Schema的优化和索引 - 范式和非范式

核心提示： 这些表属于第二范式，对于大部分需求已经足够了，Schema的优化和索引 - 范式和非范式(2)，第二范式只是众多范式的其中一个，一个范式数据模型的缺点和优点那些对性能要求较高的需求，并且一些用户是付费用户，现在你想查看来自付费用户最新的10条信息，推荐用范式化的数据模型，尤其对于写操作较多的需求

这些表属于第二范式，对于大部分需求已经足够了。第二范式只是众多范式的其中一个。

一个范式数据模型的缺点和优点

那些对性能要求较高的需求，推荐用范式化的数据模型。尤其对于写操作较多的需求。使用范式化模型的好处如下：

范式化的更新速度要快于非范式化的更新。

当数据很好的范式化之后，就有很少或者没有重复的数据。因此也就会有很少的数据需要更新。

范式化的表常常很小，因此它们可以放到内存中，使性能变得更好。

没有多于的数据就意味着，当获取值的列表的时候，就不需要太多的DITINCT或者GROUP BY 的查询。考虑下以前的例子：如果不使用DISTINCT或者GROUP BY在非范式化的表查询唯一列表的部门是不可能的，但是如果DEPARTMENT是独立表，仅仅是个获取查询而已。

范式化数据模型的缺点就是获取数据。在很好的范式化模型上做一些复杂的查询，至少都需要连接一张表，也可能更多。这样的消耗不仅很大，并且使有些索引策略变为不可能。比如，范式化把列放到不同的表中，这些表都会从相同的索引中得到好处。

非范式化数据模型的缺点和优点

一个非范式化的模型可能工作的很好，以为任何数据都放在相同的表中，这样避免了连接。

如果你不需要连接表，来看个最坏情况下的查询-即使没有使用索引，那就是个全表的扫描。在数据没有在内存中的时候，这样的查询都要快于连接表的查询。因为它避免了随机的IO。

一个单独的表也允许使用更高效的索引策略。假使你有个用户发送消息的网站，并且一些用户是付费用户。现在你想查看来自付费用户最新的10条信息。如果你已经范式化数据模型了并且索引了message的发布时间，这个查询可能如下：