MySQL Schema设计（一）范式不能当'范'吃

RDBMS之父Codd于1970年代初提出范式，其出发点是为了减少数据库中数据冗余，增进数据的一致性。但冗余是奢侈的，因为那个年代的存储空间极其昂贵。理解完这一背景并对范式的持续深入后，目的是为了能更好地利用及打破规范和标准。毕竟范式带来了一些问题：

● 紧耦合，表之间表现为强依赖，在业务高速增长后，将导致拆分的老大难问题
● Join成本，表关联开销大，内存IO消费尤为突出
● 增加了系统可扩展性的复杂度

深谙范式招数之后，必然是发现招数的局限性，要么忘掉招数，要么自创招数，这就有了反范式

如果说优化器为大脑，存储引擎为手脚，MySQL的大脑目前弱了点，当遇到一些子查询或较为复杂的Join时，很容易头脑短路，表现为错误的驱动表、槽糕的执行计划...等。范式化设计的Schema的缺点如上所述，是通常需要Join成本，而反范式化的Schema因为所有数据都在一张表中，可以很好地避免Join。那么，要减少Join最直接有效的方式就是通过表字段的冗余来实现。而冗余具体该如何实现呢？下面给出几种实现方式：

① 基于静态数据的冗余
     静态数据指相关字段变更频率不高，如用户资料，可作冗余字段
     以消息表为例
     Fuid，Tuid，Msg，Dateline
     范式化设计后，在内容呈现上可能需要涉及多表关联，因为用户想知道发消息的人是谁？
     那么，可增加冗余字段：Funame
② 基于谓词的冗余
     有些where连接条件很热门，一个谓词为多个SQL服务，那么，我们可以把这些热门的谓词收集，集中存在到一张冗余表
     以用户登录为例子，假设有上亿条用户资料并做了分表处理，用户只关心uname，根据uname需要到各个分表去查询uid，此时，我们可按：uname，uid建立冗余表
③ 基于聚会函数的冗余
     频繁的count，max，sum等需求，例如，论坛今日发帖总量，可建立冗余字段Spost
④ 基于排序的冗余
     索引用来加速查询或者已经是件家喻户晓的事，但还有一个优势，即：降低排序成本。
     仍然以消息表为例，若我们按uname对消息做排序的代价估计会蛮高的，但如果在消息表里把uname冗余并且建立好索引，则可以借助索引来抵消排序

但是增加冗余，必然会牺牲部分数据的一致性。我们有必要对数据一致性问题区分优先级。对用户伤害不大，用户并不是太关心的数据，这是可容忍的。而那些致命又敏感的数据，我们需要在应用层处理，比如作二次校验，定期抽样检查，至于这会不会是个问题，需要权衡写查询的频率与读查询频率。

反范式设计的第二个优势是，因为相关列都位于同一张表里，这也能更有效地制定健壮的索引策略，也就是，在反范式中，更强调索引，而弱化外键。假设有个影视娱乐网站，现想查看最近发布的10部美国大片，范式化后查询也许是这样的：

mysql > SELECT title,actor_name
     -> FROM film
     -> INNER JOIN actor ON film.actor_id=actor.id
     -> WHERE actor.area=‘AMERICA‘
     -> ORDER BY film.published DESC LIMIT 10;

mysql > SELECT title,actor_name
     -> FROM actor_film
     -> WHERE area=‘AMERICA‘
     -> ORDER BY film.published DESC LIMIT 10;

By 迦叶

2014-1-14

Good Luck！