<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />
数据规范化
• 仅有好的RDBMS并不足以避免数据冗余，必须在数据库的设计中创建好的表结构。表设计后，很可能结构不合理，出现数据重复保存，简称数据的冗余，这对数据的增删改查带来很多后患，所以我们需要审核是否合理，就像施工图设计后，还需要其他机构进行审核图纸是否设计合理一样。
• 如何审核呢？需要一些有关数据库设计的理论指导规则，这些规则业界简称数据库的范式。Dr E.F.codd 最初定义了规范化的三个级别，范式是具有最小冗余的表结构。这些范式是：
– 第一范式(1st NF －First Normal Fromate)
– 第二范式(2nd NF－Second Normal Fromate)
– 第三范式(3rd NF－ Third Normal Fromate)
• 如果每列都是不可再分的最小数据单元（也称为最小的原子单元），则满足第一范式（1NF）。第一范式的目标是确保每列的原子性。
• 如果一个关系满足1NF，并且除了主键以外的其他列，都依赖于该主键，则满足第二范式（2NF）。第二范式要求每个表只描述一件事情，确保表中的每列，都和主键相关。
• 如果一个关系满足2NF，并且除了主键以外的其他列都不传递依赖于主键列，则满足第三范式（3NF）。第三范式确保每列都和主键列直接相关，而不是间接相关。
下面我们来看个形象的例子吧！假设某建筑公司要设计一个数据库。公司的业务规则概括说明如下：
• 公司承担多个工程项目，每一项工程有：工程号、工程名称、施工人员等
• 公司有多名职工，每一名职工有：职工号、姓名、性别、职务（工程师、技术员）等
• 公司按照工时和小时工资率支付工资，小时工资率由职工的职务决定（例如，技术员的小时工资率与工程师不同）
• 公司定期制定一个工资报表，如图-1所示
|
工程号 |
工程名称 |
职工号 |
姓名 |
职务 |
小时工资率 |
工时 |
实发工资 |
|
A1 |
花园大厦 |
1001 |
齐光明 |
工程师 |
65 |
13 |
845.00 |
|
1002 |
李思岐 |
技术员 |
60 |
16 |
960.00 | ||
|
1004 |
葛宇宏 |
律师 |
60 |
19 |
1140.00 | ||
|
|
|
|
小计 |
|
|
|
2945.00 |
|
A2 |
立交桥 |
1001 |
齐光明 |
工程师 |
65 |
15 |
975.00 |
|
1003 |
鞠明亮 |
工人 |
55 |
17 |
935.00 | ||
|
|
|
|
小计 |
|
|
|
1910.00 |
|
A3 |
临江饭店 |
1002 |
李思岐 |
技术员 |
60 |
18 |
1080.00 |
|
1004 |
葛宇洪 |
律师 |
60 |
14 |
840.00 | ||
|
|
|
|
小计 |
|
|
|
1920.00 |
图-1 某公司打印的工资报表
|
工程号 |
工程名称 |
职工号 |
姓名 |
职务 |
小时工资率 |
工时 |
|
A1 |
花园大厦 |
1001 |
齐光明 |
工程师 |
65 |
13 |
|
A1 |
花园大厦 |
1002 |
李思岐 |
技术员 |
60 |
16 |
|
A1 |
花园大厦 |
1004 |
葛宇洪 |
律师 |
60 |
19 |
|
A2 |
立交桥 |
1001 |
齐光明 |
工程师 |
65 |
15 |
|
A2 |
立交桥 |
1003 |
鞠明亮 |
工人 |
55 |
17 |
|
A3 |
临江饭店 |
1002 |
李思岐 |
技术员 |
60 |
18 |
|
A3 |
临江饭店 |
1004 |
葛宇洪 |
律师 |
60 |
14 |
图-2 某公司的项目工时表
大家都看到，上面这样设计的表会有很多问题：
1.表中包含大量的冗余，可能会导致数据异常：
• 更新异常
例如，修改职工号=1001的职务，则必须修改所有职工号=1001的行
• 添加异常
若要增加一个新的职工时，首先必须给这名职工分配一个工程。或者为了添加一名新职工的数据，先给这名职工分配一个虚拟的工程。（因为主关键字不能为空）
• 删除异常
例如，1001号职工要辞职，则必须删除所有职工号＝1001的数据行。这样的删除操作，很可能丢失了其它有用的数据
2．采用这种方法设计表的结构，虽然很容易产生工资报表，但是每当一名职工分配一个工程时，都要重复输入大量的数据。这种重复的输入操作，很可能导致数据的不一致性。
<?xml:namespace prefix = v ns = "urn:schemas-microsoft-com:vml" />
我们用第二范式规范一下：
我们再用第三范式规范一下，是不是明晰了很多？！
规范化和性能的关系
• 为满足某种商业目标，数据库性能比规范化数据库更重要
– 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
– 通过在给定的表中插入计算列（如成绩总分），以方便查询
• 进行规范化的同时，还需要综合考虑数据库的性能。数据库的三大范式和数据库的性能有时是矛盾的。
打个比方：大家都知道，环境保护非常重要，西方总是拿环保问题和中国刁难，说中国为了发展不顾环境保护、生态自然等。可中国目前的经济实力不够强大，如果人都吃不饱，空谈环保还有什么用呢？所以我们只能是在保持地区经济发展的前提下，尽量注重环保问题。这就是一种折中处理问题的典型。本例同样如此：为了满足三大范式，我们在规范化表格时就会拆分出越来越明细的表格。但客户喜欢综合的信息，为了满足客户，我们又需要把这些表通过连接查询还原为客户喜欢的综合数据。这和从一张表中读出数据相比，大大影响了数据库的查询性能。所以有时为了性能，需要做适当折中，适当牺牲规范化的要求，来提高数据库的性能。再如：在成绩表中添加一列－“成绩总分”，属于数据冗余，因为总分在查询时可由各门成绩求出来。但频繁查询成绩总分，并希望保存下来，所以有时表中就干脆添加总分这一列。