数据库设计中的 14 个技巧

  1. 原始单据与实体之间的关系
    可以是一对一、一对多、多对多的关系。在一般情况下,它们是一对一的关系:即一张原始单据对应且只对应一个实体。在特殊情况下,它们可能是一对多或多对一的关系,即一张原始单证对应多个实体,或多张原始单证对应一个实体。这里的实体可以理解为基本表。明确这种对应关系后,对我们设计录入界面大有好处。
    〖例 1〗:一份员工履历资料,在人力资源信息系统中,就对应三个基本表:员工基本情况表、社会关系表、工作简历表。这就是 “ 一张原始单证对应多个实体 ” 的典型例子。
  2. 主键与外键
    一般而言,一个实体不能既无主键又无外键。在 E—R 图中, 处于叶子部位的实体, 可以定义主键,也可以不定义主键 (因为它无子孙), 但必须要有外键(因为它有父亲)。
    主键与外键的设计,在全局数据库的设计中,占有重要地位。当全局数据库的设计完成以后,有个美国数据库设计专家说:“ 键,到处都是键,除了键之外,什么也没有 ”,这就是他的数据库设计经验之谈,也反映了他对信息系统核心 (数据模型) 的高度抽象思想。因为:主键是实体的高度抽象,主键与外键的配对,表示实体之间的连接。
  3. 基本表的性质
    基本表与中间表、临时表不同,因为它具有如下四个特性:
    (1) 原子性。基本表中的字段是不可再分解的。
    (2) 原始性。基本表中的记录是原始数据(基础数据)的记录。
    (3) 演绎性。由基本表与代码表中的数据,可以派生出所有的输出数据。
    (4) 稳定性。基本表的结构是相对稳定的,表中的记录是要长期保存的。
    理解基本表的性质后,在设计数据库时,就能将基本表与中间表、临时表区分开来。
  4. 范式标准
    基本表及其字段之间的关系, 应尽量满足第三范式。但是,满足第三范式的数据库设计,往往不是最好的设计。为了提高数据库的运行效率,常常需要降低范式标准:适当增加冗余,达到以空间换时间的目的。
    〖例 2〗:有一张存放商品的基本表,如表 1 所示。“ 金额 ” 这个字段的存在,表明该表的设计不满足第三范式,因为 “ 金额 ” 可以由 “ 单价 ” 乘以 “ 数量 ” 得到,说明 “ 金额 ” 是冗余字段。但是,增加 “ 金额 ” 这个冗余字段,可以提高查询统计的速度,这就是以空间换时间的作法。
    在 Rose 2002 中,规定列有两种类型:数据列和计算列。“ 金额 ” 这样的列被称为 “ 计算列 ”,而 “ 单价 ” 和 “ 数量 ” 这样的列被称为 “ 数据列 ”。
    表 1 商品表的表结构
    商品名称 商品型号 单价 数量 金额
    电视机 29 吋 2,500 40 100,000
  5. 通俗地理解三个范式
    通俗地理解三个范式,对于数据库设计大有好处。在数据库设计中,为了更好地应用三个范式,就必须通俗地理解三个范式 (通俗地理解是够用的理解,并不是最科学最准确的理解):
    第一范式: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;
    第二范式:2NF 是对记录的惟一性约束,要求记录有惟一标识,即实体的惟一性;
    第三范式:3NF 是对字段冗余性的约束,即任何字段不能由其他字段派生出来,它要求字段没有冗余。
    没有冗余的数据库设计可以做到。但是,没有冗余的数据库未必是最好的数据库,有时为了提高运行效率,就必须降低范式标准,适当保留冗余数据。具体做法是:在概念数据模型设计时遵守第三范式,降低范式标准的工作放到物理数据模型设计时考虑。降低范式就是增加字段,允许冗余。
  6. 要善于识别与正确处理多对多的关系
    若两个实体之间存在多对多的关系,则应消除这种关系。消除的办法是,在两者之间增加第三个实体。这样,原来一个多对多的关系,现在变为两个一对多的关系。要将原来两个实体的属性合理地分配到三个实体中去。这里的第三个实体,实质上是一个较复杂的关系,它对应一张基本表。一般来讲,数据库设计工具不能识别多对多的关系,但能处理多对多的关系。
    〖例 3〗:在 “ 图书馆信息系统 ” 中,“ 图书 ” 是一个实体,“ 读者 ” 也是一个实体。这两个实体之间的关系,是一个典型的多对多关系:一本图书在不同时间可以被多个读者借阅,一个读者又可以借多本图书。为此,要在二者之间增加第三个实体,该实体取名为 “ 借还书 ”,它的属性为:借还时间、借还标志 (0 表示借书,1 表示还书),另外,它还应该有两个外键(“ 图书 ” 的主键,“ 读者 ” 的主键),使
    它能与 “ 图书 ” 和 “ 读者 ” 连接。
  7. 主键 PK 的取值方法
    PK 是供程序员使用的表间连接工具,可以是一无物理意义的数字串, 由程序自动加 1 来实现。也可以是有物理意义的字段名或字段名的组合。不过前者比后者好。当 PK 是字段名的组合时,建议字段的个数不要太多,多了不但索引占用空间大,而且速度也慢。
  8. 正确认识数据冗余
    主键与外键在多表中的重复出现, 不属于数据冗余,这个概念必须清楚,事实上有许多人还不清楚。非键字段的重复出现, 才是数据冗余!而且是一种低级冗余,即重复性的冗余。高级冗余不是字段的重复出现,而是字段的派生出现。
    〖例 4〗:商品中的 “ 单价、数量、金额 ” 三个字段,“ 金额 ” 就是由 “ 单价 ” 乘以 “ 数量 ” 派生出来的,它就是冗余,而且是一种高级冗余。冗余的目的是为了提高处理速度。只有低级冗余才会增加数据的不一致性,因为同一数据,可能从不同时间、地点、角色上多次录入。因此,我们提倡高级冗余(派生性冗余),反对低级冗余(重复性冗余)。
  9. E–R 图没有标准答案
    信息系统的 E–R 图没有标准答案,因为它的设计与画法不是惟一的,只要它覆盖了系统需求的业务范围和功能内容,就是可行的。反之要修改 E–R 图。尽管它没有惟一的标准答案,并不意味着可以随意设计。好的 E—R 图的标准是:结构清晰、关联简洁、实体个数适中、属性分配合理、没有低级冗余。
  10. 视图技术在数据库设计中很有用
    与基本表、代码表、中间表不同,视图是一种虚表,它依赖数据源的实表而存在。视图是供程序员使用数据库的一个窗口,是基表数据综合的一种形式, 是数据处理的一种方法,是用户数据保密的一种手段。为了进行复杂处理、提高运算速度和节省存储空间, 视图的定义深度一般不得超过三层。 若三层视图仍不够用, 则应在视图上定义临时表, 在临时表上再定义视图。这样反复交迭定义, 视图的深度就不受限制了。
    对于某些与国家政治、经济、技术、军事和安全利益有关的信息系统,视图的作用更加重要。这些系统的基本表完成物理设计之后,立即在基本表上建立第一层视图,这层视图的个数和结构,与基本表的个数和结构是完全相同。并且规定,所有的程序员,一律只准在视图上操作。只有数据库管理员,带着多个人员共同掌握的 “ 安全钥匙 ”,才能直接在基本表上操作。请读者想想:这是为什么?
  11. 中间表、报表和临时表
    中间表是存放统计数据的表,它是为数据仓库、输出报表或查询结果而设计的,有时它没有主键与外键(数据仓库除外)。临时表是程序员个人设计的,存放临时记录,为个人所用。基表和中间表由 DBA 维护,临时表由程序员自己用程序自动维护。
  12. 完整性约束表现在三个方面
    域的完整性:用 Check 来实现约束,在数据库设计工具中,对字段的取值范围进行定义时,有一个 Check 按钮,通过它定义字段的值城。
    参照完整性:用 PK、FK、表级触发器来实现。
    用户定义完整性:它是一些业务规则,用存储过程和触发器来实现。
  13. 防止数据库设计打补丁的方法是 “ 三少原则 ”
    (1) 一个数据库中表的个数越少越好。只有表的个数少了,才能说明系统的 E–R 图少而精,去掉了重复的多余的实体,形成了对客观世界的高度抽象,进行了系统的数据集成,防止了打补丁式的设计;
    (2) 一个表中组合主键的字段个数越少越好。因为主键的作用,一是建主键索引,二是做为子表的外键,所以组合主键的字段个数少了,不仅节省了运行时间,而且节省了索引存储空间;
    (3) 一个表中的字段个数越少越好。只有字段的个数少了,才能说明在系统中不存在数据重复,且很少有数据冗余,更重要的是督促读者学会 “ 列变行 ”,这样就防止了将子表中的字段拉入到主表中去,在主表中留下许多空余的字段。所谓 “ 列变行 ”,就是将主表中的一部分内容拉出去,另外单独建一个子表。这个方法很简单,有的人就是不习惯、不采纳、不执行。
    数据库设计的实用原则是:在数据冗余和处理速度之间找到合适的平衡点。“ 三少 ” 是一个整体概念,综合观点,不能孤立某一个原则。该原则是相对的,不是绝对的。“ 三多 ” 原则肯定是错误的。试想:若覆盖系统同样的功能,一百个实体 (共一千个属性) 的 E–R 图,肯定比二百个实体(共二千个属性) 的 E–R 图,要好得多。
    提倡 “ 三少 ” 原则,是叫读者学会利用数据库设计技术进行系统的数据集成。数据集成的步骤是将文件系统集成为应用数据库,将应用数据库集成为主题数据库,将主题数据库集成为全局综合数据库。集成的程度越高,数据共享性就越强,信息孤岛现象就越少,整个企业信息系统的全局 E—R 图中实体的个数、主键的个数、属性的个数就会越少。
    提倡 “ 三少 ” 原则的目的,是防止读者利用打补丁技术,不断地对数据库进行增删改,使企业数据库变成了随意设计数据库表的 “ 垃圾堆 ”,或数据库表的 “ 大杂院 ”,最后造成数据库中的基本表、代码表、中间表、临时表杂乱无章,不计其数,导致企事业单位的信息系统无法维护而瘫痪。
    “ 三多 ” 原则任何人都可以做到,该原则是 “ 打补丁方法 ” 设计数据库的歪理学说。“ 三少 ” 原则是少而精的原则,它要求有较高的数据库设计技巧与艺术,不是任何人都能做到的,因为该原则是杜绝用 “ 打补丁方法 ” 设计数据库的理论依据。 
  14. 提高数据库运行效率的办法
    在给定的系统硬件和系统软件条件下,提高数据库系统的运行效率的办法是:
    (1) 在数据库物理设计时,降低范式,增加冗余, 少用触发器, 多用存储过程。
    (2) 当计算非常复杂、而且记录条数非常巨大时 (例如一千万条),复杂计算要先在数据库外面,以文件系统方式用 C++ 语言计算处理完成之后,最后才入库追加到表中去。这是电信计费系统设计的经验。
    (3) 发现某个表的记录太多,例如超过一千万条,则要对该表进行水平分割。水平分割的做法是,以该表主键 PK 的某个值为界线,将该表的记录水平分割为两个表。若发现某个表的字段太多,例如超过八十个,则垂直分割该表,将原来的一个表分解为两个表。
    (4) 对数据库管理系统 DBMS 进行系统优化,即优化各种系统参数,如缓冲区个数。
    (5) 在使用面向数据的 SQL 语言进行程序设计时,尽量采取优化算法。
    总之,要提高数据库的运行效率,必须从数据库系统级优化、数据库设计级优化、程序实现级优化,这三个层次上同时下功夫。

上述十四个技巧,是许多人在大量的数据库分析与设计实践中,逐步总结出来的。对于这些经验的运用,读者不能生帮硬套,死记硬背,而要消化理解,实事求是,灵活掌握。并逐步做到:在应用中发展,在发展中应用。