• 数据表扩展字段(转)


    如何定义数据表的扩展字段

    因为产品升级或者产品项目适配等一些原因, 我们的关系型数据库的数据字段需要进行扩展; 比如我们原有一张user表, 其中有id, username, password字段, 现在我们需要这个user的age, male, address属性, 我们如何在原有的表基础上实现扩展呢?

    我们通常使用如下几种方法来实现数据扩展: 动态添加字段、JSON格式储存、预留字段、属性字段行存储

    (1), 动态添加属性字段

    意思是,在需要添加一个属性时。先在数据库的表里添加一个字段。

    比如说要给user有age的属性,就给user表添加age字段。那么要用这个字段时,还要改相应的java程序。显然这种方式不利于灵活扩展,而且在一张大表添加一个字段需要较长时间,这也不适合7*24的服务。

    • 优点:符合数据表设计的习惯,实际使用中与原有字段基本无差别
    • 缺点:每增加一个属性就要改相应的Java程序,不利于灵活扩展

    (2), JSON格式储存

    就是说把需扩展的一组字段都到到一个字段里,各个字段用JSON的方式组成一个大的字符串。

    比如上边的user表可以这样设计:

    字段类型备注数据实例
    id int(10) ID 1239512
    username varchar(20) 用户名 zhangsan
    password varchar(20) 密码 qwerty
    version int(10) 版本(扩展字段的版本) 3
    extended_filed varchar(200) 扩展字段 {'age': '18', 'male': 'F', 'address': 'hefei'}
    • 优点:insert/update/delete都可以比较方便的操作;不用频繁改动表结构和过多的Java代码
    • 缺点:扩展字段不支持索引;key名大量冗余;如果要根据扩展字段进行查询不方便,也不高效,需要遍历所以数据;

    (3), 预留字段

    就是先给表定义几个扩展字段,还是以user表为例。

    给user表定义几个预留字段,这样任何数据类型都可以解析为字符串,把编码后的数据存进去就行了。

    字段类型备注数据实例
    id int(10) ID 1239512
    username varchar(20) 用户名 zhangsan
    password varchar(20) 密码 qwerty
    extended_filed1 varchar(50) 预留扩展字段1 18
    extended_filed2 varchar(50) 预留扩展字段2 F
    extended_filed3 varchar(50) 预留扩展字段3 hefei
    • 优点:可以正常的select/insert/delete/update;一些复杂的查询也可以实现
    • 缺点:太少可能起不到作用,太多也不行,影响性能;扩展字段是公用的,不能根据字段名顾名思义,得在启用时维护对应关系,使用时查找对应关系;扩展字段的数量无法精确定义。

    (4), 属性字段行存储

    顾名思义,此方法需要新建一个属性字段表,在这个表里维护扩展字段的字段名和字段值

    如user表的扩展字段表

    字段类型备注数据实例
    id int(10) ID 13214213
    user_id int(10) user表的ID属性 1239512
    filed_name varchar(20) 扩展字段名 age
    filed_value varchar(20) 扩展字段值 18
    • 优点:字段名能够顾名思义,字段也可以动态扩展
    • 缺点:key名称大量冗余,所以key命名尽量短,可使用编码;select/insert/delete/update时需要操作两张表,操作稍微复杂

    (5), 扩展字段配置表和扩展字段值表

    多个表的扩展字段属性和扩展字段值,配置储存在一张表中,值分开储存在多张表中

    扩展字段表:

    clipboard.png

    扩展字段值表:

    clipboard.png

    • 优点:优点:只需维护配置表即可,减少代码维护量
    • 缺点:操作比较复杂
  • 相关阅读:
    c++再探string之eager-copy、COW和SSO方案
    C++之运算符重载
    numpy之随机数模块---random模块
    numpy之特征值、奇异值分解及其在图片处理中的应用
    numpy之傅里叶定理
    numpy之矩阵
    numpy之函数
    numpy之数据平滑处理
    numpy之多项式
    numpy之相关矩阵求解
  • 原文地址:https://www.cnblogs.com/kerwincui/p/15118958.html
Copyright © 2020-2023  润新知