规范化过程

本章介绍把原始数据库分解为表的过程，这被称为规格化。数据库开发人员利用规格化过程来设计数据库，使其更便于组织和管理，同时确保数据在整个数据库里的正确性。这一过程在各种RDBMS中都是一样的。

规范化数据库

规格化是去除数据库里冗余数据的过程，在设计和重新设计数据库时使用。它是一组减少数据冗余来优化数据库的指导方针，具体的方针被称为规格形式，稍后将详细介绍。在本书中是否应该包含介绍规格化的内容是个两难的决定，因为其规则对于 SQL 初学者来说过于复杂了。然而，规格化是个十分重要的过程，对它的理解会加深我们对 SQL 的掌握。本章尽量简化对规格化的介绍，不会过于关注规格化的细节，而且着重于让读者理解其基本概念。

原始数据库

在没有经过规格化的数据库里，有些数据可能会出现在多个不同的表里，而且没有什么明显的原因。这样对安全、磁盘利用、查询速度、数据库更新都不好，特别是可能产生数据完整性的问题。在规格化之前，数据库里的数据并没有从逻辑上被分解到较小的、更易于管理的表里，图4.1展示了本书所使用的数据库在规格化之前的状态。

在数据库逻辑设计过程中，确定原始数据库里的信息由什么组成是第一个也是最重要的步骤，我们必须了解组成数据库的全部数据元素，才能有效地使用规格化技术。只有用必要的时间收集所需的数据集，才能避免因为丢失数据元素而重新设计数据库。

数据库设计逻辑

任何数据库设计都要考虑到终端用户。数据库逻辑设计，也被称为逻辑建模，是把数据安排到逻辑的、有组织的对象组，以便于维护的过程。数据库的逻辑设计应该减少数据重复，甚至是完全消除这种现象。毕竟，为什么要把数据存储两遍呢？另外，数据库逻辑设计应该努力让数据库易于维护和更新，同时也要保持数据库里的命名规范与逻辑。

一、 什么是终端用户的需求 在设计数据库时，终端用户的需求应该是最重要的考虑因素。记住，终端用户是最终使用数据库的人。利用用户的前端工具（允许用户访问数据库的客户程序），数据库的使用应该是相当简单的，但是在设计数据库时如果没有考虑到用户的需求，这也许就不能达到。性能优化也是如此。在设计时要考虑的与用户相关的因素包括：

• 数据库里应该保存什么数据？
• 用户如何访问数据库？
• 用户需要什么权限？
• 数据库里的数据如何分组？
• 哪些数据最经常被访问？
• 全部数据与数据库如何关联？
• 采取什么措施保证数据的正确性？
• 采取什么措施减少数据冗余？
• 采取什么措施让负责维护数据的用户更易于使用数据库？

规则形式

这一章讨论规格形式，这是数据库规格化过程中必不可少的一个概念。规格形式是衡量数据库被规格化级别（或深度）的一种方式。数据库的规格化级别是由规格形式决定的。下面是规格化过程中最常见的3种规格形式：

• 第一规格形式；
• 第二规格形式；
• 第三规格形式。

除此之外，还有其他规格形式，但都不常用。在这3种主要的规格形式中**，每一种都依赖于前一种形式所采用的规格化步骤。举例来说，如果想以第二规格形式对数据库进行规格化，数据库必须处于第一种规格形式。**

第一规格形式

第一规格形式的目标是把原始数据分解到表中。在所有表都设计完成之后，给大多数表或全部表设置一个主键。从第3章中可以知道，主键必须是个唯一的值，所以在选择主键时应该尽量选择能够从本质上唯一区别数据的元素。图4.2展示了图4.1所示原始数据库使用第一规格形式重新设计之后的情况

从图中可以看出，为了达到第一规格形式，数据被分解为包含相关信息的逻辑单元，每个逻辑单元都有一个主键，而且任何表里都没有重复的数据组。现在的数据库不再是一个大表，而是被分解为较小的、更易于管理的表：EMPLOYEE_TBL、CUSTOMER_TBL 和PRODUCTS_TBL。主键通常是表里的第一列，本例中分别是EMP_ID、CUST_ID和PROD_ID。这种命名方式是在设计数据库时常用的规范，确保了各种名称的可读性。 主键也可以由表中的多个列构成。这类主键所涉及的数据通常不是数据库自动生成的数字，而是有逻辑意义的数据，例如生产商的名称或者一本书的 ISBN 编号。这类数据被称为自然主键，即使不在数据库中，也可以通过它们来区分不同的对象。在为表选择主键的时候，需要注意的一点就是**，主键必须能够唯一地定义表中的一条记录。否则，查询的结果可能会返回重复的记录，而且也无法通过主键来删除一条特定的记录。**

第二规格形式

第二规格形式的目标是提取对主键仅有部分依赖的数据，把它们保存到另一个表里

从图中可以看出，第二规格形式以第一规格形式为基础，把两个表进一步划分为更明确的单元。

• EMPLOYEE_TBL被分解为两个表，分别是EMPLOYEE_TBL和EMPLOYEE_PAY_TBL。

• 雇员个人信息是依赖于主键（EMP_ID）的，保留在EMPLOYEE_TBL表里的都是如此（EMP_ID、LAST_NAME、FIRST_NAME、MIDDLE_NAME、ADDRESS、CITY、STATE、ZIP、PHONE和PAGER）。而在另一方面，与EMP_ID仅部分依赖的信息被转移到EMPLOYEE_PAY_TBL（包括EMP_ID、POSITION、POSITION_DESC、DATE_HIRE、PAY_RATE和DATE_LAST_RAISE）。注意到两个表都包含列EMP_ID，这是每个表的主键，用于在两个表之间匹配对应的数据。

• CUSTOMER_TBL被分解为两个表，分别是CUSTOMER_TBL和ORDERS_TBL，具体情况类似于EMPLOYEE_TBL，仅部分依赖于主键的列被转移到另一个表。顾客的订单信息依赖于每一个CUST_ID，但与顾客的一般信息没有直接依赖关系。

第三规格形式

第三规格形式的目标是删除表里不依赖于主键的数据

这里又创建了一个新表来实现第三规格形式。EMPLOYEE_PAY_TBL被分解为两个表：一个表保存雇员的实际支付信息，另一个表保存职位描述。这的确不需要保存在EMPLOYEE_PAY_TBL里，列POSITION_DESC与主键EMP_ID完全不相关。从上述介绍可以看出，规格化过程就是采取一系列步骤，把原始数据分解为由关联数据形成的多个表。

命名规范

命名规范是在数据库规格化过程中最重要的考虑因素之一。名称是我们引用数据库对象的方式**。表的名称应该能够描述所保存信息的类型，以便于我们找到需要的数据。对于没有参加数据库设计而需要查询数据库的用户来说，具有描述性的名称更为重要。** 应该在公司范围内统一命名规范，不仅是数据库里表的命名，而是用户、文件和其他相关对象的命名都应该遵守。命名规范还让我们更容易判断表的用途和数据库系统里文件的位置，从而有助于数据库管理。设计和坚持命名规范是公司开发成功数据库实现的第一步。

规格化的优点

规格化为数据库带来了很多好处，主要包括以下几点：

• 更好的数据库整体组织性；
• 减少冗余数据；
• 数据库内部的数据一致性；
• 更灵活的数据库设计；
• 更好地处理数据库安全；
• 加强引用整体性的概念。

组织性是由规格化过程所产生的，让从访问数据库的用户到负责管理数据库所有对象的管理员（DBA）的所有人都感到更轻松。数据冗余被减少了，从而简化了数据结构，节约了磁盘空间。由于重复数据被尽量减少了，所以数据不一致的可能大大降低。举例来说，某人在一个表的姓名可能是STEVE SMITH，而在另一个表里是STEPHEN R. SMITH。减少重复数据提高了数据完整性，或者说数据库里数据的一致性和准确性。数据库规格化之后，分解为较小的表，便于我们更灵活地修改现有的结构。显然，修改包含较少数据的小表，要比修改包含数据库全部重要数据的一个大表要轻松得多。最后，DBA能够控制特定用户对特定表的访问，从而提高了安全性。在进行了规格化之后，安全就更容易控制了。引用完整性表示一个表里某列的值依赖于另一个表里某列的值。举例来说，如果某个顾客要在表ORDERS_TBL里有一条记录，则必须首先在表CUSTOMER_TBL里有一条记录。完整性约束还可以限制列的取值范围，它应该在创建表时设置。引用完整性一般是通过使用主键和外键来控制的。在一个表里，外键（通常是一个字段）直接引用另一个表里的主键来实现引用完整性。在前一个图里，表ORDERS_TBL里的CUST_ID就是一个外键，它引用表CUSTOMER_TBL里的CUST_ID。规格化过程把数据从逻辑上分解为由主键引用的子集，从而有助于加强和坚持这些约束。

规格化的缺点

虽然大多数成功的数据库都在一定程度上进行了规格化，但规格化的确有一个不可回避的缺点：

• 降低数据库性能。性能降低的程度取决于查询或事务被提交给数据库的时机，其中涉及多个因素，比如 CPU 使用率、内存使用率和输入/输出（I/O）。简单来说，
• 规格化的数据库比非规格化的数据库需要更多的CPU、内存和I/O来处理事务和查询。
• 规格化的数据库必须找到所需的表，然后把这些表的数据结合起来，从而得到需要的信息或处理相应的数据

去规格化数据库

去规格化是修改规格化数据库的表的构成，在可控制的数据冗余范围内提高数据库性能。尝试提高性能是进行去规格化数据库的唯一原因。去规格化的数据库与没有进行规格化的数据库不一样，去规格化是在数据库规格化基础上进行一些调整，因为规格化的数据库需要频繁地进行表的结合而降低了性能（关于表的结合请见第13章）。去规格化会把一些独立的表合成在一起，或是创建重复的数据，从而减少在数据检索时需要结合的表的数量，进而减少所需的I/O和CPU时间。这在较大的数据仓库程序中会有明显的好处，其中的计算可能会涉及表里数以百万行的数据。 去规格化也是有代价的。它增加了数据冗余，虽然提高了性能，但需要付出更多的精力来处理相关的数据。程序代码会更加复杂，因为数据被分散到多个表，而且可能更难于定位。另外，引用完整性更加琐碎，因为相关数据存在于多个表里。规格化与去规格化都有好处，但都需要我们对实际的数据和公司的详细业务需求有全面的了解。在确定要着手进行去规格化时，一定要仔细记录所采取的过程，以便于更好地处理像数据冗余这样的问题，维护系统内部的数据完整性。

小结

在进行数据库设计时，必须做出一个困难的决定——规格化或去规格化，这的确是个问题。一般来说**，数据库问题需要进行一定程度的规格化**，但到什么程度才不至于严重影响性能呢？答案取决于程序本身。数据库有多大？其用途是什么？什么样的用户要访问数据？本章介绍了3种最常见的规格形式、规格化过程的底层概念、数据的完整性。规格化过程包含多个步骤，大多数都不是必需的，但对于数据库的功能和性能来说都是很重要的。无论决定进行什么程度的规格化，总是会存在便于维护与性能降低，或复杂维护与更好性能之间的平衡。最终，设计数据库的个人（或团队）必须做出决定，并对此负责。

问与答

问：在设计数据库时为什么要考虑最终用户的需求？

答：最终用户才是真正使用数据库的人，从这种角度来说，他们应该是任何数据库设计的中心。数据库设计人员只不过是帮助组织数据而已。

问：规格化要比去规格化好吗？

答：可能是这样的，但是到达一定程度时，去规格化可能会更好，这其中受到很多因素的影响。我们会对数据库进行规格化来减少其中的重复数据，到达一定程度之后可能又会转回头来，通过去规格化来改善性能。

实践

1．判断正误：规格化是把数据划分为逻辑相关组的过程。 

（对）规格化是把数据划分为逻辑相关组的过程。

2．判断正误：让数据库里没有重复或冗余数据，让数据库里所有内容都规格化，总是最好的方式。 

（错）不一定。规格化会让更多的表需要结合，增加I/O和CPU时间，从而降低数据库性能。

3．判断正误：如果数据是第三规格形式，它会自动属于第一和第二规格形式。

（对）如果数据是第三规格形式，它会自动属于第一和第二规格形式。

4．与规格化数据库相比，去规格化数据库的主要优点是什么？ 

最大优点是改善性能。

5．去规格化的主要缺点是什么？ 

冗余和重复数据会占据额外的空间，难以编程，需要更多的数据维护工作。

6．在对数据库进行规格化时，如何决定数据是否需要转移到单独的表？答：如果表包含冗余的数据组，这些数据就可以转移到单独的表里。

7．对数据库设计进行过度规格化的缺点是什么？ 

答：过度规格化会大量占用CPU和内存资源，给服务器造成很大的压力。

练习

1．为一家小公司开发一个新数据库，使用如下数据，对其进行规格化。记住，即使是一家小公司，其数据库的复杂程度也会超过这里给出的范例。雇员：顾客：顾客订单：

2．像第 3 章介绍的那样登录到你新建的数据库。可以输入以下命令来确保使用的是learnsql数据库：在Oracle中，这条命令意味着进入规划。默认情况下，用户在自己的规划中创建对象。进入数据库后，根据练习 1中定义的信息，用CREATE TABLE命令创建相应的表。