数据冗余与规范化的本质[数据库原理]

我们把它想象成整理一个乱七八糟的杂物间的过程。我们的目标是把所有东西分门别类放好让找东西、放东西、更新东西都变得轻松并且避免重复占用空间。第一部分为什么要“规范化”—— 解决“大杂烩”表的三大痛点假设我们管理一个“学生选课”系统最初设计了一张“万能表”学号学生姓名院系课程号课程名学分成绩1001张三计算机系C001数据库4901001张三计算机系C002数据结构4851002李四外语系C003英语文学388这张表看起来挺全但用起来问题一大堆1. 数据冗余重复存储浪费空间问题张三选了2门课他的“姓名”和“院系”就存了2次。如果他有10门课就存10次。如果“计算机系”有500个学生这个院系名就被重复存了成百上千次。后果数据库变得臃肿浪费存储空间。2. 更新异常改一处动全身容易出错修改异常如果“计算机系”改名为“智能计算学院”你需要找到表中所有院系是“计算机系”的行一行一行去改。只要有1行漏了数据就矛盾了。插入异常想新增一门新课“C004人工智能3学分”但目前还没有任何学生选它。由于“学号”是主键不能为空你竟然无法把这门新课的信息存入系统删除异常学生李四1002毕业了我们删除他唯一的选课记录C003。糟糕连“英语文学”这门课程本身的信息课程名、学分也从系统中永远消失了因为课程信息只存在这条记录里。规范化就是为了解决以上所有这些问题。第二部分规范化的核心武器 —— “函数依赖”要整理房间得先知道东西之间的归属关系。在数据库里这个关系叫“函数依赖”。通俗理解如果知道了A的值就能唯一确定B的值那么就说“B函数依赖于A”记作A → B。例子1学号 → 学生姓名。知道学号1001一定能查到他是张三。例子2课程号 → 课程名。知道课程号C001一定能查到它是“数据库”。例子3(学号, 课程号) → 成绩。必须同时知道是谁学号和哪门课课程号才能确定他的成绩。依赖关系是进行“分类整理”的指导手册。第三部分规范化步骤详解从1NF到3NF这就像整理房间的递进标准一级比一级整洁。第一范式保证每件东西都是“最小单元”要求表中的每个格子属性必须是不可再分的基本数据项。不能把多个信息塞在一个格子里。违反例子表中有一列叫“联系方式”里面填着“电话123456邮箱abcxx.com”。这就不是原子项。如何满足拆成两列“电话”和“邮箱”。目标消灭“表中套表”。第二范式解决“部分依赖” —— 把属于个人的东西归到个人档案里前提已满足1NF。要求表中的所有非关键信息必须完全依赖于整个主键不能只依赖主键的一部分。分析我们的“万能表”主键是(学号 课程号)。因为需要这两者才能唯一确定一个成绩。问题“学生姓名”和“院系”只依赖于主键中的学号知道学号就知道姓名和院系而不依赖于课程号。这就是部分依赖。后果导致张三的姓名和院系重复存储多次数据冗余。如何满足分解创建“学生档案”表存放只依赖于学号的信息。学号学生姓名院系1001张三计算机系1002李四外语系创建“课程档案”表存放只依赖于课程号的信息。课程号课程名学分C001数据库4C002数据结构4C003英语文学3保留核心的“选课记录”表存放同时依赖于学号和课程号的信息成绩。学号课程号成绩1001C001901001C002851002C00388效果张三的姓名和院系只存了一次“数据库”课程的信息也只存了一次冗余大大减少。第三范式解决“传递依赖” —— 把公共信息单独建册前提已满足2NF。要求表中的非关键信息之间不能有依赖关系。即不能出现A → B → C这种“传递链”。假设“学生档案”表增加了“院长”列学号学生姓名院系院长1001张三计算机系王院长分析这里存在学号 → 院系院系 → 院长。所以“院长”信息是通过“院系”传递依赖于“学号”的。问题如果计算机系换院长了需要修改所有计算机系学生的记录又是更新异常和冗余。如何满足再次分解创建“院系信息”表存放院系和其院长的对应关系。院系院长计算机系王院长外语系李院长简化“学生档案”表只保留对学号的直接依赖。学号学生姓名院系1001张三计算机系1002李四外语系效果院长信息只存一次修改时只需动一处。结构更清晰。第四部分规范化的好处与代价平衡的艺术规范化后的好处我们达到了目的空间利用率高数据冗余极低。维护简单增删改操作通常只影响一张小表准确高效。数据一致性强相同信息只存一份没有矛盾。过度规范化的代价新问题表太多了原来一张“万能表”现在可能拆成5-6张表。查询变慢想查“张三在计算机系王院长门下数据库课考了多少分”需要把学生表、院系表、选课表、课程表这四张表连接起来查询语句复杂执行速度可能变慢。因此在实际中特别是大数据、高并发场景操作型系统如银行交易、订单录入强调数据准确和写入效率规范化程度要高通常到3NF或BCNF。分析型系统如报表、数据仓库强调快速查询和读取允许适度反规范化。比如在“选课记录”表里直接冗余存储“学生姓名”和“课程名”虽然违反了范式但查询时不用连表速度飞快。总结一下关系规范化理论本质上是一套“拆表”的黄金法则。动机看不下去“大杂烩”表的冗余和混乱。方法用“函数依赖”分析数据关系像整理房间一样把东西分门别类。过程1NF保证每个物品是独立的。2NF把属于个人档案的东西单独放。3NF把公共资料如院系手册再单独放。目标达到结构清晰、易于维护的状态。权衡在“结构优雅”和“查询速度”之间根据实际业务需求做平衡。