2024年大数据最全一篇文章搞懂数据仓库：三范式与反范式，80后程序员月薪30K+感慨中年危机

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

如学生（学号，姓名，性别，出生年月日）

有些钢筋可能要问了，姓名可以拆成姓、名两列， “出生年月日” 也可以拆成年、月、日三个字段。所以就不满足第一范式了！！！这里再强调一下原子性，原子性是根据使用方便来自定义的最小单位。中国人一般姓名一起用，美国就习惯姓名分别存两字段

二、第二范式

2NF要求记录有惟一标识，即不存在部分依赖；

简单来说就是拆表，以人为粒度做一张明细表，以课程号为粒度做一张维度表，两表关联使用，消除了数据冗余

表：学号、课程号、姓名、学分;

这个表明显说明了两个事务:学生信息, 课程信息;由于非主键字段必须依赖主键，这里学分依赖课程号，姓名依赖与学号，所以不符合二范式。

可能会存在问题：

• 数据冗余：每条记录都含有相同信息；

• 删除异常：删除所有学生成绩，就把课程信息全删除了；

• 插入异常：学生未选课，无法记录进数据库；

• 更新异常：调整课程学分，所有行都调整。

  正确做法:

  学生：Student(学号, 姓名)；

  课程：Course(课程号, 学分)；

  选课关系：StudentCourse(学号, 课程号, 成绩)。

  三、第三范式

  ---

  3NF是对字段的**冗余性**，要求任何字段不能由其他字段派生出来，它要求字段没有冗余，即不存在传递依赖；

  表: 学号, 姓名, 年龄, 学院名称, 学院电话

  因为存在依赖传递: (学号) → (学生)→(所在学院) → (学院电话) 。

  可能会存在问题：

  • 数据冗余:有重复值；

  • 更新异常：有重复的冗余信息，修改时需要同时修改多条记录，否则会出现数据不一致的情况 。

    正确做法：

    学生：(学号, 姓名, 年龄, 所在学院)；

    学院：(学院, 电话)。

    四、反范式化

    ---

    一般说来，数据库只需满足第三范式（3NF）就行了。

    没有冗余的数据库设计可以做到。但是，没有冗余的数据库未必是最好的数据库，有时为了提高运行效率，就必须降低范式标准，适当保留冗余数据。具体做法是：在概念数据模型设计时遵守第三范式，降低范式标准的工作放到物理数据模型设计时考虑。降低范式就是增加字段，允许冗余，达到以空间换时间的目的。

    〖例〗：有一张存放商品的基本表，如表1所示。“金额”这个字段的存在，表明该表的设计不满足第三范式，因为“金额”可以由“单价”乘以“数量”得到，说明“金额”是冗余字段。但是，增加“金额”这个冗余字段，可以提高查询统计的速度，这就是以空间换时间的作法。

    在Rose 2002中，规定列有两种类型：数据列和计算列。“金额”这样的列被称为“计算列”，而“单价”和“数量”这样的列被称为“数据列”。

    五、范式化设计和反范式化设计的优缺点

    ---

    5.1 范式化 （时间换空间）

    优点：

    • 范式化的表减少了数据冗余，数据表更新操作快、占用存储空间少。

      缺点：

      • 查询时需要对多个表进行关联，查询性能降低。

      • 更难进行索引优化

        5.2 反范式化（空间换时间）

        反范式的过程就是通过冗余数据来提高查询性能，但冗余数据会牺牲数据一致性

        

        

        

        既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

        由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

        需要这份系统化资料的朋友，可以戳这里获取

        提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

        由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

        需要这份系统化资料的朋友，可以戳这里获取