PostgreSQL / 系统课时
规范化与反规范化
规范化与反规范化
规范化解决的是“同一事实只维护一处”,反规范化解决的是“热点读取是否值得用冗余换取更低查询成本”。本篇围绕订单报表比较两种模型,并给出判断标准,避免把性能优化变成长期数据同步负担。
学习目标
- 识别重复事实、更新异常和应被拆分的实体边界
- 用同一业务查询比较规范化模型与反规范化读模型的职责
- 根据一致性要求、读写比例和重建能力决定是否引入冗余数据
从订单报表确定事实边界
假设页面要展示订单号、客户名和订单金额。规范化模型通常把客户、订单、订单项分别保存:客户名只属于客户实体,订单项保存数量和成交单价,订单金额由订单项计算。这样修改客户名时,不需要同时更新历史订单中的多个副本。
反规范化则会把某些字段复制到订单或报表表中,例如保存 customer_name、order_total。这并不天然错误,关键是先回答两个问题:复制的是“当前值”还是“下单时快照”,以及这个副本由谁、在什么时候刷新。
| 维度 | 规范化 | 反规范化 |
|---|---|---|
| 一致性 | 单一事实来源,更新路径集中 | 需要同步、刷新或接受短暂不一致 |
| 查询 | 常需连接或聚合 | 热点查询可减少连接和重复计算 |
| 写入 | 更新一处即可 | 可能产生写放大 |
| 变更 | 实体边界清晰 | 字段语义和刷新链路更复杂 |
| 恢复 | 直接读取源表 | 最好能够从源表重建副本 |
用同一数据生成规范化结果和读模型
下面先建立规范化的客户、订单、订单项,再由源表生成一个反规范化的订单汇总表。汇总表只是读取投影,源表仍是事实来源。
CREATE TEMP TABLE customer_demo (
customer_id bigint PRIMARY KEY,
name text NOT NULL
);
CREATE TEMP TABLE order_demo (
order_id bigint PRIMARY KEY,
customer_id bigint NOT NULL REFERENCES customer_demo(customer_id)
);
CREATE TEMP TABLE order_item_demo (
item_id bigint PRIMARY KEY,
order_id bigint NOT NULL REFERENCES order_demo(order_id),
quantity integer NOT NULL CHECK (quantity > 0),
unit_price numeric(10, 2) NOT NULL CHECK (unit_price >= 0)
);
INSERT INTO customer_demo VALUES (1, 'Alice');
INSERT INTO order_demo VALUES (1001, 1);
INSERT INTO order_item_demo VALUES (9001, 1001, 2, 19.90);
CREATE TEMP TABLE order_summary_demo AS
SELECT
o.order_id,
o.customer_id,
c.name AS customer_name,
sum(i.quantity * i.unit_price)::numeric(12, 2) AS order_total
FROM order_demo AS o
JOIN customer_demo AS c USING (customer_id)
JOIN order_item_demo AS i USING (order_id)
GROUP BY o.order_id, o.customer_id, c.name;
SELECT order_id, customer_name, order_total
FROM order_summary_demo;预期输出
CREATE TABLE
CREATE TABLE
CREATE TABLE
INSERT 0 1
INSERT 0 1
INSERT 0 1
SELECT 1
order_id | customer_name | order_total
----------+---------------+------------
1001 | Alice | 39.80
(1 row)这个例子同时展示了两种职责:三张源表负责完整性和可变事实,order_summary_demo 负责把热点读取需要的字段提前展开。真实系统中,这类读模型可以由事务内维护、异步事件、批处理或物化视图生成,但必须明确刷新边界。
先判断冗余字段代表什么语义
最危险的反规范化不是“字段重复”,而是重复字段没有明确语义。例如订单里的 customer_name 如果表示“当前客户名”,客户改名后就需要同步所有副本;如果表示“下单时客户名快照”,那么它保持旧值反而是正确行为。
UPDATE customer_demo
SET name = 'Alice Chen'
WHERE customer_id = 1;
SELECT
s.customer_name AS summary_name,
c.name AS current_name
FROM order_summary_demo AS s
JOIN customer_demo AS c USING (customer_id)
WHERE s.order_id = 1001;预期输出
UPDATE 1
summary_name | current_name
--------------+--------------
Alice | Alice Chen
(1 row)如果汇总表要求展示“当前客户名”,上面的差异就是需要修复的陈旧数据;如果字段被定义为订单生成时的快照,这个差异则符合模型。先写清字段语义,再决定同步策略,比单纯讨论“要不要冗余”更重要。
什么时候值得反规范化
只有当读取收益能够覆盖维护成本时,才值得复制数据。可以用以下顺序判断:查询是否真实处于热点路径;连接或聚合是否已经通过索引、查询改写和缓存验证过仍然昂贵;冗余字段是否有明确一致性级别;副本是否能被幂等重建和校验。
对于频繁变化的客户资料、库存状态这类“当前事实”,优先保留规范化来源并按需连接。对于订单成交价、收货地址等“历史快照”,在订单中固化反而能保存正确历史语义。对于昂贵聚合,可以维护独立读模型,但应把它视为派生数据,而不是第二套事实来源。
最终模型应让每个字段都能回答“谁是权威来源、何时更新、允许多旧、如何重建”。这四个问题没有答案时,新增冗余通常只是把查询成本转移成更难发现的数据一致性成本。