关系型数据库设计

‘壹’ 关系型数据库和非关系型区别

一、特点不同

1、关系型数据库：传统的关系型数据库采用表格的储存方式，数据以行和列的方式进行存储，要读取和查询都十分方便；关系型数据库按照结构化的方法存储数据；关系型数据库采用结构化查询语言（即sql）来对数据库进行查询。

2、非关系型数据库：一个Hibari集群是一个分布式系统；个Hibari集群是线性可伸缩的；一个Hibari集群是高度可用；所有的更新都是持久的；所有的更新都是强一致性；所有客户端操作是无锁的。

二、功能不同

1、关系型数据库：关系型数据库十分强调数据的一致性，并为此降低读写性能付出了巨大的代价，虽然关系型数据库存储数据和处理数据的可靠性很不错，但一旦面对海量数据的处理的时候效率就会变得很差，特别是遇到高并发读写的时候性能就会下降得非常厉害。

2、非关系型数据库：可用于云计算应用，如Web电子邮件、社交网络服务，以及其它日常需要储存TB和PB级规模数据的服务。

三、应用领域不同

1、关系型数据库：主要应用于计算机技术，例如在数据库设计中，指定学生Sstudent，专指本科生。

2、非关系型数据库：Hibari可用于云计算环境中，例如 webmail、SNS 和其他要求T/P级数据存储的环境中。Hibari 支持 Java, C/C++, Python, Ruby, 和 Erlang 语言的客户端。

‘贰’ 数据库设计的重要性

原创点经验吧，好的数据库设计有下面的一些作用，下面说的都是关系型数据库。
1、首先充分体现系统的需求，数据库是为应用服务的，好的数据库设计应该首先能满足应用系统的业务需求，准确的表达数据间关系。
2、保证数据的准确性和一致性，通过主外键、非空、限制、唯一索引等保证数据的健壮。
3、提高数据的查询效率，通过合理表结构，安排物理存储分区、增加索引等方式，提高数据的读取速度，提高查询效率。
4、有好的扩展性，在必要时能根据需求扩展数据结构。

‘叁’ 关系型数据库中对于不确定属性怎么设计

纸上谈兵，没有结论，你这问题本身就有问题！
1、设计库表时，各字段属性一定要确定
2、数据库表字段在确定后，一般不要进行属性变更，很麻烦的！
你还是找个实际的数据库实例来研究吧

‘肆’ 请大伙给我解释一下数据库设计的基本原则！

数据库设计的三范式所谓范式，是关系型数据库关系模式规范化的标准，从规范化的宽松到严格，分别为不同的范式，通常使用的有第一范式、第二范式、第三范式及BC范式等。范式是建立在函数依赖基础上的。

函数依赖

定义：设有关系模式R(U)，X和Y是属性集U的子集，函数依赖是形为X→Y的一个命题，对任意R中两个元组t和s，都有t[X]=s[X]蕴涵t[Y]=s[Y]，那么FD X→Y在关系模式R(U)中成立。X→Y读作‘X函数决定Y’，或‘Y函数依赖于X’。通俗的讲，如果一个表中某一个字段Y的值是由另外一个字段或一组字段X的值来确定的，就称为Y函数依赖于X。函数依赖应该是通过理解数据项和企业的规则来决定的，根据表的内容得出的函数依赖可能是不正确的。

第一范式（1NF）

定义：如果关系模式R的每个关系r的属性都是不可分的数据项，那么就称R是第一范式的模式。
简单的说，每一个属性都是原子项，不可分割。1NF是关系模式应具备的最起码的条件，如果数据库设计不能满足第一范式，就不称为关系型数据库。关系数据库设计研究的关系规范化是在1NF之上进行的。

第二范式（2NF）

定义：如果关系模式R是1NF，且每个非主属性完全函数依赖于候选键，那么就称R是第二范式。
简单的说，第二范式要满足以下的条件：首先要满足第一范式，其次每个非主属性要完全函数依赖与候选键，或者是主键。也就是说，每个非主属性是由整个主键函数决定的，而不能由主键的一部分来决定。举个例子：
有股票日行情表的主键是股 票代码和交易日期组成。非主属性中有收盘价和成交量等，都是由主键，即股票代码和交易日期函数决定的，单独的股票代码或者交易日期都不能函数决定这些非主 属性。如果这个表中有非主属性股票简称，则股票简称是可以由股票代码来函数决定的，这样股票简称这个非主属性就不是完全函数依赖于候选键，这样的设计就不 满足第二范式。

第三范式（3NF）
定义：如果关系模式R是2NF，且关系模式R（U，F）中的所有非主属性对任何候选关键字都不存在传递依赖，则称关系R是属于第三范式。
简单的说，第三范式要满足以下的条件：首先要满足第二范式，其次非主属性之间不存在函数依赖。由于满足了第二范式，表示每个非主属性都函数依赖于主键。如果非主属性之间存在了函数依赖，就会存在传递依赖，这样就不满足第三范式。
举 个例子：在股票基本情况表中，主键是股票代码，有非主属性所属一级行业和所属二级行业。根据业务规则，所属二级行业能够函数决定所属一级行业，这就表示存 在这样一种关系：股票代码函数决定所属二级行业，所属二级行业函数决定所属一级行业，这就形成了传递依赖，这样的设计就不符合第三范式。不过在实际运用 中，为查询和使用的方便，有时也会违反第三范式。如上例，如果没有所属一级行业的属性，需要查询所属一级行业的相关股票，需要查询时使用函数来从二级行业 中函数生成所属一级行业，使用性能上会受影响。所以通常会加上所属一级行业的属性。

BC范式（BCNF）

BC范式是第三范式的增强版，不过也有人说是直接从1NF发展过来的，即每个属性，包括主属性或非主属性，都完全依赖于候选键，并且不存在传递依赖情况。

‘伍’ 设计关系数据库，有点纠结，求教。

这其实是关系型数据库设计的永恒话题，范式与反范式。
从一开始学关系型数据库设计开始，老师就会对我们说在进行数据库的表结构设计时，运用范式会有多么重要的意义。确实，在实际工作当中你也会发现范式确实非常重要，但是随着工作的深入。你会慢慢发现有时候遵守范式反而会让你掉入一个又一个陷阱，于是我们又会谈到一个反范式的概念，什么时候需要遵守范式�什么时候又需要反范式。
这个就要根据自己项目的业务、数据量来找到中间的平衡点。希望对你有帮助。

‘陆’ 关系型数据库包含有哪些数据完整性约束在设计表时,什么是主键,什么是外键

是指数据库中数据的正确性和相容性。数据库完整性由各种各样的完整性约束来保证，因此可以说数据库完整性设计就是数据库完整性约束的设计。

‘柒’ 请结合实例简述进行适度关系型数据库规范化是为了解决关系型数据库的哪些问题

关系数据库逻辑设计的好坏与所含的各个关系模式设计的好坏相关。如果各个关系模式结构合理、功能简单明确、规范化程度高，就能确保所建立的数据库具有较少的数据冗余、较高的数据共享度、较好的数据一致性，并为数据库系统能够很好的应用于实际打下良好的基础。

因此，关系的规范化理论就是为解决数据冗余、删除异常和插入异常等问题而提出来的。

(7)关系型数据库设计扩展阅读：

一个关系模式接着分解可以得到不同关系模式集合，也就是说分解方法不是惟一的。最小冗余的要求必须以分解后的数据库能够表达原来数据库所有信息为前提来实现。其根本目标是节省存储空问，避免数据不一致性，提高对关系的操作效率，同时满足应用需求。

实际上，并不一定要求全部模式都达到BCNF不可。有时故意保留部分冗余可能更方便数据查询。尤其对于那些更新频度不高，查询频度极高的数据库系统更是如此。

‘捌’ 什么叫关系型数据库

关系型数据库，是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成了数据库。

用户通过查询来检索数据库中的数据，而查询是一个用于限定数据库中某些区域的执行代码。

关系模型可以简单理解为二维表格模型，而一个关系型数据库就是由二维表及其之间的关系组成的一个数据组织。

(8)关系型数据库设计扩展阅读：

关系型数据库特点：

1、存储方式：传统的关系型数据库采用表格的储存方式，数据以行和列的方式进行存储，要读取和查询都十分方便。

2、存储结构：关系型数据库按照结构化的方法存储数据，每个数据表都必须对各个字段定义好，再根据表的结构存入数据，这样做的好处就是由于数据的形式和内容在存入数据之前就已经定义好了，所以整个数据表的可靠性和稳定性都比较高。

3、存储规范：关系型数据库为了避免重复、规范化数据以及充分利用好存储空间，把数据按照最小关系表的形式进行存储，这样数据管理的就可以变得很清晰、一目了然，当然这主要是一张数据表的情况。

4、扩展方式：由于关系型数据库将数据存储在数据表中，数据操作的瓶颈出现在多张数据表的操作中，而且数据表越多这个问题越严重，如果要缓解这个问题，只能提高处理能力，也就是选择速度更快性能更高的计算机。

5、查询方式：关系型数据库采用结构化查询语言来对数据库进行查询，SQL早已获得了各个数据库厂商的支持，成为数据库行业的标准，它能够支持数据库的CRUD操作，具有非常强大的功能，SQL可以采用类似索引的方法来加快查询操作。

6、规范化：在数据库的设计开发过程中开发人员通常会面对同时需要对一个或者多个数据实体进行操作，这样在关系型数据库中，一个数据实体一般首先要分割成多个部分，然后再对分割的部分进行规范化，规范化以后再分别存入到多张关系型数据表中，这是一个复杂的过程。

7、事务性：关系型数据库强调ACID规则（原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）），可以满足对事务性要求较高或者需要进行复杂数据查询的数据操作，而且可以充分满足数据库操作的高性能和操作稳定性的要求。

8、读写性能：关系型数据库十分强调数据的一致性，并为此降低读写性能付出了巨大的代价，虽然关系型数据库存储数据和处理数据的可靠性很不错，但一旦面对海量数据的处理的时候效率就会变得很差，特别是遇到高并发读写的时候性能就会下降的非常厉害。

9、授权方式：关系型数据库常见的有 Oracle，SQLServer，DB2，Mysql，除了Mysql大多数的关系型数据库如果要使用都需要支付一笔价格高昂的费用，即使是免费的Mysql性能也受到了诸多的限制。

‘玖’ 什么是关系型数据库

关系型数据库，是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成了数据库。

用户通过查询来检索数据库中的数据，而查询是一个用于限定数据库中某些区域的执行代码。关系模型可以简单理解为二维表格模型，而一个关系型数据库就是由二维表及其之间的关系组成的一个数据组织。

关系型数据库设计的过程可大体分为四个时期七个阶段。

存储结构：关系型数据库按照结构化的方法存储数据，每个数据表都必须对各个字段定义好（也就是先定义好表的结构），再根据表的结构存入数据，这样做的好处就是由于数据的形式和内容在存入数据之前就已经定义好了，所以整个数据表的可靠性和稳定性都比较高，但带来的问题就是一旦存入数据后，如果需要修改数据表的结构就会十分困难。

(9)关系型数据库设计扩展阅读：

关系型数据库相比其他模型的数据库而言。有着以下优点：

1、容易理解：关系模型中的二维表结构非常贴近逻辑世界，相对于网状、层次等其他模型来说更容易理解。

2、使用方便：通用的SQL语言使得操作关系型数据库非常方便，只需使用SOL语言在逻辑层面操作数据库，而完全不必理解其底层实现。

3、易于维护：丰富的完整性(实体完整性、参照完整性和用户定义的完整性)大大降低了数据冗余和数据不一致的概率。

‘拾’ 如何自己实现一个关系型数据库

对外数据模型为关系型数据库，内部的实现主要分成两大类，一类是disk-based，比如mysql，postgres，一类是memory based，后者包括MemSQL，SAP HAHA，OceanBase。看题目的意思指的是前者。这里说一个disk-based的关系型数据库涉及多少东西。

上世纪70/80年代内存不大，数据不能都放在内存里，大部分数据都存在磁盘上，读数据也需要从磁盘读，然而读写磁盘太慢了，所以就在内存里做了一个buffer pool，将已经读过的数据缓存到buffer pool中，写的时候也是写到buffer pool中就返回，buffer pool的功能就是管理数据在磁盘和内存的移动。在buffer pool中数据的管理单位是page。page大小一般几十KB。一般都可以配置。如果buffer pool中没有空闲的page，就需要将某一个page提出buffer pool，如果它是dirty page，就需要flush到磁盘，这里又需要一个LRU算法。一个page包含多条记录，page的格式需要设计用来支持变长字段。如果这时宕机了，buffer pool中的数据就丢了。这就需要REDO log，将对数据的修改先写到redo log中，然后写buffer pool，然后返回给客户端，随后，buffer pool中的dirty page会被刷到数据文件中(NO FORCE)。那么重启的时候，数据就能从redo log中恢复。REDO log还没刷完就刷数据到磁盘可以加快写入速度，缺点就是恢复的时候需要回放UNDO log，回滚一些还没有提交的事务的修改。写log又分为逻辑log和物理log，还有物理逻辑log。简单说逻辑log就是记录操作，比如将某个值从1改成2.而物理log记录具体到record的位置，例如某个page的某个record的某个field，原来的值是多少，新值是多少等。逻辑log的问题是并发情况下不太好恢复成一致。物理log对于某些操作比如create table又过于琐碎，所以一般数据库都采用混合的方式。为了跟踪系统中各种操作的顺序，这就需要为log分配id，记做LSN(log sequence number)。系统中记录各种LSN，比如pageLSN, flushedLSN等等。为了加快宕机恢复速度，需要定期写checkpoint，checkpoint就是一个LSN。
以上ACID里的C和D有关。下面说A和I，即原子性和隔离性。

这两个性质通过concurrency control来保证。隔离级别有很多种，最开始有4种，从低到高read uncommitted, read committed, repeatable read, serializable。serializable就是多个事务并发执行的结果和某种顺序执行事务的结果相同。除了serializable，其他都有各种问题。比如repeatable read有幻读问题(phantom)，避免幻读需要gap lock。read committed有幻读和不可重复读问题。后来又多了一些隔离级别，比如snapshot isolation，snapshot isolation也有write skew问题。早期，并发控制协议大多是基于两阶段锁来做的(2PL)，所以早期只有前面提到的四种隔离级别，后来，又出现一类并发控制协议，统称为Timestamp Ordering，所以又多了snapshot isolation等隔离级别。关于隔离级别，可以看看这篇论文 http://research.microsoft.com/pubs/69541/tr-95-51.pdf。2PL需要处理deadlock的问题。

Timestamp Ordering大体的思想就是认为事务之间冲突不大，不需要加锁，只在commit的时候check是否有冲突。属于一种乐观锁。
Timestamp Ordering具体来说包括多种，最常见的MVCC就是这类，还有一类叫做OCC(optimistic concurrency control)。MVCC就是对于事务的每次更新都产生新的版本，使用时间戳做版本号。读的时候可以读指定版本或者读最新的版本。几乎主流数据库都支持MVCC，因为MVCC读写互相不阻塞，读性能高。MySQL的回滚段就是用来保存老的版本。MVCC需要有后台线程来做不再需要的版本的回收工作。Postgres的vacuum就是做这事的。OCC和MVCC的区别是，OCC协议中，事务的修改保存在私有空间(比如客户端)，commit的时候再去检测冲突，通常的做法是事务开始时看一下自己要修改的数据的最后一次修改的时间戳，提交的时候去check是否这个时间戳变大了，如果是，说明被别人改过了，冲突。冲突后可以回滚或者重试。

上面这些搞定了就实现了数据库的核心，然后为了性能，需要index，通常有两种，一种支持顺序扫描B+Tree,还有一种是Hash Index。单条读适合用Hash Index,O(1)时间复杂度，顺序扫描只适合用B+Tree，O(logN)复杂度。然后，有些查询只需要扫描索引就能得到结果，有些查询直接扫描数据表就能得到结果，有些查询可以走二级索引，通过二级索引找到数据表然后得到结果。。具体用哪种方式就是优化器的事了。

再外围一些，关系型数据库自然需要支持SQL了，由SQL变成最后可以执行的物理执行计划中间又有很多步，首先SQL通过词法语法分析生成抽象语法树，然后planner基于这棵树生成逻辑执行计划，逻辑执行计划的生成通常涉及到等价谓词重写，子查询消除等逻辑层面的优化技术，优化的目的当然是性能。比如等价谓词重写，用大于小于谓词消除like，between .. and..等不能利用索引的谓词。下一步是逻辑执行计划生成物理执行计划，物理执行计划树每个节点是一个operator，operator的执行就是实实在在的操作，比如扫表的operator，filter opertor。一个逻辑执行计划通常可以有多个物理执行对应，选择哪个就涉及到物理执行计划优化，这里涉及到经典的cost model，综合考虑内存,CPU, I/O,网络等。最典型的，三表join，从左到右还是右到左，使用hash join，还是sort merge join等。