什么是数据库三大范式

数据库三大范式是数据库设计表结构所遵循的规范和指导方法，目的是为了减少冗余，建立结构合理的数据库，从而提高数据存储和使用的性能。三大范式之间是具有依赖关系的，比如第二范式是在第一范式的基础上建设的、第三范式是在第二范式的基础上建设的。

  • 第一范式（确保每列保持原子性）：如果数据库表中的所有字段值都是不可分解的原子值，就说明该数据库满足第一范式。
  • 第二范式（确保表中的每列都和主键相关）：第二范式需要确保数据库表中每一列都和主键相关，而不能只与主键的某一部分相关（主要针对联合主键而言）。也就是说在一个数据库表中，一个表中只能保存一种数据，不可以把多种数据保存在同一张数据库表中。
  • 第三范式（确保每列都和主键列直接相关，而不是间接相关）：第三范式需要确保数据表中的每一列数据都和主键直接相关，而不能间接相关。比如在设计一个订单数据表的时候，可以将客户编号作为一个外键和订单表建立相应的关系，而不可以在订单表中添加关于客户其他信息（比如姓名、所属公司）的字段。

举例说明

假设我们有一个学生信息表，如下所示：

学号 姓名 性别 年龄 班号 班级 专业 学院
1001 张三 男 20 100 计算机1班 计算机科学与技术 计算机学院
1011 李四 女 19 101 计算机2班 计算机科学与技术 计算机学院
2001 王五 男 21 200 数学1班 数学与应用数学 理学院

这个表存在以下问题：

  • 存在重复数据，如专业和学院的信息在每一行都重复出现，造成数据冗余。
  • 存在部分依赖，如姓名、性别、年龄只依赖于学号的一部分，而不是整个主键（假设主键是学号和班级的组合）。
  • 存在传递依赖，如专业和学院只依赖于班级，而不是直接依赖于主键。

为了解决这些问题，我们可以按照三大范式对表进行规范化：

  • 第一范式：保证每一列都是不可分割的原子数据项。这个表已经满足第一范式的要求，因为每一列都是单一属性，不能再分割。
  • 第二范式：保证表中的每一列都和主键相关。为了满足第二范式，我们可以将表拆分为两个表，一个是学生基本信息表，主键是学号，另一个是学生班级信息表，主键是学号和班号。如下所示：
学号（PK） 姓名 性别 年龄
1001 张三 男 20
1011 李四 女 19
2001 王五 男 21
学号（PK） 班号（PK） 班级 专业 学院
1001 100 计算机1班 计算机科学与技术 计算机学院
1011 101 计算机2班 计算机科学与技术 计算机学院
2001 200 数学1班 数学与应用数学 理学院

这样就消除了部分依赖，每一列都和主键相关。

  • 第三范式：保证每一列都和主键直接相关，而不是间接相关。为了满足第三范式，我们可以将表再次拆分为三个表，一个是学生基本信息表，主键是学号，一个是班级信息表，主键是班号，一个是专业信息表，主键是专业。如下所示：
学号（PK） 姓名 性别 年龄 班号
1001 张三 男 20 100
1011 李四 女 19 101
2001 王五 男 21 200
班号（PK） 班级 学号（FK） 专业（FK）
100 计算机1班 1001 计算机科学与技术
101 计算机2班 1002 计算机科学与技术
200 数学1班 1003 数学与应用数学
专业（PK） 学院（FK）
计算机科学与技术 计算机学院
数学与应用数学 理学院

这样就消除了传递依赖，每一列都和主键直接相关。

不遵循三大范式会有什么问题

  • 数据冗余：如果表中存在重复的数据，会占用更多的存储空间，也会增加数据维护的难度和成本。
  • 插入异常：如果表中存在部分依赖，可能导致无法插入某些数据，或者插入了不完整的数据。
  • 删除异常：如果表中存在传递依赖，可能导致删除某些数据时，连带删除了其他不想删除的数据。
  • 修改异常：如果表中存在重复的数据，可能导致修改某些数据时，需要修改多个地方，或者修改了一部分而忘记修改另一部分，造成数据不一致。

因此，遵从三大范式可以使数据库设计更加规范、合理、高效和可维护。

在构建数据仓库时也需要遵循数据库三大范式吗

在构建数据仓库时，不一定需要遵循数据库三大范式。数据仓库是为了支持数据分析和决策而设计的，它的主要目的是提高查询的效率和灵活性，而不是保证数据的一致性和完整性。

因此，数据仓库通常采用反范式化的设计方法，即通过增加冗余数据来减少表的关联，从而提高查询的速度和简便性。 反范式化的设计方法有以下优点：

  • 可以减少表的数量和层次，使数据仓库的结构更加简单和清晰。
  • 可以减少查询时需要的连接操作，提高查询的性能和稳定性。
  • 可以更好地进行索引优化，提高查询的响应时间。
  • 可以更好地支持多维分析，提高查询的灵活性和可视化效果。

反范式化的设计方法也有以下缺点：

  • 存在大量冗余数据，占用更多的存储空间和内存资源。
  • 数据维护成本更高，需要保证冗余数据的一致性和正确性。
  • 数据更新操作更复杂，需要更新多个地方，可能影响数据仓库的实时性。

因此，在构建数据仓库时，需要根据具体的业务需求和场景，权衡反范式化设计方法的利弊，选择合适的范式级别。