数据库设计之思考

去年的时候写了一篇文章叫Java程序员的两项通用能力,这篇文章我提到对于Java程序员而言很重要的两项通用能力(从编程的角度出发),一是熟练掌握并深入理解Java编程语言,二是数据库。关于深入理解Java编程语言,后续我会有一个专门的wiki来讲这方面的东西,今天主要讲数据库设计方面的。我个人认为数据库设计是”互联网软件三高架构体系(高并发、高可用、高性能)”的根基

一、为什么说数据库设计是”互联网软件三高架构体系”的根基?

以我这四年多做的SaaS应用为例,都离不开一个共性,即数据的存储和处理,而数据的存储就涉及到数据库。而数据记录会存储在对应的表中,而表又是数据库中的一个组成部分(表由表名、表的字段、表的记录等构成)。自下而上看,一个良好的数据库设计,是由良好的数据表设计决定的,而一个良好的数据表设计,它能够有效地达到”三降”目的:

  • (1)降低存储成本;
  • (2)降低计算成本;
  • (2)降低维护成本。

而”三降”对于”互联网三高架构体系”又显得至关重要。所以我认为数据库设计是”互联网软件三高架构体系”的根基,没有这个根基,一切皆为空中楼阁。

二、数据库设计需要考虑哪些方面?

1.业务层面

从业务层面出发,数据库的设计必须围绕业务层面进行思考,自顶而下。这里的业务层面,主要是需求层面,弄清楚客户的需求(与自己单干做外包的原理一样),我在这篇文章提到过技术人对赚钱的思考与摸索
,其中一些文字,我用图片表示:
图一
我认为在做数据库设计的思考,有以下这么两点,可以借鉴:

  • 项目一定要调研很细,分清哪些能做,哪些不能做(不确定的不做,需求不明确的不做);
  • 调研需求前,列一个问题清单,面对面与客户沟通时,把所有疑问抛给客户(需求不明确或需求疑问得不到解答,直接慧导致很多无用功)。

2.架构层面

有人说,IT架构其实是计算、网络、存储。其中数据库就是存储的主要代表。
数据库架构也有四个原则(与互联网三高体系有一定关系):

  • 高可用;
  • 高性能;
  • 一致性;
  • 扩展性。

从架构层面上看,常见的方案有如下:

  • 主备架构(主库提供读写服务,备库冗余做故障转移);
  • 双主架构(两个主库同时提供服务,负载均衡);
  • 主从架构(一主多从,读写分离);
  • 双主+主从架构(具备双主+主从的特点)。

但每种方案都需要考虑实际情况,能否落地是关键,不能落地的方案都是”空中楼阁”。这里的实际情况指成本高低、与目前的业务是否匹配等。

3.规范层面

(1)阿里巴巴Java开发手册终极版(1.3.0)

这里我仅仅列举三个,分别为建表规约、索引规约、SQL规约(这三个非常重要)。

a.建表规约
表达是与否概念的字段,必须使用 is_xxx 的方式命名,数据类型是 unsigned tinyint(1 表示是,0 表示否)。

说明:任何字段如果为非负数,必须是 unsigned。
注意:POJO 类中的任何布尔类型的变量,都不要加 is 前缀,所以,需要在设置从 is_xxx 到
Xxx 的映射关系。数据库表示是与否的值,使用 tinyint 类型,坚持 is_xxx 的命名方式是为了明确其取值含义与取值范围。

表名、字段名必须使用小写字母或数字,禁止出现数字开头,禁止两个下划线中间只出现数字。数据库字段名的修改代价很大,因为无法进行预发布,所以字段名称需要慎重考虑。

说明:MySQL 在 Windows 下不区分大小写,但在 Linux 下默认是区分大小写。因此,数据库名、表名、
字段名,都不允许出现任何大写字母,避免节外生枝。

表名不使用复数名词。

说明:表名应该仅仅表示表里面的实体内容,不应该表示实体数量,对应于 DO 类名也是单数形式,符合表达习惯。

禁用保留字,如 desc、range、match、delayed 等,请参考 MySQL 官方保留字。
主键索引名为 pk_字段名;唯一索引名为 uk_字段名;普通索引名则为 idx_字段名。

说明:pk_ 即 primary key;uk_ 即 unique key;idx_ 即 index 的简称。

小数类型为 decimal,禁止使用 float 和 double。

说明:在存储的时候,float 和 double 都存在精度损失的问题,很可能在比较值的时候,得到不正确的
结果。如果存储的数据范围超过 decimal的范围,建议将数据拆成整数和小数并分开存储。

如果存储的字符串长度几乎相等,使用 char 定长字符串类型。
varchar是可变长字符串,不预先分配存储空间,长度不要超过 5000,如果存储长度大于此值,定义字段类型为 text,独立出来一张表,用主键来对应,避免影响其它字段索引效率。
表必备三字段:id, create_time, update_time。

说明:其中 id 必为主键,类型为 bigint unsigned、单表时自增、步长为 1。create_time, update_time
的类型均为 datetime 类型,前者现在时表示主动式创建,后者过去分词表示被动式更新。

表的命名最好是遵循“业务名称_表的作用”。
库名与应用名称尽量一致。
如果修改字段含义或对字段表示的状态追加时,需要及时更新字段注释。
字段允许适当冗余,以提高查询性能,但必须考虑数据一致。冗余字段应遵循:
  • 1) 不是频繁修改的字段。
  • 2) 不是唯一索引的字段。
  • 3) 不是 varchar 超长字段,更不能是 text 字段。
单表行数超过 500 万行或者单表容量超过 2GB,才推荐进行分库分表。

说明:如果预计三年后的数据量根本达不到这个级别,请不要在创建表时就分库分表。

合适的字符存储长度,不但节约数据库表空间、节约索引存储,更重要的是提升检索速度。
b.索引规约
业务上具有唯一特性的字段,即使是组合字段,也必须建成唯一索引。

说明:不要以为唯一索引影响了 insert 速度,这个速度损耗可以忽略,但提高查找速度是明显的;另外,
即使在应用层做了非常完善的校验控制,只要没有唯一索引,根据墨菲定律,必然有脏数据产生。

超过三个表禁止 join。需要 join 的字段,数据类型保持绝对一致;多表关联查询时,保证被关联的字段需要有索引。

说明:即使双表 join 也要注意表索引、SQL 性能。

在 varchar 字段上建立索引时,必须指定索引长度,没必要对全字段建立索引,根据实际文本区分度决定索引长度。

说明:索引的长度与区分度是一对矛盾体,一般对字符串类型数据,长度为 20 的索引,区分度会高达 90%以上,可以使用 count(distinct left(列名,索引长度))/count(*)的区分度来确定。

页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎来解决。

说明:索引文件具有 B-Tree 的最左前缀匹配特性,如果左边的值未确定,那么无法使用此索引。

如果有 order by 的场景,请注意利用索引的有序性。order by 最后的字段是组合索引的一部分,并且放在索引组合顺序的最后,避免出现 file_sort 的情况,影响查询性能。
利用覆盖索引来进行查询操作,避免回表。

说明:如果一本书需要知道第 11 章是什么标题,会翻开第 11 章对应的那一页吗?目录浏览一下就好,这
个目录就是起到覆盖索引的作用。

利用延迟关联或者子查询优化超多分页场景。

说明:MySQL 并不是跳过 offset 行,而是取 offset+N 行,然后返回放弃前 offset 行,返回 N 行,那当
offset 特别大的时候,效率就非常的低下,要么控制返回的总页数,要么对超过特定阈值的页数进行 SQL
改写。

SQL 性能优化的目标:至少要达到 range 级别,要求是 ref 级别,如果可以是 consts最好。

说明:

  • 1) consts 单表中最多只有一个匹配行(主键或者唯一索引),在优化阶段即可读取到数据。
  • 2) ref 指的是使用普通的索引(normal index)。
  • 3) range 对索引进行范围检索。
建组合索引的时候,区分度最高的在最左边。

说明:存在非等号和等号混合判断条件时,在建索引时,请把等号条件的列前置。如:where c>? and d=?
那么即使 c 的区分度更高,也必须把 d 放在索引的最前列,即建立组合索引 idx_d_c。

防止因字段类型不同造成的隐式转换,导致索引失效。
创建索引时避免有如下极端误解:
  • 1) 索引宁滥勿缺。认为一个查询就需要建一个索引。
  • 2) 吝啬索引的创建。认为索引会消耗空间、严重拖慢记录的更新以及行的新增速度。
  • 3) 抵制惟一索引。认为惟一索引一律需要在应用层通过“先查后插”方式解决。
c.SQL语句
不要使用 count(列名)或 count(常量)来替代 count(),count()是 SQL92 定义的标准统计行数的语法,跟数据库无关,跟 NULL 和非 NULL 无关。

说明:count(*)会统计值为 NULL 的行,而 count(列名)不会统计此列为 NULL 值的行。

count(distinct col) 计算该列除 NULL 之外的不重复行数,注意 count(distinct col1,col2) 如果其中一列全为 NULL,那么即使另一列有不同的值,也返回为 0。
当某一列的值全是 NULL 时,count(col)的返回结果为 0,但 sum(col)的返回结果为NULL,因此使用 sum()时需注意 NPE 问题。
使用 ISNULL()来判断是否为 NULL 值。

说明:NULL 与任何值的直接比较都为 NULL。
1) NULL<>NULL 的返回结果是 NULL,而不是 false。
2) NULL=NULL 的返回结果是 NULL,而不是 true。
3) NULL<>1 的返回结果是 NULL,而不是 true。

代码中写分页查询逻辑时,若 count 为 0 应直接返回,避免执行后面的分页语句。
不得使用外键与级联,一切外键概念必须在应用层解决。

说明:(概念解释)学生表中的 student_id 是主键,那么成绩表中的 student_id 则为外键。如果更新学
生表中的 student_id,同时触发成绩表中的 student_id 更新,即为级联更新。外键与级联更新适用于单机
低并发,不适合分布式、高并发集群;级联更新是强阻塞,存在数据库更新风暴的风险;外键影响数据库
的插入速度。

禁止使用存储过程,存储过程难以调试和扩展,更没有移植性。
数据订正(特别是删除或修改记录操作)时,要先 select,避免出现误删除,确认无误才能执行更新语句。
对于数据库中表记录的查询和变更,只要涉及多个表,都需要在列名前加表的别名(或表名)进行限定。

说明:对多表进行查询记录、更新记录、删除记录时,如果对操作列没有限定表的别名(或表名),并且操作列在多个表中存在时,就会抛异常。

SQL 语句中表的别名前加 as,并且以 t1、t2、t3、…的顺序依次命名。

说明:

  • 1)别名可以是表的简称,或者是依照表在 SQL 语句中出现的顺序,以 t1、t2、t3 的方式命名。
  • 2)别名前加 as 使别名更容易识别。
in 操作能避免则避免,若实在避免不了,需要仔细评估 in 后边的集合元素数量,控制在 1000 个之内。
因国际化需要,所有的字符存储与表示,均采用 utf8 字符集,那么字符计数方法需要注意。

说明:
SELECT LENGTH(“轻松工作”); 返回为 12
SELECT CHARACTER_LENGTH(“轻松工作”); 返回为 4
如果需要存储表情,那么选择 utf8mb4 来进行存储,注意它与 utf8 编码的区别。

TRUNCATE TABLE 比 DELETE 速度快,且使用的系统和事务日志资源少,但 TRUNCATE无事务且不触发 trigger,有可能造成事故,故不建议在开发代码中使用此语句。

说明:TRUNCATE TABLE 在功能上与不带 WHERE 子句的 DELETE 语句相同。

(2)各博友总结概要

a.没有完美的数据库设计,只有符合业务的数据库设计
b.在遵守数据库设计三大范式的同时,也要考虑用户体验
c.数据库设计时必须要做的两件事情(需求分析、考虑需求可能的变更)
d.数据库设计注意事项
  • 用户输入不能作为主键;
  • 凡是有业务意义的不能作为主键;
  • 除非是确定非空字段,其他允许为空(约束简单原则);
  • 不能缺少时间或日期字段,并预留备注字段;
  • 业务时效性;
  • 数据采集(宁滥勿缺);
  • 预先计划(考虑用户误操作,非物理删除与物理删除)。
e.字段是否允许为空(结合业务思考)
f.表增加字段不要采用drop table或create table,最好用alter(保留原来的数据)。
g.多表操作必须使用事务
h.数据库命名
  • 使用名词作为表名;
  • 相关表采用统一的前缀。
i.字段的命名
  • 根据动词被动形式+描述性后缀;
  • 时间区分当前和未来;
  • 使用第三人称复数;
  • 区分单数和复数。
j.充分利用工具
  • Power Design;
  • Navicat Data Modeler。
k.获取数据模式手册
l.做新的数据库设计时,要记住过去的教训,古为今鉴
m.在物理实践之前进行逻辑实现
n.创建数据字典和ER图表
o.有意义的字段命名
p.标准化和数据驱动
q.标准化不能过头
r.小心保留字
s.仔细选择数字类型
t.避免使用触发器
u.文本字段留足量
v.采用视图
w.用存储过程让系统做活
x.创建模式
y.报表技巧
z.检查各种变化

(3)我对规范层面的感受

从外包公司到至今,越来越体会到规范化的重要意义。从数据库设计到编码,简直是一部血泪史。当年在某创业公司的时候,除了写代码随意之外,对于数据库设计更是随意,为了功能更好实现,给数据库对应的表不断增加字段,最终造成大量冗余,数据库字段冗余,对应的Java代码也是如此。而后到某教育Saas公司才明白数据表不可轻易加字段,需要从整体全局考虑,而不是单单从自身功能实现难易考虑。

文章目录
  1. 一、为什么说数据库设计是”互联网软件三高架构体系”的根基?
  2. 二、数据库设计需要考虑哪些方面?
    1. 1.业务层面
    2. 2.架构层面
    3. 3.规范层面
      1. (1)阿里巴巴Java开发手册终极版(1.3.0)
        1. a.建表规约
          1. 表达是与否概念的字段,必须使用 is_xxx 的方式命名,数据类型是 unsigned tinyint(1 表示是,0 表示否)。
          2. 表名、字段名必须使用小写字母或数字,禁止出现数字开头,禁止两个下划线中间只出现数字。数据库字段名的修改代价很大,因为无法进行预发布,所以字段名称需要慎重考虑。
          3. 表名不使用复数名词。
          4. 禁用保留字,如 desc、range、match、delayed 等,请参考 MySQL 官方保留字。
          5. 主键索引名为 pk_字段名;唯一索引名为 uk_字段名;普通索引名则为 idx_字段名。
          6. 小数类型为 decimal,禁止使用 float 和 double。
          7. 如果存储的字符串长度几乎相等,使用 char 定长字符串类型。
          8. varchar是可变长字符串,不预先分配存储空间,长度不要超过 5000,如果存储长度大于此值,定义字段类型为 text,独立出来一张表,用主键来对应,避免影响其它字段索引效率。
          9. 表必备三字段:id, create_time, update_time。
          10. 表的命名最好是遵循“业务名称_表的作用”。
          11. 库名与应用名称尽量一致。
          12. 如果修改字段含义或对字段表示的状态追加时,需要及时更新字段注释。
          13. 字段允许适当冗余,以提高查询性能,但必须考虑数据一致。冗余字段应遵循:
          14. 单表行数超过 500 万行或者单表容量超过 2GB,才推荐进行分库分表。
          15. 合适的字符存储长度,不但节约数据库表空间、节约索引存储,更重要的是提升检索速度。
        2. b.索引规约
          1. 业务上具有唯一特性的字段,即使是组合字段,也必须建成唯一索引。
          2. 超过三个表禁止 join。需要 join 的字段,数据类型保持绝对一致;多表关联查询时,保证被关联的字段需要有索引。
          3. 在 varchar 字段上建立索引时,必须指定索引长度,没必要对全字段建立索引,根据实际文本区分度决定索引长度。
          4. 页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎来解决。
          5. 如果有 order by 的场景,请注意利用索引的有序性。order by 最后的字段是组合索引的一部分,并且放在索引组合顺序的最后,避免出现 file_sort 的情况,影响查询性能。
          6. 利用覆盖索引来进行查询操作,避免回表。
          7. 利用延迟关联或者子查询优化超多分页场景。
          8. SQL 性能优化的目标:至少要达到 range 级别,要求是 ref 级别,如果可以是 consts最好。
          9. 建组合索引的时候,区分度最高的在最左边。
          10. 防止因字段类型不同造成的隐式转换,导致索引失效。
          11. 创建索引时避免有如下极端误解:
        3. c.SQL语句
          1. 不要使用 count(列名)或 count(常量)来替代 count(),count()是 SQL92 定义的标准统计行数的语法,跟数据库无关,跟 NULL 和非 NULL 无关。
          2. count(distinct col) 计算该列除 NULL 之外的不重复行数,注意 count(distinct col1,col2) 如果其中一列全为 NULL,那么即使另一列有不同的值,也返回为 0。
          3. 当某一列的值全是 NULL 时,count(col)的返回结果为 0,但 sum(col)的返回结果为NULL,因此使用 sum()时需注意 NPE 问题。
          4. 使用 ISNULL()来判断是否为 NULL 值。
          5. 代码中写分页查询逻辑时,若 count 为 0 应直接返回,避免执行后面的分页语句。
          6. 不得使用外键与级联,一切外键概念必须在应用层解决。
          7. 禁止使用存储过程,存储过程难以调试和扩展,更没有移植性。
          8. 数据订正(特别是删除或修改记录操作)时,要先 select,避免出现误删除,确认无误才能执行更新语句。
          9. 对于数据库中表记录的查询和变更,只要涉及多个表,都需要在列名前加表的别名(或表名)进行限定。
          10. SQL 语句中表的别名前加 as,并且以 t1、t2、t3、…的顺序依次命名。
          11. in 操作能避免则避免,若实在避免不了,需要仔细评估 in 后边的集合元素数量,控制在 1000 个之内。
          12. 因国际化需要,所有的字符存储与表示,均采用 utf8 字符集,那么字符计数方法需要注意。
          13. TRUNCATE TABLE 比 DELETE 速度快,且使用的系统和事务日志资源少,但 TRUNCATE无事务且不触发 trigger,有可能造成事故,故不建议在开发代码中使用此语句。
      2. (2)各博友总结概要
        1. a.没有完美的数据库设计,只有符合业务的数据库设计
        2. b.在遵守数据库设计三大范式的同时,也要考虑用户体验
        3. c.数据库设计时必须要做的两件事情(需求分析、考虑需求可能的变更)
        4. d.数据库设计注意事项
        5. e.字段是否允许为空(结合业务思考)
        6. f.表增加字段不要采用drop table或create table,最好用alter(保留原来的数据)。
        7. g.多表操作必须使用事务
        8. h.数据库命名
        9. i.字段的命名
        10. j.充分利用工具
        11. k.获取数据模式手册
        12. l.做新的数据库设计时,要记住过去的教训,古为今鉴
        13. m.在物理实践之前进行逻辑实现
        14. n.创建数据字典和ER图表
        15. o.有意义的字段命名
        16. p.标准化和数据驱动
        17. q.标准化不能过头
        18. r.小心保留字
        19. s.仔细选择数字类型
        20. t.避免使用触发器
        21. u.文本字段留足量
        22. v.采用视图
        23. w.用存储过程让系统做活
        24. x.创建模式
        25. y.报表技巧
        26. z.检查各种变化
      3. (3)我对规范层面的感受