2021-数据库开发-Lec9-为性能而设计

Lec9-为性能而设计

1. 为性能而设计

1.1. 数据的关系视图

1. 数据库只是对现实世界的有限描述。对特定的业务活动的描述不止一种
2. "关系模型"中的"关系"的含义
3. 关系模型的一致性
   1. 只要遵守关系理论，可以保证基于数据库的任何查询结果与原始数据具有同样的有效
   2. 关系理论包括
      1. 关系不包含重复数据
      2. 关系理论保证无限数据的正确性
      3. 记录之间没有顺序

1.2. 规范化（Normailization）

1. 表结构没有规范化会面临很大的风险吗？
   1. 1NF 确保原子性（Atomicity）
   2. 2NF 检查对键的完全依赖
   3. 3NF 检查属性的独立性
2. 过分精益求精会使精力分散
3. 规范化的价值
   1. 合理规范化的模型可应对需求变更
   2. 规范化数据重复降至最少

1.3. 有值、无值、空值

1. 表中的每一条记录都应该是特定"事物"的状态描述，如果大部分特征信息都显示"我们不知道"，无疑大大降低了信息可信性
2. 存在空值意味着关系模型存在严重的问题，动摇了查询优化的基础
3. 空值对程序逻辑是危险的
   1. 必须使用空值的话，一定要清楚它在特定情况下的影响。

1.4. 限用Boolean型字段

1. SQL中并不存在Boolean类型
2. 实现flag表示标志位的Y/N或T/F
   1. 例如：order_completed
   2. 但是…往往增加信息字段能包含更多的信息量
   3. 例如：completion_date completion_by
   4. 或者增加order更多状态标示
3. 极端的例子：四个属性取值都是T/F，可以用0-15这16个数值代表四个属性所有组合状态
   1. 技巧可能违反了原子性的原则
   2. 为数据而数据，是通向灾难之路

1.5. 理解子类型（SubType）

1. 表过"宽"（有太多属性）的另一个原因，是对数据项之间的关系了解不够深入，窄表的效率相对比较高
2. 一般情况下，给子类型表指定完全独立于父表主键的主键，是极其错误的

1.6. 约束应明确说明

1. 数据中存在隐含约束是一种不良设计
2. 字段的性质随着环境变化而变化时设计的错误和不稳定性
3. 数据语义属于DBMS，别放到应用程序中

/* × */
configuration(parameter_name, parameter_value)
/* √ */
configuration(parameter_id, parameter_name, parameter_type)
  configuration_numeric (parameter_id, parameter_value)

1.7. 过于灵活的危险性

1. “真理向前跨一步就是谬误”
2. 不可思议的四通用表设计
   1. Objects(oid, name), Attributes(attrid, attrname,type)
   2. Object_Attributes(oid,attrid,value)
   3. Link(oid1,oid2)
3. 随意增加属性，避免NULL
4. 成本急剧上升，性能令人失望
5. 基于规则的优化器：笛卡尔积往往是最消耗性能的。
6. 目前是基于成本的优化器，大量的性能消耗也使得关系数据库出现问题

1.8. 如何处理历史数据

1. 历史数据：例如：商品在某一时刻的价格
2. Price_history(article_id , effective_from_date , price)
3. 缺点在于查询当前价格比较笨拙
4. 设置为价格终止时间呢？

select a.article_name, h.price
from articles a,
  price_history h
where a.article_name = some_name
  and h.article_id = a.article_id
  and h.effective_from_date =
    (select max(b.effective_from_date)
      from price_history b
      where b.article_id = h.article_id)

select a.article_name, h.price
  from articles a,
    price_history h
  where a.article_name = some_name
    and h.article_id = a.article_id
    and h.effective_from_date =
      (select max(b.effective_from_date)
        from price_history b
        where b.article_id = h.article_id
          and b.effective_from_date <= sysdate)

1.9. 处理流程

1. 操作模式（operating mode）
   1. 异步模式处理（批处理）
   2. 同步模式处理（实时交易）
2. 处理数据的方式会影响我们物理结构的设计
3. 清算：部分锁表进行清算
4. 任何一个系统要将批处理和实时处理分开

1.10. 数据集中化（Centralizing）

1. 分布式数据系统复杂性大大增加
   1. 远程数据的透明引用访问代价很高
   2. 不同数据源数据结合极为困难
      1. Copy的数据传输开销
      2. 无法从数据规划中获益（物理结构，索引）
2. 数据库该如何部署呢？中庸、分析、决策
3. 离数据越近，访问速度越快

1.11. 系统复杂性

1. 数据库的错误很多
   1. 硬件故障
   2. 错误操作…
2. 数据恢复往往是RD和DBA争论焦点
   1. DBA，即便确保数据库本身工作正常，依然无法了解数据是否正确
   2. RD，在数据库恢复后进行所有的功能性的检查
3. 高性能数据库一般不使用防御式编程，而做进攻性编程

2. 小结

1. 错误的设计是导致灾难性后果的源泉
2. 解决设计问题会浪费惊人的精力和智慧
3. 性能问题非常普遍
4. 打着"改善性能"的旗号进行非规范化处理，常常使性能问题变得更糟
5. 成果的数据建模和数据操作应严格遵循基本的设计原则。