數據庫設計技巧

淺談數據庫設計技巧 collected by barenx

　　說到數據庫，我認爲不能不先談數據結構。1996年，在我初入大學學習計算機編程時，當時的老師就告訴我們說：計算機程序＝數據結構＋算法。儘管現在的程序開發已由面向過程爲主逐步過渡到面向對象爲主，但我還是深深贊同8年前老師的告訴我們的公式：計算機程序＝數據結構＋算法。面向對象的程序開發，要做的第一件事就是，先分析整個程序中需處理的數據，從中提取出抽象模板，以這個抽象模板設計類，再在其中逐步添加處理其數據的函數(即算法)，最後，再給類中的數據成員和函數劃分訪問權限，從而實現封裝。 
　　數據庫的最初雛形據說源自美國一個奶牛場的記賬薄(紙質的，由此可見，數據庫並不一定是存儲在電腦裏的數據^_^)，裏面記錄的是該奶牛場的收支賬目，程序員在將其整理、錄入到電腦中時從中受到啓發。當按照規定好的數據結構所採集到的數據量大到一定程度後，出於程序執行效率的考慮，程序員將其中的檢索、更新維護等功能分離出來，做成單獨調用的模塊，這個模塊後來就慢慢發展、演變成現在我們所接觸到的數據庫管理系統(DBMS)——程序開發中的一個重要分支。

　　下面進入正題，首先按我個人所接觸過的程序給數據庫設計人員的功底分一下類： 
　　１、沒有系統學習過數據結構的程序員。這類程序員的作品往往只是他們的即興玩具，他們往往習慣只設計有限的幾個表，實現某類功能的數據全部塞在一個表中，各表之間幾乎毫無關聯。網上不少的免費管理軟件都是這樣的東西，當程序功能有限，數據量不多的時候，其程序運行起來沒有什麼問題，但是如果用其管理比較重要的數據，風險性非常大。 
　　２、系統學習過數據結構，但是還沒有開發過對程序效率要求比較高的管理軟件的程序員。這類人多半剛從學校畢業不久，他們在設計數據庫表結構時，嚴格按照教科書上的規定，死扣E-R圖和3NF(別灰心，所有的數據庫設計高手都是從這一步開始的)。他們的作品，對於一般的access型輕量級的管理軟件，已經夠用。但是一旦該系統需要添加新功能，原有的數據庫表差不多得進行大換血。 
　　３、第二類程序員，在經歷過數次程序效率的提升，以及功能升級的折騰後，終於升級成爲數據庫設計的老鳥，第一類程序員眼中的高人。這類程序員可以勝任二十個表以上的中型商業數據管理系統的開發工作。他們知道該在什麼樣的情況下保留一定的冗餘數據來提高程序效率，而且其設計的數據庫可拓展性較好，當用戶需要添加新功能時，原有數據庫表只需做少量修改即可。 
　　４、在經歷過上十個類似數據庫管理軟件的重複設計後，第三類程序員中堅持下來沒有轉行，而是希望從中找出“偷懶”竅門的有心人會慢慢覺悟，從而完成量變到質變的轉換。他們所設計的數據庫表結構有一定的遠見，能夠預測到未來功能升級所需要的數據，從而預先留下伏筆。這類程序員目前大多晉級成數據挖掘方面的高級軟件開發人員。 
　　５、第三類程序員或第四類程序員，在對現有的各家數據庫管理系統的原理和開發都有一定的鑽研後，要麼在其基礎上進行二次開發，要麼自行開發一套有自主版權的通用數據庫管理系統。 

　　我個人正處於第三類的末期，所以下面所列出的一些設計技巧只適合第二類和部分第三類數據庫設計人員。同時，由於我很少碰到有興趣在這方面深鑽下去的同行，所以文中難免出現錯誤和遺漏，在此先行聲明，歡迎大家指正，不要藏私哦8)

　　一、樹型關係的數據表 
　　不少程序員在進行數據庫設計的時候都遇到過樹型關係的數據，例如常見的類別表，即一個大類，下面有若干個子類，某些子類又有子類這樣的情況。當類別不確定，用戶希望可以在任意類別下添加新的子類，或者刪除某個類別和其下的所有子類，而且預計以後其數量會逐步增長，此時我們就會考慮用一個數據表來保存這些數據。按照教科書上的教導，第二類程序員大概會設計出類似這樣的數據表結構： 

類別表_1(Type_table_1) 
名稱　　　　　類型　　　　約束條件　　　說明 
type_id 　 int 　 無重複　　 類別標識，主鍵 
type_name　　 char(50) 不允許爲空 類型名稱，不允許重複 
type_father int 不允許爲空 該類別的父類別標識，如果是頂節點的話設定爲某個唯一值 

　　這樣的設計短小精悍，完全滿足3NF，而且可以滿足用戶的所有要求。是不是這樣就行呢？答案是NO！Why？

　　我們來估計一下用戶希望如何羅列出這個表的數據的。對用戶而言，他當然期望按他所設定的層次關係一次羅列出所有的類別，例如這樣： 
總類別 
　　類別1 
　　　　類別1.1 
　　　　　　類別1.1.1 
　　　　類別1.2 
　　類別2 
　　　　類別2.1 
　　類別3 
　　　　類別3.1 
　　　　類別3.2 
　　…… 

　　看看爲了實現這樣的列表顯示(樹的先序遍歷)，要對上面的表進行多少次檢索？注意，儘管類別1.1.1可能是在類別3.2之後添加的記錄，答案仍然是N次。這樣的效率對於少量的數據沒什麼影響，但是日後類型擴充到數十條甚至上百條記錄後，單單列一次類型就要檢索數十次該表，整個程序的運行效率就不敢恭維了。或許第二類程序員會說，那我再建一個臨時數組或臨時表，專門保存類型表的先序遍歷結果，這樣只在第一次運行時檢索數十次，再次羅列所有的類型關係時就直接讀那個臨時數組或臨時表就行了。其實，用不着再去分配一塊新的內存來保存這些數據，只要對數據表進行一定的擴充，再對添加類型的數量進行一下約束就行了，要完成上面的列表只需一次檢索就行了。下面是擴充後的數據表結構：

類別表_2(Type_table_2) 
名稱　　　　　類型　　　　約束條件　　　 說明 
type_id 　 int 　 無重複　　 類別標識，主鍵 
type_name　　 char(50) 不允許爲空 類型名稱，不允許重複 
type_father int 不允許爲空 該類別的父類別標識，如果是頂節點的話設定爲某個唯一值 
type_layer char(6) 限定3層,初始值爲000000 類別的先序遍歷，主要爲減少檢索數據庫的次數 

　　按照這樣的表結構，我們來看看上面例子記錄在表中的數據是怎樣的：

type_id type_name type_father type_layer 
1 總類別 0 000000 
2 類別1 1 010000 
3 類別1.1 2 010100 
4 類別1.2 2 010200 
5 類別2 1 020000 
6 類別2.1 5 020100 
7 類別3 1 030000 
8 類別3.1 7 030100 
9 類別3.2 7 030200 
10 類別1.1.1 3 010101 
…… 

　　現在按type_layer的大小來檢索一下：select * FROM Type_table_2 ORDER BY type_layer

列出記錄集如下：

type_id type_name type_father type_layer 
1 總類別 0 000000 
2 類別1 1 010000 
3 類別1.1 2 010100 
10 類別1.1.1 3 010101 
4 類別1.2 2 010200 
5 類別2 1 020000 
6 類別2.1 5 020100 
7 類別3 1 030000 
8 類別3.1 7 030100 
9 類別3.2 7 030200 
…… 

　　現在列出的記錄順序正好是先序遍歷的結果。在控制顯示類別的層次時，只要對type_layer字段中的數值進行判斷，每2位一組，如大於0則向右移2個空格。當然，我這個例子中設定的限制條件是最多3層，每層最多可設99個子類別，只要按用戶的需求情況修改一下type_layer的長度和位數，即可更改限制層數和子類別數。其實，上面的設計不單單隻在類別表中用到，網上某些可按樹型列表顯示的論壇程序大多采用類似的設計。

　　或許有人認爲，Type_table_2中的type_father字段是冗餘數據，可以除去。如果這樣，在插入、刪除某個類別的時候，就得對 type_layer 的內容進行比較繁瑣的判定，所以我並沒有消去type_father字段，這也正符合數據庫設計中適當保留冗餘數據的來降低程序複雜度的原則，後面我會舉一個故意增加數據冗餘的案例。

　　 
　　二、商品信息表的設計 
　　假設你是一家百貨公司電腦部的開發人員，某天老闆要求你爲公司開發一套網上電子商務平臺，該百貨公司有數千種商品出售，不過目前僅打算先在網上銷售數十種方便運輸的商品，當然，以後可能會陸續在該電子商務平臺上增加新的商品出售。現在開始進行該平臺數據庫的商品信息表的設計。每種出售的商品都會有相同的屬性，如商品編號，商品名稱，商品所屬類別，相關信息，供貨廠商，內含件數，庫存，進貨價，銷售價，優惠價。你很快就設計出4個表：商品類型表 (Wares_type)，供貨廠商表(Wares_provider)，商品信息表(Wares_info)： 

商品類型表(Wares_type) 
名稱　　　　　類型　　　　約束條件　　　 說明 
type_id 　 int 　 無重複　　 類別標識，主鍵 
type_name　　 char(50) 不允許爲空 類型名稱，不允許重複 
type_father int 不允許爲空 該類別的父類別標識，如果是頂節點的話設定爲某個唯一值 
type_layer char(6) 限定3層,初始值爲000000 類別的先序遍歷，主要爲減少檢索數據庫的次數 

供貨廠商表(Wares_provider) 
名稱　　　　　類型　　　　約束條件　　　 說明 
provider_id int 　 無重複　　 供貨商標識，主鍵 
provider_name char(100) 不允許爲空 供貨商名稱 

商品信息表(Wares_info) 
名稱　　　　 類型　　　　約束條件　　　 說明 
wares_id int 　 無重複　　 商品標識，主鍵 
wares_name char(100) 不允許爲空 商品名稱 
wares_type　　 int 不允許爲空　　　　 商品類型標識，和Wares_type.type_id關聯 
wares_info char(200) 允許爲空 相關信息 
provider int 不允許爲空 供貨廠商標識，和Wares_provider.provider_id關聯 
setnum int 初始值爲1 內含件數，默認爲1 
stock int 初始值爲0 庫存，默認爲0 
buy_price money 不允許爲空 進貨價 
sell_price money 不允許爲空 銷售價 
discount money 不允許爲空 優惠價 

　　你拿着這3個表給老闆檢查，老闆希望能夠再添加一個商品圖片的字段，不過只有一部分商品有圖片。OK，你在商品信息表(Wares_info)中增加了一個haspic的BOOL型字段，然後再建了一個新表——商品圖片表(Wares_pic)：

商品圖片表(Wares_pic) 
名稱　　　　 類型　　　　約束條件　　　 說明 
pic_id int 　 無重複　　 商品圖片標識，主鍵 
wares_id int 不允許爲空 所屬商品標識，和Wares_info.wares_id關聯 
pic_address　 char(200) 不允許爲空　　　　　　　　　　 圖片存放路徑 

　　程序開發完成後，完全滿足老闆目前的要求，於是正式啓用。一段時間後，老闆打算在這套平臺上推出新的商品銷售，其中，某類商品全部都需添加“長度”的屬性。第一輪折騰來了……當然，你按照添加商品圖片表的老方法，在商品信息表(Wares_info)中增加了一個haslength的BOOL型字段，又建了一個新表——商品長度表(Wares_length)：

商品長度表(Wares_length) 
名稱　　　　 類型　　　　約束條件　　　 說明 
length_id int 　 無重複　　 商品圖片標識，主鍵 
wares_id int 不允許爲空 所屬商品標識，和Wares_info.wares_id關聯 
length　 char(20) 不允許爲空　　　　　　　　　　 商品長度說明 

　　剛剛改完沒多久，老闆又打算上一批新的商品，這次某類商品全部需要添加“寬度”的屬性。你咬了咬牙，又照方抓藥，添加了商品寬度表 (Wares_width)。又過了一段時間，老闆新上的商品中有一些需要添加“高度”的屬性，你是不是開始覺得你所設計的數據庫按照這種方式增長下去，很快就能變成一個迷宮呢？那麼，有沒有什麼辦法遏制這種不可預見性，但卻類似重複的數據庫膨脹呢？我在閱讀《敏捷軟件開發：原則、模式與實踐》中發現作者舉過類似的例子：7.3　“Copy”程序。其中，我非常贊同敏捷軟件開發這個觀點：在最初幾乎不進行預先設計，但是一旦需求發生變化，此時作爲一名追求卓越的程序員，應該從頭審查整個架構設計，在此次修改中設計出能夠滿足日後類似修改的系統架構。下面是我在需要添加“長度”的屬性時所提供的修改方案：

　　去掉商品信息表(Wares_info)中的haspic字段，添加商品額外屬性表(Wares_ex_property)和商品額外信息表(Wares_ex_info)2個表來完成添加新屬性的功能。

商品額外屬性表(Wares_ex_property) 
名稱　　　　 類型　　　　約束條件　　　 說明 
ex_pid int 　 無重複　　 商品額外屬性標識，主鍵 
p_name char(20) 不允許爲空 額外屬性名稱 

商品額外信息表(Wares_ex_info) 
名稱　　　　 類型　　　　約束條件　　　 說明 
ex_iid int 　 無重複　　 商品額外信息標識，主鍵 
wares_id int 不允許爲空 所屬商品標識，和Wares_info.wares_id關聯 
property_id　 int 不允許爲空　　　　　　　　　　 商品額外屬性標識，和Wares_ex_property.ex_pid關聯 
property_value char(200) 不允許爲空 商品額外屬性值 

　　在商品額外屬性表(Wares_ex_property)中添加2條記錄： 
ex_pid p_name 
1 商品圖片 
2 商品長度 

　　再在整個電子商務平臺的後臺管理功能中追加一項商品額外屬性管理的功能，以後添加新的商品時出現新的屬性，只需利用該功能往商品額外屬性表 (Wares_ex_property)中添加一條記錄即可。不要害怕變化，被第一顆子彈擊中並不是壞事，壞的是被相同軌道飛來的第二顆、第三顆子彈擊中。第一顆子彈來得越早，所受的傷越重，之後的抵抗力也越強8)


　　三、多用戶及其權限管理的設計 
　　開發數據庫管理類的軟件，不可能不考慮多用戶和用戶權限設置的問題。儘管目前市面上的大、中型的後臺數據庫系統軟件都提供了多用戶，以及細至某個數據庫內某張表的權限設置的功能，我個人建議：一套成熟的數據庫管理軟件，還是應該自行設計用戶管理這塊功能，原因有二： 
　　1.那些大、中型後臺數據庫系統軟件所提供的多用戶及其權限設置都是針對數據庫的共有屬性，並不一定能完全滿足某些特例的需求； 
　　2.不要過多的依賴後臺數據庫系統軟件的某些特殊功能，多種大、中型後臺數據庫系統軟件之間並不完全兼容。否則一旦日後需要轉換數據庫平臺或後臺數據庫系統軟件版本升級，之前的架構設計很可能無法重用。 

　　下面看看如何自行設計一套比較靈活的多用戶管理模塊，即該數據庫管理軟件的系統管理員可以自行添加新用戶，修改已有用戶的權限，刪除已有用戶。首先，分析用戶需求，列出該數據庫管理軟件所有需要實現的功能；然後，根據一定的聯繫對這些功能進行分類，即把某類用戶需使用的功能歸爲一類；最後開始建表： 
　　 
功能表(Function_table) 
名稱　　類型　 約束條件　　　說明 
f_id int 　 無重複　　 功能標識，主鍵 
f_name char(20) 不允許爲空 功能名稱，不允許重複 
f_desc char(50) 允許爲空 功能描述 

用戶組表(User_group) 
名稱　　 類型　 約束條件　　　說明 
group_id int 無重複 用戶組標識，主鍵 
group_name char(20) 不允許爲空 用戶組名稱 
group_power char(100) 允許爲空 用戶組權限表，內容爲功能表f_id的集合 

用戶表(User_table) 
名稱　　　　類型　　　　約束條件　　　說明 
user_id int 無重複 用戶標識，主鍵 
user_name char(20) 無重複 用戶名 
user_pwd char(20) 不允許爲空 用戶密碼 
user_type int 不允許爲空 所屬用戶組標識，和User_group.group_id關聯 

　　採用這種用戶組的架構設計，當需要添加新用戶時，只需指定新用戶所屬的用戶組；當以後系統需要添加新功能或對舊有功能權限進行修改時，只用操作功能表和用戶組表的記錄，原有用戶的功能即可相應隨之變化。當然，這種架構設計把數據庫管理軟件的功能判定移到了前臺，使得前臺開發相對複雜一些。但是，當用戶數較大(10人以上)，或日後軟件升級的概率較大時，這個代價是值得的。


　　四、簡潔的批量m:n設計 
　　碰到m:n的關係，一般都是建立3個表，m一個，n一個，m:n一個。但是，m:n有時會遇到批量處理的情況，例如到圖書館借書，一般都是允許用戶同時借閱n本書，如果要求按批查詢借閱記錄，即列出某個用戶某次借閱的所有書籍，該如何設計呢？讓我們建好必須的3個表先： 

書籍表(Book_table) 
名稱　　　類型　　　　約束條件　　　說明 
book_id int 無重複 書籍標識，主鍵 
book_no char(20) 無重複 書籍編號 
book_name char(100) 不允許爲空 書籍名稱 
…… 

借閱用戶表(Renter_table) 
名稱　　　　類型　　　　約束條件　　　說明 
renter_id int 無重複 用戶標識，主鍵 
renter_name char(20) 不允許爲空 用戶姓名 
…… 

借閱記錄表(Rent_log) 
名稱　　　類型　　　　約束條件　　　說明 
rent_id int 無重複 借閱記錄標識，主鍵 
r_id int 不允許爲空 用戶標識，和Renter_table.renter_id關聯 
b_id int 不允許爲空 書籍標識，和Book_table.book_id關聯 
rent_date datetime 不允許爲空 借閱時間 
…… 

　　爲了實現按批查詢借閱記錄，我們可以再建一個表來保存批量借閱的信息，例如：

批量借閱表(Batch_rent) 
名稱　　　類型　　　約束條件　　　說明 
batch_id int 無重複 批量借閱標識，主鍵 
batch_no int 不允許爲空 批量借閱編號，同一批借閱的batch_no相同 
rent_id int 不允許爲空 借閱記錄標識，和Rent_log.rent_id關聯 
batch_date datetime 不允許爲空 批量借閱時間 

　　這樣的設計好嗎？我們來看看爲了列出某個用戶某次借閱的所有書籍，需要如何查詢？首先檢索批量借閱表(Batch_rent)，把符合條件的的所有記錄的rent_id字段的數據保存起來，再用這些數據作爲查詢條件帶入到借閱記錄表(Rent_log)中去查詢。那麼，有沒有什麼辦法改進呢？下面給出一種簡潔的批量設計方案，不需添加新表，只需修改一下借閱記錄表(Rent_log)即可。修改後的記錄表(Rent_log)如下：

借閱記錄表(Rent_log) 
名稱　　　類型　　　約束條件　　　說明 
rent_id int 無重複 借閱記錄標識，主鍵 
r_id int 不允許爲空 用戶標識，和Renter_table.renter_id關聯 
b_id int 不允許爲空 書籍標識，和Book_table.book_id關聯 
batch_no int 不允許爲空 批量借閱編號，同一批借閱的batch_no相同 
rent_date datetime 不允許爲空 借閱時間 
…… 

　　其中，同一次借閱的batch_no和該批第一條入庫的rent_id相同。舉例：假設當前最大rent_id是64，接着某用戶一次借閱了3 本書，則批量插入的3條借閱記錄的batch_no都是65。之後另外一個用戶租了一套碟，再插入出租記錄的rent_id是68。採用這種設計，查詢批量借閱的信息時，只需使用一條標準T_SQL的嵌套查詢即可。當然，這種設計不符合3NF，但是和上面標準的3NF設計比起來，哪一種更好呢？答案就不用我說了吧。


　　五、冗餘數據的取捨 
　　上篇的“樹型關係的數據表”中保留了一個冗餘字段，這裏的例子更進一步——添加了一個冗餘表。先看看例子：我原先所在的公司爲了解決員工的工作餐，和附近的一家小餐館聯繫，每天吃飯記賬，費用按人數平攤，月底由公司現金結算，每個人每個月的工作餐費從工資中扣除。當然，每天吃飯的人員和人數都不是固定的，而且，由於每頓工作餐的所點的菜色不同，每頓的花費也不相同。例如，星期一中餐5人花費40元，晚餐2人花費20，星期二中餐6人花費36元，晚餐3 人花費18元。爲了方便計算每個人每個月的工作餐費，我寫了一個簡陋的就餐記賬管理程序，數據庫裏有3個表： 

員工表(Clerk_table) 
名稱　　　　類型　　　　約束條件　　　說明 
clerk_id int 無重複 員工標識，主鍵 
clerk_name char(10) 不允許爲空 員工姓名 

每餐總表(Eatdata1) 
名稱　　　 類型　　　　約束條件　　　說明 
totle_id int 無重複 每餐總表標識，主鍵 
persons char(100) 不允許爲空 就餐員工的員工標識集合 
eat_date datetime 不允許爲空 就餐日期 
eat_type char(1) 不允許爲空 就餐類型，用來區分中、晚餐 
totle_price money 不允許爲空 每餐總花費 
persons_num int 不允許爲空 就餐人數 

就餐計費細表(Eatdata2) 
名稱　　類型　　約束條件　　　說明 
id int 無重複 就餐計費細表標識，主鍵 
t_id int 不允許爲空 每餐總表標識，和Eatdata1.totle_id關聯 
c_id int 不允許爲空 員工標識標識，和Clerk_table.clerk_id關聯 
price money 不允許爲空 每人每餐花費 

　　其中，就餐計費細表(Eatdata2)的記錄就是把每餐總表(Eatdata1)的一條記錄按就餐員工平攤拆開，是個不折不扣的冗餘表。當然，也可以把每餐總表(Eatdata1)的部分字段合併到就餐計費細表(Eatdata2)中，這樣每餐總表(Eatdata1)就成了冗餘表，不過這樣所設計出來的就餐計費細表重複數據更多，相比來說還是上面的方案好些。但是，就是就餐計費細表(Eatdata2)這個冗餘表，在做每月每人餐費統計的時候，大大簡化了編程的複雜度，只用類似這麼一條查詢語句即可統計出每人每月的寄餐次數和餐費總帳：

select clerk_name AS personname,COUNT(c_id) as eattimes,SUM(price) AS ptprice FROM Eatdata2 join Clerk_tabsle ON (c_id=clerk_id) join eatdata1 ON (totleid=tid) where eat_date>=CONVERT(datetime,'"&the_date&"') and eat_date 

　　想象一下，如果不用這個冗餘表，每次統計每人每月的餐費總帳時會多麻煩，程序效率也夠嗆。那麼，到底什麼時候可以增加一定的冗餘數據呢？我認爲有2個原則：

　　１、用戶的整體需求。當用戶更多的關注於，對數據庫的規範記錄按一定的算法進行處理後，再列出的數據。如果該算法可以直接利用後臺數據庫系統的內嵌函數來完成，此時可以適當的增加冗餘字段，甚至冗餘表來保存這些經過算法處理後的數據。要知道，對於大批量數據的查詢，修改或刪除，後臺數據庫系統的效率遠遠高於我們自己編寫的代碼。 
　　２、簡化開發的複雜度。現代軟件開發，實現同樣的功能，方法有很多。儘管不必要求程序員精通絕大部分的開發工具和平臺，但是還是需要了解哪種方法搭配哪種開發工具的程序更簡潔，效率更高一些。冗餘數據的本質就是用空間換時間，尤其是目前硬件的發展遠遠高於軟件，所以適當的冗餘是可以接受的。不過我還是在最後再強調一下：不要過多的依賴平臺和開發工具的特性來簡化開發，這個度要是沒把握好的話，後期維護升級會栽大跟頭的。