数据规范化和编写查询
数据规范化和编写查询
我是一名初级开发人员（在职5个月），对于数据规范化有一个问题。据我所了解，数据规范化的一般原则是创建一个关系型数据库管理系统，使数据冗余最小化。在我的项目中，数据库的其中一个人创建了一个数据库。我们有50多个表，而数据库中的表通常非常零散，即一个表只有两三列。现在，当涉及到编写SQL查询时，由于每个查询都需要查阅多个不同的表并将它们连接在一起，这变成了一个小麻烦。我想知道这是否是数据规范化的副作用？还是指向了其他什么问题？
我知道对我来说最简单的做法是根据我需要编写的查询来编写表格。这将创建一个包含大量冗余数据的数据库，但我想知道是否有一种折中的方法？
作为附言，我不想让人觉得我在抱怨我的工作，但我真的很想了解更多。我的工作环境并不是最友好的，所以我不敢向同事提出这个问题。然而，我会非常感谢有经验的人提供任何想法、书籍、教程或意见。
谢谢。
数据规范化和编写查询的问题是因为数据库视图的存在而出现的。数据库视图是解决这一难题的一个至关重要的工具。这个优秀的介绍指出：
好消息是：你不必直接使用规范化的表！... 对于数据库管理员来说，非常容易创建一个基于规范化数据表的连接视图的抽象层，将基本表完全隐藏在幕后。
通过使用数据库视图，我们可以在规范化的数据表之上创建一个连接的视图层，将基本表隐藏起来，使其不可见。这样一来，我们可以通过查询这些视图来访问数据，而无需直接操作底层的规范化表。
数据库视图提供了以下好处：
- 数据抽象：视图隐藏了底层的规范化表，使用户可以使用更简单、更直观的方式来访问数据。
- 数据安全性：通过视图，可以定义访问规则和权限，限制用户对数据的访问范围，提高数据的安全性。
- 数据一致性：通过视图，可以将多个表的数据进行联接，实现数据的一致性和完整性。
为了创建数据库视图，可以使用以下语法：
CREATE VIEW view_name AS
SELECT column1, column2, ...
FROM table1
WHERE condition;
在创建视图时，可以根据需要使用各种联接操作和过滤条件来定义视图的结构和内容。
使用数据库视图，可以简化复杂的查询操作。例如，如果需要根据多个表的数据进行联接和过滤，可以创建一个视图来包含所有必要的联接和过滤操作，然后使用简单的查询语句来访问视图即可。
数据库视图是一个强大的工具，可以提高数据访问的效率和灵活性。通过创建合适的视图，可以简化数据操作，提高数据管理的效率和可维护性。
数据规范化的一般原则是创建一个关系数据库管理系统，其中数据冗余最小化。但这只是部分正确的。规范化不是关于“冗余”，而是关于“更新异常”的问题。
数据规范化的目的是将数据安排在关系数据库中，以减少数据冗余，提高数据存储和查询的效率。它通过将数据按照一定的规范划分为多个关系表，使每个表都包含唯一的数据，减少了数据冗余和不一致性的问题。但是，数据规范化也会导致查询时需要跨多个表进行连接的情况，增加了查询的复杂性。
在数据规范化的过程中，主要有三个范式需要遵守：第一范式（1NF）、第二范式（2NF）和第三范式（3NF）。
1NF是“不使用数组”的规则。违反1NF意味着一个行不是原子的，而是一个集合，每个集合内的数据更新可能会导致锁定和性能下降。
2NF是“一个键”的规则。每个行都有一个唯一的键，并且行内的每个数据都依赖于这个键。如果存在多个候选键或自然键，2NF将只满足在所有属性都依赖于一个键时。
3NF是“只有键”的规则。如果在一个行中存储了派生数据，并且当源数据发生变化时，派生数据与源数据不一致，就会出现问题。为了避免这个问题，需要遵守3NF规则，确保数据更新时不会产生异常。
虽然数据规范化可以减少数据冗余和不一致性，但它也会导致查询时需要跨多个表进行连接的情况。这增加了查询的复杂性，但可以通过编写适当的查询语句来解决这个问题。
通过使用JOIN语句，可以将多个表连接在一起，根据需要从不同的表中检索数据。例如，如果有两个表A和B，它们具有共同的键C，可以使用以下查询语句来获取这两个表中相关联的数据：
SELECT *
FROM A
JOIN B ON A.C = B.C;
这样，可以根据需要从多个表中检索数据，并且可以根据关联键将数据进行匹配。这样的查询语句可以解决数据规范化导致的查询复杂性问题。
数据归一化和编写查询的问题是出现的原因：
- 数据归一化的原则是将冗余数据最小化，以创建一个关系型数据库管理系统（RDBMS）。
- 项目中的数据库表通常非常碎片化，即一个表只有两三列。
解决方法包括：
- 针对查询编写 SQL 语句的时候，需要在多个表中进行搜索和连接。这可能是数据归一化的副作用，或者可能指向其他问题。
- 通过数据归一化，将功能相关的列从原始表中分离出来，放入一个或多个新表中，从而减少冗余数据。这样做会增加表的数量，减少原始表的列数，并且有时需要使用连接来检索数据。
- 另一种常见的做法是使用 ID 号码替换字符串。这与数据归一化无关，但是总是会增加表的数量，并且需要使用连接来检索数据。
此外，文章中还涉及了关于数据归一化的其他相关概念，如一范式（1NF）、二范式（2NF）和三范式（3NF）。这些范式的原则和规则也与数据归一化和查询编写相关。
数据归一化和编写查询是为了减少冗余数据、提高数据完整性和方便数据检索。通过将功能相关的数据分离到不同的表中，并使用连接进行查询，可以实现这些目标。