面试官：什么是数据库范式？什么是反范式？有什么优缺点？

大家好，我是君哥。

设计数据库表结构时，数据库范式是我们经常考虑的策略。但往往很多时候，我们会违反范式，以获得更好的性能。今天来聊一聊这个话题。

1.范式

第一范式

表中字段是原子的，不可以再拆分。一个经典的例子就是地址字段记录了省市区：

如果要符合范式，可以对地址进行拆分。

当然，这里只是为了举例说明，实际项目中，会使用标准的行政地区码来进行保存。

第二范式

首先要满足第一范式，在此基础上主键以外的字段必须完全依赖主键，不能依赖其他字段。比如下面的订单表：

订单表如果单独用“订单id”不能标记唯一记录，只能使用“订单id+产品id”做联合主键，但是订单金额这个字段跟“产品id”没有关系，这就不符合第二范式。可以对订单表进行优化，去除“订单金额”：

订单金额表：

查询的时候使用订单id 做 JOIN 查询。

第三范式

首先要满足第二范式，在此基础上，表中的字段不能间接依赖主键，也就是需要通过依赖传递来对主键形成依赖。再看下面的订单表，主键是订单id：

用户姓名不能直接依赖主键“订单id”，而是通过“用户id”间接依赖的，这就不符合第三范式。可以拆分出用户表，查询的时候使用用户id 进行 JOIN。 订单表：

用户表：

BCNF 范式

也称 BC 范式，它是在满足第三范式的基础上，不允许一个表中存在两个可以做主键的字段。比如下面这个仓库表：

如果一个仓库只能由一个管理员管理，而一个管理员也只能管理一个仓库，那主键可以选择{仓库id，存储商品id}，也可以选择{管理员id，存储商品id}。这就不符合 BCNF 范式。 可以把上表拆分出两个表，仓库管理表：

仓库表：

4NF 范式

4NF 范式是在第三范式的基础上，不允许表中字段由多对多的依赖。比如下面这个表符合第三范式，但是订单id 和产品id 存在多对多的关系。

可以拆分成三个表，订单产品关系表：

订单表：

产品表：

查询的时候做三张表的 JOIN 查询。

2.优缺点

从上面范式的介绍可以看出，范式是数据库设计的规约，主要有以下优点：

• 减少存储空间：同一个实体的属性只在表中存储一次，减少了数据冗余，节省了存储空间；
• 写数据性能高：每个属性的插入、更新通常只需要操作一张表，操作的数据集小，效率更高；
• 数据完整性：遵守范式设计，表中需要保存关联实体的主键，通过主键关联来保证数据完整性。
• 去重操作少：没有冗余数据，也就很少会用到类似 distinct 和 group by 这样的耗时语句。

但过度遵循范式设计，也会存在一些缺点：

• 查询性能受到影响：查询通常需要 JOIN 多个表，JOIN 的表数量较多时，JOIN 语句会成为性能瓶颈；
• SQL 语句复杂度升高：多张表 JOIN 往往使查询语句可读性差，遇到重构、迁移之类的工作，会带来很多额外工作量；
• 对索引依赖更多：为了提高 JOIN 语句性能，往往需要在连接字段上建立索引。

因为遵循范式可能存在的缺点，在实际设计和开发中，我们往往会引入反范式，通过增加数据冗余，将不遵循范式但是需要的字段放到一个表中，通过增加冗余来避免复杂的 JOIN，通过对冗余字段增加索引来提高查询效率。核心思想也是时间换空间。

反范式带来的优点是简化查询语句，提高 SQL 执行效率，对并发读的场景更加合适。

但在写多的场景下，也会存在一些问题，比如因为要写多张表，增删改操作更复杂 ，很容易造成锁竞争，降低写入性能。同时也更容易导致数据不一致，维护难度增加。

3.使用建议

在我们的实际项目开发中，一般都使用混合范式。

对 OLTP（联机事务处理）类型的使用场景，比如电商、ERP 等写入比较多的系统，可以考虑使用范式设计。

而对于 OLAP（联机分析处理）的使用场景，比如报表、数仓等，需要处理复杂查询，都是读取操作，可以考虑采用反范式设计。通常使用 ELT 工具把业务数据从关系型数据库抽取到湖仓，在湖仓构建反范式化的数据模型，用于业务数据查询和报表生成。