数据的规范化
范式：关系模型满足的确定约束条件，根据满足约束条件的级别不同，范式由低到高分为1NF（第一范式）、2NF（第二范式）、3NF（第三范式）、BCNF（BC范式）、4NF（第四范式）等。不同的级别范式性质也不同。
把一个低一级的关系模型分解为高一级关系模型的过程，称为关系模型的规范化。关系模型分解必须遵守两个准则：
- 无损连接性：信息不失真（不增减信息）；
- 函数依赖保持性：不破坏属性间存在的依赖性。
规范化的基本思想是逐步消除不合适的函数依赖，使数据库中的各个关系模型达到某种程度的分离。规范化解决的主要是单个实体的质量问题，是对于问题域中原始数据展现的正规化处理。规范化理论给出了判断关系模型优劣的理论标准，帮助预测模式可能出现的问题，是数据库设计的指南和工具，具体有：
- 用数据依赖的概念分析和表示数据项之间的关系；
- 消除E-R图中的冗余关系。
函数依赖：通俗的说，就像自变量x确定之后，相应的函数值f(x)也就唯一确定了一样，函数依赖是衡量和调整数据规范化的最基础的理论依据。例如，记录职工信息的结构如下：
职工工号（EMP_NO）、职工姓名（EMP_NAME）、所在部门（DEPT）。
则说EMP_NO函数决定了EMP_NAME和DEPT，或者说EMP_NAME/DEPT依赖于EMP_NO，记为EMP_NO→EMP_NAME、EMP_NO→DEPT。
第一范式
1NF是最低的规范化要求。如果关系R中所有的属性的值域都是简单域，其元素（即属性）不可再分，是属性项而不是属性组，那么关系模型R是第一范式的，记作RÎ1NF。这一限制是关系的基本性质，所以任何关系都必须满足第一范式。第一范式是实际数据库设计中必须先达到的，通常称为数据元素的结构化。如下图1，不满足1NF的例子和图2满足1NF的例子：
图1，不满足1NF
图2，满足1NF
经过处理后，就可以以省、市为条件进行查询和统计了。满足1NF的关系模型会出现很多重复值，并且增加了修改其数据时引起疏漏的可能性。为了消除这种数据冗余和避免更新数据的遗漏，需要增加更加规范的2NF。
第二范式
2NF：如果一个关系R属于1NF，且所有的非主属性都完全依赖于主属性，则称为第二范式，记作RÎ2NF。
为了说明问题，用一个例子说明：有一个获得专业技术证书的人员情况登记表结构如下：
省份、姓名、证书名称、证书编号、核准项目、发证部门、发证日期、有效期。
这个结构符合1NF，其中“证书名称”和“证书编号”是主码，但是“发证部门”只完全依赖于“证书名称”，即只依赖于主关键字的一部分（即部分依赖），所以它不符合2NF，这样首先存在数据冗余，因为证书的种类可能不多。其次，在更改发证部门的时候，如果漏改了某一记录，存在数据不一致。再次，如果获得某种证书的职工全部跳槽了，那这个发证部门的信息就可能丢失了，即这种关系不允许存在某种证书没有获得者的情况。
可以用分解的方法消除部分依赖的情况，而使关系达到2NF的标准。方法是：从现有关系中分解出新的关系表，使得每个表中所有的非关键字都完全依赖于各自的主关键字。可以分解成两个表（省份、姓名、证书名称、证书编号、核准项目、发证日期、有效期）和（证书名称、发证部门），这样就完全符合2NF了。
第三范式
3NF：如果一个关系属于2NF，且每个非主属性不传递依赖于主属性，这种关系称为3NF，记作RÎ3NF。
从2NF中消除传递依赖，就是3NF。例如：有一个表（职工姓名，工资级别，工资额），其中职工姓名是关键字，此关系符合2NF，但是因为工资级别决定工资额，也就是说非主属性“工资额”传递依赖于主属性“职工姓名”，它不符合3NF，同样可以使用投影分解的方法分解成两个表：（职工姓名，工资级别）和（工资级别，工资额）。
BC范式
一般满足3NF的关系模型已经消除冗余和各种异常现象，获得比较满意的效果。但无论是2NF还是3NF都没有涉及主属性间的函数依赖，所以还是会有时引起一些问题。由此引入BC范式（由Boyeet和Codd提出）。通常认为BCNF是3NF的改进。
BC范式的定义：如果关系模型R∈1NF，且R中每一个函数依赖关系中的决定因素都包含码，则R是满足BC范式的关系，记作RÎBCNF。当一个关系模型RÎBCNF，则在函数依赖范畴里，就认为已经彻底实现了分离，消除了插入、删除的异常。
综合1NF、2NF和3NF、BCNF的内涵可概括如下：
- 非主属性完全函数依赖于码（2NF的要求）；
- 非主属性不传递依赖于任何一个候选码（3NF的要求）；
- 主属性对不包含它的码完全函数依赖（BCNF的要求）；
- 没有属性完全函数依赖于一组非属性（BCNF的要求）。
反规范化
数据库中的规范化的优点是减少了数据冗余，节约了存储空间，相应的逻辑和物理的I/O次数减少，同时加快了增加、删除、修改的速度，但是对完全规范的数据库进行查询的时候，通常需要更多的连接操作，从而影响查询的效率。因此，有时为了提高某些查询或应用的性能而破坏规范化规则，即反规范化（非规范化处理）。
常见的范规范化技术有：
1、增加冗余列
增加冗余列是指在多个表中具有相同的列，它常用来在查询时避免连接操作。例如：以规范化设计理念，学生成绩表中不需要“姓名”，因为“姓名”字段可通过学号查询到，但在反规范化设计中，会将“姓名”字段加入表中。这样查询一个学生的成绩时，不需要与学生表进行连接操作，便可以得到对应的“姓名”。
2、增加派生列
增加派生列是指增加的列可以通过表中的其他数据计算生成。它的作用是在查询时减少计算量，从而加快查询速度。例如：订单表中，有商品号，商品单价，采购数量，我们需要订单总价时，可以通过计算得到总价，所以规范化设计理念是不用在订单表中设计“订单总价”字段的。但范规范化就不这样考虑，由于订单总价在每次查询都需要计算，这样会占用系统大量资源，所以在此表中增加了派生列“订单总价”以提高查询效率。
3、重新组表
有时候对表进行分割可以提高性能。表分割分为两种方式：
水平分割：根据一列或多列数据的值把数据行放到两个独立的表中。水平分割通常在下面的情况下使用：
- 情况1：表很大，分割后可以降低在查询时需要读取的数据和索引的页数，同时也降低了索引的层数，提高查询效率。
- 情况2：表中的数据本来就有独立性。例如表中分别记录各个地区的数据或不同时期的数据，特别是有些数据常用，而另外一些数据不常用。
- 情况3：需要把数据放到多个介质上使用时。
垂直分割：把主码和一些列放到一个表，然后把主码和另外一些列放到另一个表中。如果一些表中的某些列常用，而另外一些列不常用，则可以采用垂直分割，另外垂直分割可以使得数据行变小，一个数据页就能存储更多的数据，在查询时会减少I/O次数。其缺点是需要管理冗余列，查询所有数据需要连接操作。
閱讀更多 悟空程序生活 的文章
