。
4. 更新异常 ：如果我们调整了某个比赛的时间，那么数据表中所有这个比赛的时间都需要进行调整，否则就会出现一场比赛时间不同的情况。

• 改造后

1.4 第三范式（3rd NF）

任何非主属性都直接依赖于主属性，不能传递依赖于主属性。

• 改造前

1. 球员player表：球员编号、姓名、球队名称和球队主教练。
   
2. 球员编号决定了球队名称，同时球队名称决定了球队主教练，非主属性球队主教练就会传递依赖于球员编号。

• 改造后

1.5 巴斯范式（BCNF）

任何非主属性不能对主键子集依赖，即在 3NF 的基础上消除了主属性对候选键的部分依赖或者传递依赖关系。

• 改造前：主键（StudentId，Major）
  

1. 这个表的设计满足三范式，但是这里存在另一个依赖关系，专业 依赖于 导师。
2. （StudentId，Major）->（Advisor），（Major）->（Advisor），所以 Advisor 部分函数依赖于（StudentId，Major）。

• 改造后

1.6 第四范式

在满足巴斯-科德范式（BCNF）的基础上，消除非平凡且非函数依赖的多值依赖。

• 改造前

1. 每门课程有对应的一组教师，每门课程也有对应的一组教材，一门课程使用的教材和教师没有关系。
2. 课程ID，教师ID，教材ID 这三列作为联合主键，为了表述方便用 Name 代替 ID。

3. 这个表除了主键，就没有其他字段了，所以肯定满足BC范式，但是却存在 多值依赖，即教材与教师无关。

• 改造后

1.7 第五范式、域键范式

1. 除了第四范式外，我们还有更高级的第五范式（又称完美范式）和域键范式（DKNF）。
2. 在满足第四范式（4NF）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。
3. 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。
4. 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。

• 改造前

1. 有一个销售信息表SALES（SALEPERSON，VENDOR，PRODUCT）。
2. SALEPERSON 代表销售人员，VENDOR 代表供和商，PRODUCT 则代表产品。

• 改造后

1. PERSON_VENDOR 表（SALEPERSON，VENDOR）
2. PERSON_PRODUCT 表（SALEPERSON，PRODUCT）
3. VENDOR­_PRODICT 表（VENDOR，PRODUCT）

二、ER 模型

• ER 模型中有三个要素，分别是实体、属性和关系。

1. 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。
2. 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。
3. 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。

• 关系的类型

1. 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。
2. 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。
3. 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。

2.1 建模分析

设计有一定规模的应用，在项目的初始阶段就应建立完整的 ER 模型，开发应用项目的实质就是建模。

• 模拟 电商业务

1. 实体：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、订单实体和订单详情实体。
2. 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。

• 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

2.2 模型细化

• 实体的属性

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。

2.3 模型图转数据表

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。

2.4 数据表的设计原则

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

三、数据库对象编写建议

3.1 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。

3.2 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。

3.3 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。

3.4 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。ORDER BY、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。