什么是数据库设计？

数据库设计(Database Design)是指对于一个给定的应用环境，构造最优的数据库模式，建立数据库及其应用系统，使之能够有效地存储数据，满足各种用户的应用需求（信息要求和处理要求）。在数据库领域内，常常把使用数据库的各类系统统称为数据库应用系统。

无论是应用程序，还是数据库如何变化，数据始终是最重要的部分。通常，数据是系统存在的首要目的。所以数据库设计就要考虑他的健壮性和可扩展性，数据库设计是根据客户具体的应用的需求，需要的数据库做出额一系列设计。

学完本文后，您将能够:

1. 描述数据模型的特点和用途;
   
2. 列举数据模型的类型;
   
3. 描述第三范式数据模型的标准;
   
4. 描述逻辑模型中的常见概念;
   
5. 区别逻辑模型和物理模型中对应的概念;
   
6. 列举物理设计过程中常见的反范式化处理手段。
   
7. 以及对四个阶段有基本认识。
   

数据库设计的难点

1. 熟悉数据库的人缺乏业务以及行业相关的专业知识
   
2. 熟悉业务逻辑，但对数据库设计流程了解甚少。
   
3. 数据库初始化设计阶段对业务理解不够透彻，设计的数据库有一定缺陷。
   
4. 数据库的可扩展性极差，体现在后期需求的增加，需要修改数据库设计。
   
5. 数据资源冗余
   
6. 数据库性能不高
   

数据库设计的目标和基本特征

1. 数据结构化，
   
2. 数据共享度高，冗余度低，易于扩展；
   
3. 数据独立性高
   
4. 数据由 DBMS 统一管理和控制
   

数据库设计方法-新奥尔良方法

新奥尔良(New Orleans)方法的四个阶段:

• 需求分析阶段
  
• 概念设计阶段
  
• 逻辑设计阶段
  
• 物理设计阶段
  

1.系统需求分析阶段：

意义：

系统分析阶段通过手机信息并通过整理与分析为后续阶段做准备，同时在系统分析阶段需要了解现在系统的运行情况，新系统的功能需求，以及收集所需的业务知识。

任务：

（1）对用户业务行为和流程调查，确定用户期望与目标，以及当前系统的主要问题。

（2）系统调研，收集需求，确定系统边界。

（3）编写系统需求分析报告，包括用户规格说明书和数据字典。

需求分析的调查方法：

（1）问卷调查

（2）小组讨论

（3）采集样本

（4）和业务人员交谈

（5）查看现在资料和文档

需求分析包括

（1）业务

（2）信息源头

（3）外部需求

数据字典

数据字典是指对数据的数据项、数据结构、数据流、数据存储、处理逻辑等进行定义和描述，其目的是对数据流程图中的各个元素做出详细的说明，使用数据字典为简单的建模项目。简而言之，数据字典是描述数据的信息集合，是对系统中使用的所有数据元素的定义的集合。

数据项

■数据项名称，含义，数据类型，长度，取值范围，单位，与其他数据项逻辑关系等。

■是逻辑设计阶段模型优化的依据。

数据结构

■数据结构反映了数据项之间的组合关系。-个数据结构可以由若干数据项和数据结构混合组成。

数据流

■在系统内的传输路径。包括数据来源，流向，平均流量，高峰期流量等。

数据存储

■数据存取拼读,保留时间长度, 数据存取方式。

处理过程

■数据处理过程的功能及处理要求。功能是指处理过程用来做什么，要求包括单位时间内处理多少事务，多少数据量，时间响应要求等。

2.概念结构设计阶段；

概念设计的任务

分析用户提出的需求，对用户需求进行综合、归纳和抽象，形成一个独立于具体数据库管理系统的概念层次抽象模型，即为概念数据模型。

目的

概念设计的目的是根据需求分析的结果，将用户对数据的需求综合成一个统一的概念模型，它是整个数据库设计的关键。概念模型是现实世界和 DBMS 支持的数据模型之间的桥梁

概念模型的主要特点

1．真实准确。概念模型是对现实世界的抽象和概括，它应该真实、客观地反映现实世界中的事物和事物间的联系，应具有丰富的语义表达能力，能表达出用户的各种需求，包括描述现实世界中各种对象及其之问复杂的联系、用户对数据对象的处理要求的手段。

2．易于理解

3．易修改。当客户需求发生改变时，应该容易对概念模型进行修改和补充。

4．易转换。概念模型应容易向关系、层次和面向对象模型转换。易于从概念模式转换成与 DBMS 相关的逻辑模式。

设计时，一般是先根据单个应用的需求，画出能反映每个应用需求的局部 E-R 模型。然后把这些 E-R 图合并起来，并消除冗余和可能存在的矛盾，得到系统的 E-R 图。

E-R 方法

E-R 方法使用的工具称为 E- R 图。

• E-R 图在概念设计阶段使用的比较广泛。
  
• 用 E-R 模型表示的数据库概念非常直观，易于用户理解。
  
• E-R 图主要由实体、属性和联系三个要素构成。
  

实体

具有公共性质并且可以相互区分的现实世界对象的集合，例如:老师，学生，课程都是实体。

实体中每个具体的记录值，如学生实体中每个具体的学生，称之为实体的一个实例。

属性:

• 描述实体性质或特征的数据项。
  
• 属于一个实体的所有实例都具有相同的性质。
  
• 这些性质和特征就是属性，比如学生的学号、姓名和性别等。
  

联系

描述实体内部以及实体之间的联系。

联系使用菱形框表示。

实体之间的联系通常分为三类:

• 一对一联系(1:1):例如一个班级有一个班主任。
  
• 一对多联系(1:n):例如一个班级有 n 个学生组成。
  
• 多对多联系(m:n):例如学生选修课程。一个学生可以选修多门课程，一门课程也可以被多个学生选修。
  

首先，确定实体的名字并填写实体中各项属性的名称和数据类型。

然后，确定实体的主键以标志实体。

最后，对创建好的实体添加关系。 E-R 图所表示的概念模型是用户数据要求的形式化。E-R 图对立于任何一种数据模型，它不为任何一种 DBMS 所支持。

3.逻辑结构设计阶段：

逻辑设计的任务就是把概念模型转换成某个具体的 DBWS 所支持的数据模型、

逻辑设计

这个阶段是将概念模型转化为具体的数据模型的过程。

• 按照概念设计阶段建立的基本 E-R 图，按选定的目标数据模型(层次、网状、关系、面向对象) ,转换成相应的逻辑模型。
  
• 对于关系型数据库来说，这种转换要符合关系数据模型的原则，得到的就是逻辑数据模型。
  
• 这个阶段主要的工作就是确定关系模型里面的属性和码(或者说主键)。
  
• 比较常用的方式是使用 E- R 设计工具，IDEF1x 方法来进行逻辑模型建设，常用的 ER 图表示法包括 IDEF1x,IE 模型的 Crow's foot，UML 类图方式等。
  

IDEF1X 方法

IDEF1X(Integration DEFinition for Information Modeling)

信息模型集成定义。

IDEF1X 是 IDEF 系列方法中 IDEF1 的扩 展版本，是在 E-R (实体联系)方法的原则基础上，增加了一些规则，使语义更为丰富的一种方法。

IDEF1X 特点:有四个，如下所示：

• 良好的可扩展性。
  
• 简明的一致性结构。
  
• 便于理解。
  
• 可以自动化生成模型。
  

逻辑模型中的实体

根据实体的特点，划分为两类:

• 独立型实体(Independent Entity)
  

1. 直角矩形表示。
   
2. 不依赖于其他实体，可以独立存在。
   

• 依赖型实体(Dependent Entity)
  

1. 圆角矩形表示。
   
2. 必须依赖于其它实体而存在。
   
3. 依赖型实体中的主键必须是独立实体主键的一部分或者全部。
   

实体中的属性

逻辑模型的总结

实体就是描述业务的元数据。

主键是识别实体每一个实例唯一性的标识。

只有存在外键，实体之间才会存在关系，没有外键不能建立关系。

关系的基数反映了关系之间的业务规则。

1. 一个客户只能拥有一个一类储蓄账户。
   
2. 一个客户可以拥有多个储蓄账户。
   
3. 一个订单只能对应一个发货运单。
   
4. 一个产品包括多个零件。
   

范式理论(Normal Form)

在数据库设计的时候要满足的设计规范

满足不同程度的要求为满足不同的范式;

把属性放置在正确的实体的这个过程称为范式化(normalization).

发展历史

1. 1971~1972: Codd 系统地提出了 1NF、2NF 和 3NF 的概念，讨论了规范化问题;
   
2. 1974: Codd 和 Boyce 共同提出 了新范式，BCNF;
   
3. 1976: Fagin 提出了 4NF;
   
4. 之后的研究人员进一步提出 5NF。
   

意义

设计逻辑模型时候最常遇到的问题

哪些属性应当放到实体中，怎么放?

范式化的意义:

减少数据冗余。

提供良好的可扩展性。

消除数据更新时候可能产生的数据不一致情况。

范式之间的关系:

满足最低要求的叫第一范式，记为 1NF。

在第一范式满足进- 步要求的为第二范式，2NF。以此类推。

一个低一级范式的关系模式通过模式分解(Schema Decomposition)可以转换为若干个

高一级范式的关系模式的集合。

值域

定义一个属性取值的有效范围

在值域里面的值都是合法数据。

值域体现了规则。

数据库设计三大范式

为了建立冗余较小、结构合理的数据库，设计数据库时必须遵循一定的规则。在关系型数据库中这种规则就称为范式。范式是符合某一种设计要求的总结。要想设计一个结构合理的关系型数据库，必须满足一定的范式。

1．第一范式(确保每列保持原子性)

第一范式是最基本的范式。如果数据库表中的所有字段值都是不可分解的原子值，就说明该数据库表满足了第一范式。

原子性的程度

原子性概念在实际应用中容易出现歧义。

不可再分的程度如何确定边界。

具有编码规则的代码实际上都是复合型代码，从规则上讲都是可分的。

比如身份证号码、手机号码，都是可以进一步拆分出更细粒度的数据。

从值域的角度来理解。

身份证号码的值域:只要符合身份证编码规则的就是合法的身份证，就是原子性的数据。

2．第二范式(确保表中的每列都和主键相关)

第二范式在第一范式的基础之上更进一层。第二范式需要确保数据库表中的每一列都和主键相关，而不能只与主键的某一部分相关（主要针对联合主键而言）。也就是说在一个数据库表中，一个表中只能保存一种数据，不可以把多种数据保存在同一张数据库表中。

3．第三范式(确保每列都和主键列直接相关,而不是间接相关)

第三范式需要确保数据表中的每一列数据都和主键直接相关，而不能间接相关。

雪花型模型

逻辑模型建设的主要事项

（1）建立命名规则

命名规则的意义:

统一命名，避免歧义。

防止冗余的实体或者属性产生。

有利于工作中不同角色的人员之间通过规范的命名和属于进行交流。

便于使用。

实体和属性的命名建议:

实体名称:分类域大写+实体描述词(全称，首字母大写)。

属性名称:使用全称，首字母大写，一些约定俗称的空格缩写。

避免英语和拼音的混用。

如果是缩写，一定是英语的缩写，避免使用拼音的声母缩写。

（2）按照设计流程设计逻辑数据模型

（3）确定实体和属性:

定义实体的主键(PK).

定义部分非键属性(Non-Key Attribute).

定义非唯- -属性组。

添加相应的注释内容。

（4）确定实体与实体之间的关系:

通过外键来体现。

决定实体之间是否是可识别的关系。

确定关系的基数属于 1:1, 1:n 还是 n:m。

（5）补充实体的非键值属性:

按照 3NF 的规则，判定添加的属性是否符合 3NF 的设计原则。

如果新增属性违反 3NF,需要进行实体拆分，确定新的实体和关系。

添加注释。

4.数据库物理设计阶段；

数据库物理设计过程中需要对时间效、空间效率、维护代价和各种用户要求进行权衡，其结果可以产生多种方案。评价物理数据库的方法完全依赖于所选用的关系数据库管理系统，主要是从定量估算各种方案的存储空间、存取时间和维护代价入手，对估算结果进行权衡、比较，选择出一个较优的、合理的物理结构。

工作内容：

（1）实体非正则化处理

（2）表和字段的物理命名

（3）确定字段类型，长度，精度等

（4）增加逻辑模型中不存在的物理对象，比如索引，约束等。

相同的事物，不同的名称

逻辑模型和物理模型的对比

物理模型反范式处理

(1)从性能和应用需求出发

物理模型是以性能为出发点，支持应用需求，兼顾数据库物理限制。

CPU 无限快，内存无限多，存储无限大，带宽无限宽，还有必要反范式处理么?

(2)有限的资源，有限的硬件条件提出了物理模型反范式化的需求。

(3)反范式处理需要适度进行

对于特定配置的硬件系统，在满足应用功能目标和性能指标的前提下，适度进行。

带来数据冗余问题。.

有可能会导致数据不一致问题。

反范式常见手段

常见反范式化处理方式

。增加重复组(repeating groups)

。预关联(pre-joins)

。派生字段

。建立汇总表或临时表

。表拆分(水平拆分或者垂直拆分)

影响

。并非对所有处理过程都能带来性能提升，有些负面影响需要综合考虑进行平衡。

。反范式会降低数据模型的灵活性。

。带来数据不一致的风险。

维护数据完整性

反范式处理后增加了数据冗余性，需要一 定的管理措施来维护数据完整性。

（1）批处理维护

批处理维护是指对复制列或派生列的修改积累-定的时间后，运行一批处理作业或存

储过程对复制或派生列进行修改，这只能在对实时性要求不高的情况下使用。

（2）应用逻辑

在应用实现过程中，在同- -事务中对所有涉及的表进行增、删、改操作。

风险较大，容易遗漏，特别是在需求变化时，不易于维护。

（3）触发器

实时处理性高。

但对于数据库压力较大，尤其是高并发环境，触发器数量需要严格控制。

建立物理化命名规范

建立命名规范，对实体进行物理化命名

1. 根据数据库物理特性进行命名;
   
2. 名称有效字符的范围(避免使用非法字符出现在名称中) ;
   
3. 避免使用物理数据库的保留关键字;
   
4. 命名尽量采用富有意义、易于记忆、描述性强、简短及具有唯一-性的英文词汇，
   
5. 不准采用汉语拼音。
   
6. 制定项目组范围内统- 的命名规则，并严格遵守。
   
7. 名称缩写要达成约定。
   

对象命名示例

表的物理化

• 进行反范式化操作。
  
• 决定是否要分区。
  
• 对于大表进行分区，减少 IO 扫描量，加速范围查询。
  
• 决定是否要拆分历史表和当前表。
  
• 历史表是冷数据，可以放在低速存储上;当前表是热数据，使用高速存储。
  
• 历史表可以使用压缩方法减少占用的存储空间。
  

字段的物理化

选择合适的类型，考虑以下因素:

尽量使用短字段的数据类型。

长度较短的数据类型不仅可以减小数据文件的大小，提升 IO 性能;同时也可以减小相关计算时的内存消耗，提升计算性能。比如对于整型数据，如果可以用 smallint 就尽量不用 int，如果可以用 int 就尽量不用 bigint。

使用一致的数据类型。

表关联列尽量使用相同的数据类型。如果表关联列数据类型不同，数据库必须动态地转化为相同的数据类型进行比较，这种转换会带来一定的性能消耗 。选择高效数据类型。

字段的约束 DEFAULT

如果能够从业务层面补全字段值，就不建议使用 DEFAULT 约束，避免数据加载时产生不符合预期的结果。 NOT NULL

给明确不存在 NULL 值的字段加上 NOT NULL 约束。

唯一约束/主键约束

主键=唯一+ NOT NULL。

如果条件允许，就增加。

检查约束

检查约束因为对于数据质量提出了要求，不满足约束的数据在插入数据表会导致 SQL 失败。

索引的创建与使用

可以增加索引的情况:

1.在经常需要搜索查询的列;

2.在作为主键的列，上创建索引，强制该列的唯一性;

3.在经常使用连接的列上创建索引;

4.在经常需要根据范围进行搜索的列上创建索引;

5.在经常需要排序的列上创建索引;

6.在经常使用 WHERE 子句的列上创建索引。

索引建多了，会有负面影响

• 占用更多的空间;
  
• 插入基表数据的效率会下降。
  
• 删除无效的索引，避免空间浪费
  

其他物理手段

根据其他特定需求:

• 是否采用压缩。
  
• 是否需要对数据进行加密。
  
• 是否需要对数据进行脱敏。
  

使用建模软件

使用建模软件来进行逻辑建模和物理建模:

• 功能强大而丰富;
  
• 正向生成 DDL，反向解析; .
  
• 在逻辑模型和物理模型中*切换使用视图;
  
• 全面满足建模中的各种需求，高效进行建模。
  

相关软件:

1. CA ERWin;
   
2. SAP PowerDesigner;
   
3. ER/Studio;
   
4. pgModeler;
   
5. Dbeaver Community;
   

物理模型产出物

●物理数据模型;

●物理模型命名规范;

●物理数据模型设计说明书;

●生成 DDL 建表语句。

总结

在本文中，围绕着数据库建模的新奥尔良法，对需求分析，概念设计，逻辑设计和物理设计这四个阶段进行了介绍和讲解，对每一个设计阶段的任务都进行了明确说明。对需求分析阶段的重要意义进行了阐述。在概念设计阶段引入了 E-R 方法。在逻辑设计一节中阐述了重要的基本概念和三大范式模型，并结合实例对各层范式进行了深入讲解。在物理设计阶段重点讲解了反范式化手段和工作中需要关注的重点。希望大家通过本文可以了解基本的数据库设计方法。