为什么我不喜欢数据库三范式

插曲

最近，一个远房亲戚的小表弟准备选修专业

找到我问：

"哥，现在学数据库有没有前途阿?"

"当然有啊，前途大大的呢"
"那我现在开始学数据库，需要先从什么开始呢?"

"学课程的话，先了解下数据库三范式，SQL这些吧"

"SQL我大概知道，数据库三范式是什么？"
"阿...三范式就是表的主键...唯一性那些东西吧，...嗯，应该就是那些"

"什么是主键？"

"额.....表弟你不要再问了啦，好好去百度一下行不。"

"噢...."

挂完电话，我舒了口气，由于差点暴露自己已经不记得三范式了这个不争的事实，我悄悄打开了谷歌....

数据库的这个三范式的概念，相信大多数人都不会陌生，从懵懵懂懂的大学时代就已经普及到教材了（没记错的话应该在数据库系统概论这本教材里）。

还记得那会刚开始找实习的时候，由于自己本事太小，连简历都不知道怎么写好，尤其是擅长技术的部分更是一片空白。

于是乎会找来隔壁几个学霸的简历来做参考，那会儿大家的简历上都会赫赫写着：

熟练掌握数据库三范式，精通数据库系统开发语言。

又或者是：

熟悉ER图制作工具，能实现满足三范式的数据库设计

一开始觉得数据库三范式确实是个好东西，以至于面试的时候技术官没有提问到三范式的细节，自己感到了惊讶和茫然。

随着工作经验逐渐见长，数据库范式理论在脑海里的强印象渐渐消除。我在想，要么是记忆的衰退，要么就是有些原则已经形成了本能的经验了。

那么，什么是数据库的范式？

三范式的定义

这里，不想花太多的篇幅去讨论理论性的东西，这些信息一抓一大把。我们就通过一些简单的例子来体会一下。

1. 第一范式

假设有一张用户信息表，上面除了用户编号、姓名之外，还会记录地址信息：

编号 姓名 性别 所在地 0001 张三 男 广东省，深圳市 0002 李四 女 海南省，海口市

在这里面，地址信息一栏就是不符合第一范式(1NF)的：

第一范式(1NF)：数据库表的每一列都是不可分割的原子项

因此，应该拆分为：

编号 姓名 性别 所在省 地市 0001 张三 男 广东省 深圳市 0002 李四 女 海南省 海口市

2. 第二范式

以一个订单表为例，通常在淘宝上下单时会产生包含多个商品的订单，如下：

订单号 商品号 商品名称 价格 o1 g1 洗衣液 23 o1 g2 吹风机 125 o1 g3 蚕豆 5 o2 g9 被子 302 o2 g8 枕头 69

这里同样违反了第二范式的定义：

第二范式(2NF)：每个表必须有且仅有一个数据元素为主键(Primary key),其他属性需完全依赖于主键

第二范式需建立在满足第一范式的基础之上

第二范式首先要求的是存在一个唯一的主键，在上面的表中，就必须 将 订单号、商品号 作为一个联合的主键才能满足要求 。

那么对于第二点要求呢？ 其他属性是否依赖于这个主键？

在订单的场景中，我们可以认为这算是合理的，因为商品的价格甚至名称都可能会发生变化，而在每个订单中所看到的这些信息都应该是不变的，

谁也不希望看到自己已经支付的订单中的商品信息突然大降价.. 当然更重要的还是保持订单总价与商品单价记录的一致性。

因此这里的记录可以认为是商品信息在创建订单时的一个快照。

但是，对于下面的这一场景可能就不合适了：

订单号 商品号 商品名称 价格 商品类别 o1 g1 洗衣液 23 家居 o1 g2 吹风机 125 电器 o1 g3 蚕豆 5 食品 o2 g9 被子 302 家居 o2 g8 枕头 69 家居

商品所属的类别一般是固定的，也就是商品的类别属性仅仅与商品编号相关，即仅仅是依赖于主键的一部分。

这就违反了第二范式中"其他属性必须完全依赖于主键"的规则，因此需要将该属性分离到商品信息表中。

3. 第三范式

让我们回到一开始的用户表，如果在用户信息表中，同时补充一些城市的信息：

编号 姓名 性别 城市 城市特色 城市人口 0001 张三 男 深圳市 科技、创新 1300W 0002 李四 女 海口市 旅游、观光 230W

这样便违反了第三范式的定义：

第三范式(3NF)：数据表中的每一列都和主键直接相关，而不能间接相关

同样，第三范式也需要建立在第二范式的基础之上

很明显，这里的城市人口、特色等属性都仅仅依赖于用户所在的城市，而不是用户，只能算间接的关系。

因此最好的做法是将城市相关的属性分离到一个城市信息表中。

为什么需要范式

数据库范式为数据库的设计、开发提供了一个可参考的典范，在许多教学材料中也是作为关键的课程内容。

那么范式的提出是为了解决什么问题？

• 第一范式，要求将列尽可能最小的分割，希望消除某个列存储多个值的冗余的行为

  比如用户表中的地址信息，拆分为省、市这种明确的字段，可以按独立的字段检索、查询

• 第二范式，要求唯一的主键，且不存在对主键的部分依赖，希望消除表中存在冗余(多余)的列

  比如订单表中的商品分类、详情信息，只需要由商品信息表存储一份即可。

• 第三范式，要求没有间接依赖于主键的列，即仍然是希望消除表中冗余的列

  比如用户表中不需要存储额外的 其所在城市的人口、城市特点等信息。

很明显，这些范式大都是为了消除冗余而提出的，即尽可能的减少存储成本。

PS：你懂得三范式，可以帮老板省钱，难怪简历上要写上..

除了本文中提到的三范式之外，实质上还有BCNF范式、第四、第五范式。

借助三范式的理念，你可以设计出很精炼的数据库表结构。然而现有的项目应用并不会完全遵循范式的理念，原因在于：

1. 性能原因，没有任何冗余的表设计会产生更多的查询行为，这意味着会产生更多次的数据库IO操作。在一些实时交互的系统中，可能会慢得让人难以忍受。

   当然，你可以使用数据库的 连接(join) 操作，而事实上数据库提供 join 也就是为了来缓解这种问题。但一旦用到了分库分表方案的面前，这个问题就会非常的棘手。

2. 成本结构的变化，数据库范式是在20世纪提出的，当时的磁盘存储成本还很高。随着科技发展，数据存储的成本已经大幅度缩减，对于采用范式设计(规避冗余)带来的成本缩减收益已经不那么明显。

反范式设计

既然范式是为了消除冗余，那么 反范式就是通过增加冗余、聚合的手段来提升性能 。比如，为了提升查询的性能，在CMS的文章表中同时冗余作者的信息。

当然，除了冗余(存储多份拷贝) 之外，还有另外的理念，即数据的聚合，或者叫嵌套。这种做法相当于是将多个字段(列)合并存储到数据库表的一个列中。

比如一条订单数据就可以同时包含许多信息：

{
 "oid": "0001",
 "price": {
  "total": 380,
  "benefit": 40
 },

 "goods": [{
   "gid": "SN001",
   "name": "蓝月亮洗衣液",
   "price": 41,
   "amount": 2
  },
  {
   "gid": "SN003",
   "name": "电动剃须刀",
   "price": 99,
   "amount": 1
  }
 ],

 "address": {
  "contact": "张三",
  "phone": "150899000"
   ...
 }
...
}

这种灵活的结构几乎是 NoSQL的专利，比如MongoDB文档数据库就可以直接以内嵌数组、对象的形式来实现聚合式存储，这无疑带来了极大的灵活性。

而 MySQL 在5.2.7版本开始支持JSON结构化列，也进入了聚合式存储的队伍，与其对标的PostGreSQL 则是9.4版本就已经支持。

反范式的设计在互联网项目、开源产品中也非常之常见，比如大名鼎鼎的Discuz 的数据表设计中就存在许多的冗余列、聚合字段。

一方面，除了能获得性能的提升之外，数据压缩、高度灵活扩展(非结构化) 也是反范式设计能获得青睐的理由。

当然，这里并非一律反对数据库范式，理解范式仍然是做好数据库设计的一门基础，比如选择合适的主键、清晰的划分每一列属性等等。

在项目中仍然需要 根据自身的业务特点在范式和反范式中找到平衡点(通常是两者的结合) 。类似于架构设计中空间换时间的一些做法，这其中涉及到的各种取舍都是需要经过权衡的。

也可以说这是一门艺术，因为没有标准答案...