[转载]程序员应知——数据库设计的两个误区

[转载]程序员应知——数据库设计的两个误区 – 侯伯薇的凌云晓筑 – 博客园.

写在前面：本来“程序员应知”系列中应该写的都是与程序员密切相关的内容，而数据库设计似乎应该是数据库管理员的工作。然而，在实际的工作 环境中，我所经历几乎所有的项目中，数据库设计工作都是由程序员来完成的；就算我们是不需要做数据库设计的程序员，也至少需要对数据库的结构有充分的理 解，那样也便于我们编写和维护系统。思量再三，我还是将这篇与数据库设计相关的文章放在了这个系列当中。

在几乎所有的企业级应用程序中，包括各种MIS、ERP、CRM等等，都会使用数据库，这样的好处是显而易见的，很容易地实现了数据层和业务逻辑层 的分离，而且对于性能的优化也在一定程度上提供了便利。

然而，在我所经历过的项目中，某些数据库的设计会存在一些问题，尤其普遍的就是下面将要描述的这两点，个人觉得是应该避免的误区，总结出来与大家讨 论。

误区之一 备用字段

现象描述：

在数据表中，不仅设计了当前所需要的字段，而且还在其中留出几个字段作为备用。

比方说，我设计了一个人员表（Person），其中已经添加了各种必要的字段，包括姓名（Name）、性别（Sex）、出生年月日 （birthday）等等。大功告成之后，我忽然想到，将来系统中应 该还会有很多其它与人相关的内容吧，比方说毕业院校，比方说工作单位等等，尽管现在根本不需要填写，以后可能还是会用到的吧。拍脑 袋一项，那就加入5个varchar2型的字段，分别叫做Text1、Text2……Text5，然后又想，应该还有一些日期型的字段需要备用，就又建立 了三个date型的字段，分别起名叫做date1、date2、date3，……

原因分析：

大家应该已经看出问题了，在这个数据表中存在大量暂时无用的字段，我们可以称之为备用字段，它们的作用是什么呢？就是以防万一，防备可能的情况。

这似乎可以叫做防患于未然，等到时候需要的时候，就不需要在表中增加新的字段了，而且这样做的话，一个表的数据应该会被存储在相邻的物理空间中，这 对于性能也是有好处的。

另外的原因就是，在古老的数据库中，如果改变数据库的定义（包括增加字段、改变字段的类型、删除字段等等），那么其中所有的数据就会丢失，所以这项 工作非常麻烦，我们需要先建立临时表，将数据备份出来，然后创建新表，将数据导入其中，最后再删除原来的表。

问题所在：

这样的做法对于项目会导致很多问题，而且原先想要解决的问题并不一定能够解决，不信的话，请往下看。

问题一：增加大量备用字段，必定会浪 费很多空间，尽管其中可能都没有具体的数据，但是仅仅是空字段也会占据一定的空间的。

问题二：由于命名的特点，如果没有完善 的文档管理流程，用不了多久（可能也就是两三年），就没有人能够说清 楚到底哪个字段代表的是什么意义了。就算有文档管理，这些管理工作也会比较麻烦，而且在每次使用的时候都需要申请，还有可能会出现 冲突的情况。

问题三：增加了这些备用字段就真的会够用吗？不 一定，因为我们只是每个类型的字段留出几个备用，如果数量超过，或者要使用特殊的、不常用的类型的时候，还是需要增加新的字段。比方说在上述的 Person表中，我们要存储照片，那么可能就要增加一个blob类型的photo字段，这在初期设计的时候可不一定会留出这样的备用字段。而且如果没有 完善的管理，谁又能说清楚倒底哪个字段已经被使用，哪个字段还可以使用呢？到时候还不是要增加新的字段。

解决方案：

其实上面的这种设计方式就是一种“过度设计”，我们应该做的就是“按需设计”，在经过详细有效的分析之后，在数据表中只放置必要的字段，而不要留出大量的备用字段。

当需要增加相关的信息的时候，就要具体情况具体分析：

如果数量很少，而且信息的性质与原表密切相关，那么就可以直接在原表上增加字段，并将相关的数据更新进去。

如果数量较大，或者并非是原表对象至关重要的属性，那么就可以新增一个表，然后通过键值连接起来。

对于表的数据的存储位置所导致的性能问题，我们可以通过在特定时间对数据库的数据进行重组来解决，而这项工作对于长期运行的数据库来说，也是需要定 期进行的。

误 区之二 有意义的编码

现象描述：

使用有意义的编码作为一条记录的ID，甚至作为数据库的主键存在，例如，一个员工的编码设置为0203004，其中02代表员工所在分公司，03代 表员工所在部门，004代表员工进入到该部门的序号。

原因分析：

ID的设置方式大概有以下几种，一种是纯粹的流水号，从1开始，每次加1，或者对其将以改进，将数字转换成为字符串的格式，比方说 “0000001”；一种是无意义的随机编码，比方说GUID；还有一种就是有意义的编码，特定的位数会代表一定的意义。

我想之所以大家这么喜欢使用这种方式，主要是因为想要从编码中就能够得到一些信息，甚至有些程序中还有专门的对编码进行解析的模块。就像我们的身份 证号码一样，看到身份证号就可以知道办身份证时的所在地、生日、性别等信息。

问题所在：

其实有意义的编码会导致很多问题，请看：

问题一：对编码资源的浪费。如果是纯粹 的流水号，那么从1到10000就可以代表一万条记录，但是，如果使用有意义的编码，很可能1000条记录就会让五位的编码不够用。我就遇到过真正的情 况，我们公司的投保单号码的第一位就是有意义的，代表的时该投保单所属的渠道，后面跟着很长的一串数字（9位）。理论上来说，这些编码永远都不会用完，但 是，最开始的三个渠道使用的是1、4、7三个编码，但是一次新保险法的实行，导致原有的投保单作废，于是又启用了三个数字2、5、8，接下来公司改名，三 个渠道又分别将投保单报废，重新启用新的开头数字，就这样，短短的几年间，所有的投保单号码全都被用完了，其实打印出来的投保单不过100万张。

问题二：不一定是唯一的，难以作为主键。 想一下，我们的身份证号码就是这样的。原先15位的时候，后三位是序号，而男性会使用奇数，女性会使用偶数，这样就是说，一个地区同一天生日的人，男女都 不能超过500人，否则就会导致号码的重复，尽管出现这种现象的概率比较低，但是还是客观存在的。

问题三：代表的意义不一定准确。比方说 用带有意义的编码来为员工定义工号，其中可能会有部门、职务等等意义，但是如果员工在部门间发生了调动，或者职级发生了改变，是否需要改变他的编码呢？改 变吧，那么所有的历史数据都要随之修改一次，工作量会非常大；不改变吧，那么代表的意义就不再准确，我们就无法从编码中得到该员工准确的信息。

解决方案：

所以，对于编码，非常不建议使用有意义的编码， 要么使用纯粹的流水号，但这样可能需要定义一个范围比较大的类型，对于海量记录的数据，可能会不够用；那样的话就可以使用GUID，这样编码永远都不会重 复，而且会有大量的编码资源可用。

从上面的两点我们可以看出，在数据库设计的过程中，有一些在非常多系统中都使用了，但是却带来了很多问题的方法，对于这种情况，我们就应该仔细思 考，然后痛下决心，坚决抵制。