数据库物理模型设计

原创：胖子刘（转载请注明出处及作者，谢谢。）

胖子刘 Blog地址

 

        最近一直有个愿望：希望把自己所从事的数据库模型设计方面的工作经验和想法付诸文字，算是对此前工作的一个总结，今天终于开始了万里长征的第一步。
        在正式开始之前，我先向大家介绍两本书——《数据模型资源手册卷一》、《数据模型资源手册卷二》，国内有机械工业出版社出版的中文译本，很多同行可能都已看过，我本人也看过。
        看过之后深受启发，同时也感到两点美中不足：
        1、这两部书的成书时间较早，且原作内容是基于美国企业的业务需求而建，有些最新的行业信息及“中国特色”的东西没有收录。
        2、书中原作者所使用的设计符号是作者专用的，而对于目前国内数据库模型设计的专业人员来说，ER图或者PowerDesigner中的CDM、PDM图更容易理解和沟通。
        所以，在今后一段时间，我希望每天能抽出2个小时，结合上面提到的两部书的内容、PowerDesigner的PDM模型以及本人相关工作经验，在这里做一个数据库模型设计的连载。本连载计划用120天的时间撰写完毕。
        这么做的目的，一方面是将头脑里的无形信息落实到文字上、有效避免遗忘，另一方面更加希望抛砖引玉，在与同行们沟通交流之后对我自己也是个促进和提高，对其他同行也起到各借鉴的作用。望广大同行们不吝赐教，大家一起来推动数据库模型设计的资源共享计划。

        什么是模式？简单说来，模式类似于定式，就是遇到反复出现的同一问题时所固定使用的解决方案。下围棋的朋友可能对“定式”这个词比较熟悉，定式包含着下棋时做遇到的各种情况下的下法、急所、手筋及死活等基本原理，例如星定式、小目定式、边定式等等，定式懂的越多，围棋下的越好。

        那么是不是数据库设计模式懂得越多，设计工作越完美呢？理论上是这样，但是在我这里，各位朋友所能看到的数据库设计模式只有四种。

        为什么只有四种而不是更多？
        不时有那句话吗：“浓缩的都是精华”！
        在后面的文章中，您会陆续看到浩浩荡荡的设计实例连篇累牍，却都是利用这四种基本模式设计出来的。《易传·系辞》曰：“易有太极，是生两仪，两仪生四象，四象生八卦。”老子在《道德经》中也说：“道生一，一生二，二生三，三生万物。”

        设计模式不必多，只要掌握其中关键的几个，再结合实际的业务需求，一个完整的数据库模型就可以推导出来。
===============================================================================================

下面让我们来逐一介绍这四种主要设计模式：

（一）主扩展模式
        主扩展模式，通常用来将几个相似的对象的共有属性抽取出来，形成一个“公共属性表”；其余属性则分别形成“专有属性表”，且“公共属性表”与“专有属性表”都是“一对一”的关系。
        “专有属性表”可以看作是对“公共属性表”的扩展，两者合在一起就是对一个特定对象的完整描述，故此得名“主扩展模式”。
        举例如下（注：这个例子已经作了相当程度的简化，仅仅是用来帮助大家理解“主扩展模式”这个概念来使用的，请大家注意）。
       假设某公司包括如下6种类型的工作人员：采购员、营销员、库房管理员、收银员、财务人员和咨询专家，采用主扩展模式进行设计，如下图所示。

 

        无论哪种类型的工作人员，都要访问公司的办公软件，所以都有“登陆代码”和“登录密码”；并且作为一般属性，“姓名”、“性别”、“身份证号”、“入职时间”、“离职时间”等属性，都与个人所从事的工作岗位无关，所以可以抽取出来作为公共属性，创建“公司员工”表。

        很显然，公司委派员工采购哪些商品是“采购员”的专有属性，这是由公司的实际业务特点决定的。换句话说，公司不可能把采购任务放到“营销员”身上，也不可能放到“库房管理员”身上，“采购商品”属性就是“采购员”的专用属性。
        “采购员”表的主键与“公司员工”表的主键是相同的，包括字段名称和字段的实际取值；“采购员”表的主键同时是“公司员工”表主键的外键。在PDM图里可以看到“采购员”表中的“员工ID”字段后面有一个“<pk,fk>”标记，这个标记就说明“员工ID”字段既是“采购员”表的主键，同时也是该表的外键。
        “公司员工”表是主表，“采购员”表是扩展表，二者是“一对一”的关系，两个表的字段合起来就是对“采购员”这个对象的完整说明。同理，“公司员工”表和其他5个表之间也都分别构成了“一对一”的关系。
        对于主表来说，从表既可以没有记录，也可以有唯一一条记录来对主表进行扩展说明，这就是“主扩展模式”。

 

（二）主从模式
        主从模式，是数据库设计模式中最常见、也是大家日常设计工作中用的最多的一种模式，它描述了两个表之间的主从关系，是典型的“一对多”关系。

        举例如下（注：这个例子已经作了相当程度的简化，仅仅是用来帮助大家理解“主从模式”这个概念来使用的，请大家注意）。

        比如论坛程序。一个论坛通常都会有若干“板块”，在每个板块里面，大家可以发布很多的新帖。这时候“板块”和“发帖”就是主从模式，主表是“板块”，从表是“发帖”，二者是“一对多”的关系。

        多个潜水员也可以对感兴趣的同一份发帖进行回复，以表达各自的意见，这时候，一个“发帖”就有了多份“回复”，又构成了一个“主从模式”。

（三）名值模式
        名值模式，通常用来描述在系统设计阶段不能完全确定属性的对象，这些对象的属性在系统运行时会有很大的变更，或者是多个对象之间的属性存在很大的差异。

        举例如下（注：这个例子已经作了相当程度的简化，仅仅是用来帮助大家理解“名值模式”这个概念来使用的，请大家注意）。

1.       使用名值模式进行设计时，如果对“其他属性”仅作浏览保存、不作其它任何特殊处理，则通常会设计一个“属性模板”表，该表的数据记录在系统运行时动态维护。

        系统运行时，如需维护“产品其他属性”，可先从“属性模板”中选择一个属性名称，然后填写“属性值”保存，系统会将对应的产品ID、属性模板ID及刚刚填写的“属性值”一起保存在“产品其他属性”里，这样就完成了相关设置。无论产品的其他属性需求发生怎样的变化、怎样增删改属性，都可以在运行时实现，而不必修改数据库设计和程序代码。（见下图）

 

2.       使用名值模式进行设计时，如果对“其他属性”有特殊处理，比如统计汇总，那么这个属性名称需要在程序代码中作“硬编码”，即该属性名称需要在程序代码中有所体现，此时可以在“产品其他属性”表中直接记录“属性名称”，不再需要“属性模板”表。

        系统运行时，如需维护“产品其他属性”，程序直接列出“属性名称”，然后填写“属性值”保存，系统会将对应的产品ID、属性名称及刚刚填写的“属性值”一起保存在“产品其他属性”里，这样就完成了相关设置。以后如果需求发生变更，则只需修改相应的程序代码即可，不必修改数据库设计。（见下图）

（四）多对多模式
        多对多模式，也是比较常见的一种数据库设计模式，它所描述的两个对象不分主次、地位对等、互为一对多的关系。对于A表来说，一条记录对应着B表的多条记录，反过来对于B表来说，一条记录也对应着A表的多条记录，这种情况就是“多对多模式”。

        “多对多模式”需要在A表和B表之间有一个关联表，这个关联表也是“多对多模式”的核心所在。根据关联表是否有独立的业务处理需求，可将其划分为两种细分情况。

1.       关联表有独立的业务处理需求。
举例如下（注：这个例子已经作了相当程度的简化，仅仅是用来帮助大家理解“多对多模式”这个概念来使用的，请大家注意）。

        比如网上书店，通常都会有“书目信息”和“批发单”。一条“书目信息”面对不同的购买客户、可以存在多张“批发单”，反过来，一张“批发单”也可以批发多条书目，这就是多对多模式。中间的“批发单明细”表就是两者的关联表，具备独立的业务处理需求，是一个业务实体对象，因此它具备一些特有的属性，比如针对每一条明细记录而言的“累计退货次数”、“累计退货数量”、“累计结算次数”、“累计结算数量”；由于批发单明细在数据产生后已经打印出纸质清单提供给客户，因此在“批发单明细”表里对纸质清单中打印的书目信息属性作了冗余（逆标准化），这样在将来即使修改了“书目信息”表中的属性，也不会影响跟客户核对批发单明细，不会影响未来的财务结算业务。

 

2.       关联表没有独立的业务处理需求
举例如下（注：这个例子已经作了相当程度的简化，仅仅是用来帮助大家理解“多对多模式”这个概念来使用的，请大家注意）。

        比如用户与角色之间的关系，一般系统在做权限控制方面的程序时都会涉及到“系统用户表”和“系统角色表”。一个用户可以从属于多个角色，反过来一个角色里面也可以包含多个用户，两者也是典型的“多对多关系”。其中的关联表“用户角色关联表”在绝大多数情况下都是仅仅用作表示用户与角色之间的关联关系，本身不具备独立的业务处理需求，所以也就没有什么特殊的属性。

（五）使用上述四种模式的一般原则

1.       什么时候用“主扩展模式”？
        对象的个数不多；各个对象之间的属性有一定差别；各个对象的属性在数据库设计阶段能够完全确定；各个扩展对象有独立的、相对比较复杂的业务处理需求，此时用“主扩展模式”。将各个对象的共有属性抽取出来设计为“主表”，将各个对象的剩余属性分别设计为相应的“扩展表”，“主表”与各个“扩展表”分别建立一对一的关系。
 
2.       什么时候用“主从模式”？
        对象的个数较多且不固定；各个对象之间的属性几乎没有差异；对象的属性在数据库设计阶段能够完全确定；各个对象没有独立的业务处理需求，此时用“主从模式”。将各个对象设计为“从表”的记录，与“主表”对象建立一对多的关系。
 
3.       什么时候用“名值模式”？
        对象的个数极多；各个对象之间的属性有较大差异；对象属性在数据库设计阶段不能确定，或者在系统运行时有较大变更；各个对象没有相互独立的业务处理需求，此时用“名值模式”。
 
4.       什么时候用“多对多模式”？
        两个对象之间互为一对多关系，则使用“多对多模式”。
数据库物理模型设计的其他模式

 

        除了上面提到的四种主要设计模式，还有一些其他模式，在某些项目中可能会用到，在这里先简单做个说明，暂不做深入讨论，等到以后的项目用到这些模式的时候，再结合实际需求详细解说。

（一）继承模式
        继承模式，可以看作是“主从模式”的一种特殊情况（或者说是“变形”），它所代表的两个对象也是“一对多”的关系。它与“主从模式”的区别是，“继承模式”中从表的主键是复合主键，并且复合主键中必定包含主表的主键列。

根据从表继承主表的列的数量，继承模式又分以下两种情况：
1.       从表继承主表的全部列
 
在这种情况下，从表除了代表自身的专用字段以外，还冗余了主表的全部字段。这种设计方式的缺点显而易见：
数据冗余度大
 一致性差
磁盘存储量大

它的优点也显而易见：
        正因为它的冗余度大、所以它不易丢失数据。假设主表数据丢失、或者被误操作删改，也能依据从表数据重新生成主表数据；这种设计方式，可以在发生数据损坏的时候从应用的角度进行一定程度的数据恢复，等于是在SQL Server数据库级别的数据恢复功能之上又加了一道保险。
 

       正因为它一致性差、主表数据被重复存储，所以可依据外键关系进行数据验证。将主从表记录作关联比较，如果数据不一致，就可以得知数据要么被人为改动，或者要么程序代码中存在bug。

 

        尽管磁盘存储量大，但是数据在查询统计的时候，只需针对从表进行搜索即可，无需关联操作，可以加快检索的速度。这就是数据库模型设计中经常提到的“以空间换时间”。

2.       从表只继承主表的主键列
 
这种设计方式，从表只继承了主表的主键列，这种方式的优缺点与前面刚好相反。

优点：
数据冗余度小
一致性高
磁盘存储量小

缺点：
        正因为它的冗余度小、所以它易丢失数据。假设主表数据丢失、或者被误操作删改，就只能通过SQL Server数据库级别的数据恢复操作来找回丢失的数据了。

        正因为它一致性高，所以无法进行应用程序级的数据验证。

        由于采用了一致性设计，磁盘存储量较小，但是数据在查询统计的时候，必须要对两个表进行内连接（INNER JOIN）操作，才能搜索到相关数据。而内连接操作时需要耗费一定的时间的。这就是数据库模型设计中经常提到的“以时间换空间”。

        当然，在实际的数据库模型设计过程中，还会有介于上述两者之间的第3种情况出现，那就是从表继承了主表的主键列以及部分其他列。这就要求我们设计人员要依据实际的业务需求进行综合分析、权衡、折中，给出最符合业务需求的设计结果。
       

（二）自联结模式
        自联结模式，也可以看作是“主从模式”的一种特殊情况（或者说是“变形”），它在一张表内实现了“一对多关系”，并且可以根据业务需要实现“有限层”或者“无限层”的主从嵌套。

        这种模式用得最多的情况就是实现“树形结构”数据的存储，比如各大网站上常见的细分类别、应用系统的组织结构、Web系统的菜单树等都能用到这种模式。

        自联结模式有很多变体，且每种变体的优缺点同样鲜明。由于本连载的重点在于对跨行业通用数据库模型设计进行分析，所以对每种具体模式的细节方面的设计技巧不能作详细论述，请大家原谅。这里仅举两个例子说明：
 
1.       简单自联结
        简单自联结，就是在一个表里设置当前类ID、父类ID，同时规定最顶层类的父类ID为一个固定值（比如0），在生成树的时候使用递归算法，记录的前后顺序通过“排序号”字段来确定。

        这个表用来存储菜单树很方便。首先会有一个主菜单，主菜单下有子菜单，子菜单下面又有孙菜单……菜单的数量不确定、层级不确定，用户可以在任意菜单下增加新的子菜单，或者删除某个子菜单及其下的所有孙菜单……这种设计方式很多人都会用到，短小精悍、维护方便、且完全满足用户需求，而且树的层次不限，扩展起来非常容易。这些都是它的优点。

        它的缺点就是树结构的生成由于使用了递归算法，必然要对该表进行多次读取（读取的次数 = 表内的记录数 – 最深层级的记录数），多次读取就来了比较低的运行效率，当表里的记录很多的时候，这个缺点可以称得上是致命的。
        于是就有了下面的这种设计模式。

2.       扩展自联结
        扩展自联结，与简单自联结的最大区别就是通过附加冗余字段来避免递归运算，所要实现的主要目标就是一次读取就能生成整个树，一次提高树的生成效率。

        但是，鱼与熊掌不可兼得，凡事都有两面性。

        生成树的效率提高了，增删改表内记录的算法就会相应复杂，并且树的层数也变为有限的了。

        所以在此类设计的时候，大家还是要认真分析业务需求，看看实际业务的重点在什么地方，然后再作具体设计。比如一些门户网站在首页显示产品类别是业务重点，那么我们在设计的时候就要尽可能的提高生成树的效率，采取扩展自联结模式；相反，一些基于Web的业务系统，要求对菜单树的增删改维护操作尽量简单，由于菜单的数目不多，所以菜单树的生成效率不是瓶颈，那么我们设计的时候就可以采取简单自联结模式。

        关于附加冗余字段实现扩展自联结的方法很多，网上也有很多这方面的帖子，大家可以到Google上搜一下。
在这里仅举一个例子如下：

        这个设计与前面的设计最大的区别就是排序字段，前面的简单自联结用了一个整数型的字段来实现排序，这里用了一个Varchar20型的字段“层级代码”来实现大排序。这个字段的取值两位一组，代表一层，假定最深为5层，初始值为0000000000。

按照这样的设计，表内的数据记录可能就是这样的：
ID           TypeName           ParentID            TypeLevel
1             根类别               0                 000000
2             类别1                1                 010000
3             类别1.1              2                 010100
4             类别1.2              2                 010200
5             类别2                1                 020000
6             类别2.1              5                 020100
7             类别3                1                 030000
8             类别3.1              7                 030100
9             类别3.2              7                 030200
10            类别1.1.1            3                 010101
……

现在按TypeLevel字段进行排序，执行如下SQL语句：SELECT * FROM TMP_Type ORDER BY TypeLevel
列出记录集如下：
ID           TypeName           ParentID            TypeLevel
1             总类别               0                 000000
2             类别1                1                 010000
3             类别1.1              2                 010100
10            类别1.1.1            3                 010101
4             类别1.2              2                 010200
5             类别2                1                 020000
6             类别2.1              5                 020100
7             类别3                1                 030000
8             类别3.1              7                 030100
9             类别3.2              7                 030200
……
在控制显示类别的层次时，只要对“层级代码”字段中的数值进行判断，每2位一组，如大于0则向右移2个空格。