目录
1.范式介绍
2. 范式都包括哪些
3. 键和相关属性的概念
4. 第一范式(1st NF)
5. 第二范式(2nd NF)
6. 第三范式(3rd NF)
7. 反范式化
7.1 概述
7.2 应用举例
7.3 反范式的新问题
7.4 反范式的适用场景
在关系型数据库中, 关于数据表设计的基本原则, 规则就称为范式. 可以理解为, 一张数据表的设计结构需要满足的某种设计标准的级别. 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。
目前关系型数据库有六种常见范式，按照范式级别，从低到高分别是：第一范式（1NF）、第二范式 （2NF）、第三范式（3NF）、巴斯-科德范式（BCNF）、第四范式(4NF）和第五范式（5NF，又称完美范式）。
数据库的范式设计越高阶, 冗余程度越低, 同时高阶的范式一定符合低阶范式的要求, 满足最低要求的范式是第一范式(1NF), 在第一范式的基础上进一步满足更多要求的称为第二范式(2NF), 其余范式以此类推.
一般来说, 在关系型数据库设计中, 最高也就遵循到 BCNF, 普遍还是3NF. 但不绝对, 有时候为了提高某些查询性能, 我们还需要破坏范式规则, 也就只反范式化.
范式的定义会使用到主键和候选键, 数据库中的键(Key) 由一个或者多个属性组成. 数据表中常用的几种键和属性的定义:
超键: 能唯一标识元组的属性集叫做超键。
候选键: 如果超键不包括多余的属性，那么这个超键就是候选键。
主键: 用户可以从候选键中选择一个作为主键。
外键: 如果数据表 R1 中的某属性集不是 R1 的主键，而是另一个数据表 R2 的主键，那么这个属性集就是数据表 R1 的外键。
主属性: 包含在任一候选键中的属性称为主属性。
非主属性: 与主属性相对，指的是不包含在任何一个候选键中的属性。
- 超键 ：对于球员表来说，超键就是包括球员编号或者身份证号的任意组合，比如（球员编号） （球员编号，姓名）（身份证号，年龄）等。
- 候选键 ：就是最小的超键，对于球员表来说，候选键就是（球员编号）或者（身份证号）。
- 主键 ：我们自己选定，也就是从候选键中选择一个，比如（球员编号）。
- 外键 ：球员表中的球队编号。
- 主属性 、 非主属性 ：在球员表中，主属性是（球员编号）（身份证号），其他的属性（姓名） （年龄）（球队编号）都是非主属性。
通常，我们也将候选键称之为“码”，把主键也称为“主码”。因为键可能是由多个属性组成的，针对单个属性，我们还可以用主属性和非主属性来进行区分。
第一范式主要是确保数据表中每个字段的值都必须具有原子性, 也就是说数据表中每个字段的值为不可再次拆分的最小数据单元.
我们在设计某个字段的时候，对于字段x来说，不能把字段X拆分成字段 X1和字段 X-2。事实上，任何的 DBMS都会满足第一范式的要求，不会将字段进行拆分。
举例1:
假设一家公司要存储员工的姓名和联系方式。它创建一个如下表:
该表不符合 1NF ，因为规则说 “表的每个属性必须具有原子(单个)值”，lisi 和 zhaoliu 员工的
emp_mobile 值违反了该规则。为了使表符合 1NF，我们应该有如下表数据:
举例2:
user 表的设计不符合第一范式
其中，user_info 字段为用户信息，可以进一步拆分成更小粒度的字段，不符合数据库设计对第一范式的要求。将user_info拆分后如下:
举例3:
属性的原子性是主观的 。例如，Employees关系中雇员姓名应当使用1个(fullname)、2个(firstname和lastname) 还是3个 (firstname、middlename和lastname)属性表示呢? 答案取决于应用程序。如果应用程序需要分别处理雇员的姓名部分(如:用于搜索目的)，则有必要把它们分开，否则，不需要
表1:
表2:
第二范式要求，在满足第一范式的基础上，还要满足数据表里的每一条数据记录，都是可唯一标识的。而且所有非主键字段，都必须完全依赖主键，不能只依赖主键的一部分。如果知道主键的所有属性的值，就可以检索到任(要求中的主键，其实可以拓展替换为候选键)。何元组(行)的任何属性的任何值。
举例1:
成绩表 (学号，课程号，成绩) 关系中，(学号，课程号) 可以决定成绩，但是学号不能决定成绩，课程号也不能决定成绩，所以 “(学号，课程号)→成绩” 就是 完全依赖关系。
举例2:
比赛表 player _game ，里面包含 球员编号、姓名、年龄、比赛编号、比赛时间和比赛场地 等属性，这里候选键和主键都为(球员编号，比赛编号)，我们可以通过候选键(或主键)来决定如下的关系:
但是这个数据表不满足第二范式，因为数据表中的字段之间还存在着如下的对应关系:
对于非主属性来说，并非完全依赖候选键。这样会产生怎样的问题呢?
数据冗余: 如果一个球员可以参加 m 场比赛，那么球员的姓名和年龄就重复了 m-1次。一个比赛
也可能会有n个球员参加，比赛的时间和地点就重复了n-1次。
插入异常: 如果我们想要添加一场新的比赛，但是这时还没有确定参加的球员都有谁，那么就没
法插入。
删除异常: 如果我要删除某个球员编号，如果没有单独保存比赛表的话，就会同时把比赛信息删
除掉。
更新异常: 如果我们调整了某个比赛的时间，那么数据表中所有这个比赛的时间都需要进行调
整，否则就会出现一场比赛时间不同的情况。
为了避免出现上述的情况，我们可以把球员比赛表设计为下面的三张表。
这样的话，每张数据表都符合第二范式，也就避免了异常情况的发生。
1NF 告诉我们字段属性需要是原子性的，而 2NF 告诉我们一张表就是一个独立的对象，一张表只表达一个意思。
举例3:
违反了第二范式，因为有非主键属性仅依赖于候选键(或主键)的一部分。例如，可以仅通过orderid找到订单的 orderdate，以及 customerid 和 companyname，而没有必要再去使用productid。
修改:Orders表和OrderDetails表如下，此时符合第二范式。
第三范式是在第二范式的基础上，确保数据表中的每一个非主键字段都和主键字段直接相关，也就是说，要求数据表中的所有非主键字段不能依赖于其他非主键字段。(即，不能存在非主属性A依赖于非主属性 B，非主属性B 依赖于主键c的情况，即存在 “A→B→C” 的决定关系) 通俗地讲，该规则的意思是所有 非主键属性 之间不能有依赖关系，必须 相互独立
这里的主键可以拓展为候选键。
举例1:
部门信息表: 每个部门有部门编号(dept id)、部门名称、部门简介等信息,
员工信息表: 每个员工有员工编号、姓名、部门编号。列出部门编号后就不能再将部门名称、部门简介等与部门有关的信息再加入员工信息表中
如果不存在部门信息表，则根据第三范式(3NF)也应该构建它，否则就会有大量的数据兄余。
举例2:
商品类别名称依赖于商品类别编号，不符合第三范式。
修改:
表1: 符合第三范式的 商品类别表 的设计
表2: 符合第三范式的 商品表 的设计
商品表 goods 通过商品类别 id 字段(category_id) 与 商品类别表 goods_category 进行关联.
举例3:
球员player表: 球员编号、姓名、球队名称和球队主教练。现在，我们把属性之间的依赖关系画出
来，如下图所示:
你能看到球员编号决定了球队名称，同时球队名称决定了球队主教练，非主属性球队主教练就会传递依赖于球员编号，因此不符合 3NF 的要求。
如果要达到 3NF的要求，需要把数据表拆成下面这样:
举例4:
修改第二范式中的举例3。
比时的0rders关系包含 orderid、orderdate、customerid和 companyname 属性，丰键定义为 orderid、customerid 和companyname均依赖于主键--orderid。例如，你需要通过orderid主键来查找代表订单中客户的customerid，同样，你需要通过 orderid 主键查找订单中客户的公司名称(companyname)。然而，customerid和companyname也是互相依靠的。为满足第三范式，可以改写如下:
符合3NF后的数据模型通俗地讲，2NF和3NF通常以这句话概括: “每个非键属性依赖于键，依赖于整个键，并且除了键别无他物”。
有的时候不能简单按照规范要求设计数据表，因为有的数据看似冗余，其实对业务来说十分重要。这个时候，我们就要遵循 业务优先 的原则，首先满足业务需求，再尽量减少冗余。
如果数据库中的数据量比较大，系统的UV和PV访问频次比较高，则完全按照MySQL的三大范式设计数据表，读数据时会产生大量的关联查询，在一定程度上会影响数据库的读性能。如果我们想对查询效率进行优化，反范式优化 也是一种优化思路。此时，可以通过在数据表中 增加冗余字段 来提高数据库的读性能。
规范化 vs 性能
1.为满足某种商业目标，数据库性能比规范化数据库更重要
2.在数据规范化的同时，要综合考虑数据库的性能
3.通过在给定的表中添加额外的字段，以大量减少需要从中搜索信息所需的时间
4.通过在给定的表中插入计算列，以方便查询
举例1:
员工的信息存储在 employees 表 中，部门信息存储在 departments 表 中。通过 employees 表中的department_id字段与 departments 表建立关联关系。如果要查询一个员工所在部门的名称:
如果经常需要进行这个操作，连接査询就会浪费很多时间。可以在 employees 表中增加一个冗余字段department name，这样就不用每次都进行连接操作了
举例2:
反范式化的 goods商品信息表 设计如下
举例3:
我们有2个表，分别是 商品流水表(atguigu.trans ) 和 商品信息表(atguigu.goodsinfo)。商品流水表里有 400 万条流水记录，商品信息表里有 2000 条商品记录。
商品流水表:
商品信息表:
新的商品流水表如下所示:
举例4:
课程评论表 class_comment ，对应的字段名称及含义如下
学生表 student ，对应的字段名称及含义如下
在实际应用中，我们在显示课程评论的时候，通常会显示这个学生的昵称，而不是学生ID，因此当我们想要查询某个课程的前 1000 条评论时，需要关联 class_comment 和 student这两张表来进行查询。
实验数据: 模拟两张百万量级的数据表
为了更好地进行 SQL 优化实验，我们需要给学生表和课程评论表随机模拟出百万量级的数据。我们可以通过存储过程来实现模拟数据
反范式优化实验对比
如果我们想要査询课程 ID 为 10001 的前 1000 条评论，需要写成下面这样:
运行结果(1000条数据行):
运行时长为 0.395 秒，对于网站的响应来说，这已经很慢了，用户体验会非常差。
如果我们想要提升查询的效率，可以允许适当的数据冗余，也就是在商品评论表中增加用户昵称字段在 class_comment 数据表的基础上增加 stu_name 字段，就得到了 class_comment2 数据表。这样一来，只需单表查询就可以得到数据集结果:
运行结果(1000条数据):
优化之后只需要扫描一次聚集索引即可，运行时间为 0.839 秒，查询时间是之前的 1/10。 你能看到, 在数据量大的情况下，查询效率会有显著的提升。
- 存储 空间变大 了
- 一个表中字段做了修改，另一个表中冗余的字段也需要做同步修改，否则 数据不一致
- 若采用存储过程来支持数据的更新、删除等额外操作，如果更新频繁，会非常 消耗系统资源
- 在 数据量小 的情况下，反范式不能体现性能的优势，可能还会让数据库的设计更加 复杂
当冗余信息有价值或者能 大幅度提高査询效率 的时候，我们才会采取反范式的优化。
1.增加兄余字段的建议
增加冗余字段一定要符合如下两个条件。只有满足这两个条件，才可以考虑增加冗余字段
1) 这个几余字段 不需要经常进行修改;
2) 这个几余字段 查询的时候不可或缺
2.历史快照、历史数据的需要
在现实生活中，我们经常需要一些冗余信息，比如订单中的收货人信息，包括姓名、电话和地址等。每次发生的 订单收货信息 都属于 历史快照 ，需要进行保存，但用户可以随时修改自己的信息，这时保存这些冗余信息是非常有必要的。
反范式优化也常用在 数据仓库 的设计中，因为数据仓库通常 存储历史数据，对增删改的实时性要求不强，对历史数据的分析需求强。这时适当允许数据的冗余度，更方便进行数据分析。
简单总结下数据仓库和数据库在使用上的区别:
1.数据库设计的目的在于 捕获数据 ，而数据仓库设计的目的在于 分析数据;
2.数据库对数据的 增删改实时性 要求强，需要存储在线的用户数据，而数据仓库存储的一般是 历史数据;
3.数据库设计需要 尽量避免冗余，但为了提高査询效率也允许一定的 冗余度，而数据仓库在设计上更偏向采用反范式设计。