Nic*_*son 0 database-design database-normalization
我对某些数据库规范化有些困惑，并认为我会问StackOverflow：
想象一下，您具有以下将产品与颜色相关联的关系。请注意，产品1和产品2都使用相同的颜色集（蓝色和绿色）。
Product_Color Color
+-------------+-------------+ +-------------+-------------+
| Product* | Color* | | ColorId* | Name |
+-------------+-------------+ +-------------+-------------+
| 1 | 1 | | 1 | Blue |
| 1 | 2 | | 2 | Green |
| 2 | 1 | +-------------+-------------+
| 2 | 2 |
+-------------+-------------+
如果创建两个新的关系ColorSet和ColorSet_Color，则可以通过将这4个关系连接在一起来显示相同的信息。
Product_ColorSet: ColorSet_Color:
+-------------+-------------+ +-------------+-------------+
| Product* | ColorSetId* | | ColorSetId* | ColorId* |
+---------------------------+ +-------------+-------------+
| 1 | 1 | | 1 | 1 |
| 2 | 1 | | 1 | 2 |
+-------------+-------------+ +---------- --+-------------+
ColorSet: Color:
+-------------+ +-------------+-------------+
| ColorSetId* | | ColorId* | Name |
+-------------+ +-------------+-------------+
| 1 | | 1 | Blue |
| 2 | | 2 | Green |
+-------------+ +----------[--+-------------+
在这一点上，如果我有一个大的Product_Color表，并且具有合理程度的共享颜色组，那么从空间角度来看，我将获得很多好处。
在数据库规范化背景下，此操作的技术名称是什么？即使我创建的实体实际上不存在，我也显然正在删除多余的信息，而这是很多重叠的随机机会。通过执行此操作，我具体要更改什么？
此外，似乎我可以随意对大多数实体执行此操作。让我感到困惑的是，当我们开始练习时，Product_Color和Color已经是第6个正常形式（对吗？）。
您正在引入“ 代理键 ”（或标识符）来命名 / 标识产品所使用的颜色集。通常将替代方法视为“ 自然键 ”（或标识符）。（尽管不同的人使用这些术语的方式有所不同。例如，某些人可能仅在名称/标识符被永久分配了一个参照对象和/或是其参照对象的唯一名称/标识符和/或仅与数据库一起可见时才使用“代理”。而不是应用程序。例如，有些人会说，由外部可见的系统生成的任意名称/标识符（例如驾驶员识别号）既是替代品也是自然的。）
代理键通常称为“无意义（标识符）”。这反映出思维混乱。不是由先验命名方案生成的所有名称都是“无意义的”和任意的。在被选中之前，“尼古拉斯”并不“意味着” 您。被选中后，它“意味着”您。这适用于任何名称/标识符。因此，“无意义” /“有意义”不是有用的区分。系统中的代理名称/标识符只是系统启动后选择的名称/标识符。什么被调用系统中的“有意义的” [原文]会被称为“毫无意义” [原文]在任何系统之前就已经存在（因为任务是分配之后，当它开始）。
在“透视图”中，您正在“删除冗余信息”，但这不是规范化解决的那种冗余。您正在用其他表替换表，但这不是规范分解。引入代理人不是标准化的一部分。规范化不会引入新的列名。它只是在替换原始表的表中重用原始表的名称。（您是否能够清楚准确地描述“冗余”在这里的意思？）
有时人们认为，如果相同的值子集可以在列集或表中出现多次，则这些子行值需要用FK的ID替换为将ID值映射到子行值的新表的ID。（甚至对于单列子行来说，也就是当一个值在一个列或表中出现多次时）。他们认为多个子行值的出现是“冗余的”，或者只有id可以重复而不是“冗余的”。（id设计被视为原始数据的一种压缩。）他们可能认为这是规范化的一部分。这些都不是。
这不是冗余，您不应该通过表设计来解决。如果您知道DBMS的表的实现选项，并且知道应用程序的使用模式，并且知道原始版本在某种程度上比碰巧“较少冗余”的选项明显更有意义（并且为什么不这样做， “更多冗余”选项会更好吗？）然后您应该告诉DBMS设计所需的选项，如果可以的话，不要更改架构。（这通常是通过索引和/或视图完成的。）例如，在ColorId上索引原始Product_Color会导致实现中的结构与您在第二个设计中手动创建的结构基本相同，但会自动生成和管理。（您可能会出于其他原因而引入代理人，例如用更简洁的值替换多列的外键，尽管它们的价值和含义更加晦涩难懂。）
重新选项：您的新设计将在查询文本和（对于典型的DBMS实施）执行的查询文本中使用更多的操作（例如，联接和投影）（对于典型的DBMS实现）将比原始操作（例如，查询原始表）执行更多操作，但在其他地方（例如，复制一种产品的颜色集）则使用更少的操作给别人的）。所以，这又是所有关于权衡的多个 “角度”。
实际上，从另一种意义上讲，您已经在代理中引入了冗余。还有其他一些列，它们包含一堆id值，这些值不在原始记录中，但记录了相同的情况。您还给用户增加了更多命名和间接设计的负担。与原始设计相比，代理设计在此“视角”中肯定具有许多“冗余信息”。
甚至您的初始设计都可能引入了代理，即颜色名称的颜色ID。（如果颜色标识添加了“信息”，即“告知”您的信息不仅仅是它们的关联名称，那么它们将不是替代品，而是必要的。）即，如果任意选择颜色标识，则您可以拥有：
Product_Color
+-------------+-------------+
| Product* | ColorName* |
+-------------+-------------+
| 1 | Blue |
| 1 | Green |
| 2 | Blue |
| 2 | Green |
+-------------+-------------+
您应该有理由引入颜色ID，并为此引入产品ID，而不是已有的自然键。您能否证明您的多个表，名称和间接引用与一个表的合理性？