SQL 数据库中非规范化的实际示例？

Question

过去 20 分钟我一直在阅读有关非规范化的内容，但无法获得带有代码的简洁示例。

这就是非规范化吗？

1.我们有一个规范化的数据库：

表_1：
customer_id（主键）
国家/地区
城市
街道
房屋号码

表_2：
product_id（主键）
customer_id（外键）
product_storage_building

表_3：
product_id（外键）
产品名称
产品颜色
产品原产地

2. 但是，假设连接所有三个表的运行时间太长

       SELECT a.*, b.*, c.*
       FROM 
       TABLE_1 AS a
       LEFT JOIN TABLE_2 AS b
       ON a.customer_id = b.customer_id
       LEFT JOIN TABLE_3 AS c
       ON b.product_id = c.product_id
   

所以我创建了一个新Table_1表Table_2

    CREATE OR REPLACE TABLE Denormalized_Data AS
    (
     SELECT customer_id, 
            country, 
            city,
            street, 
            house_number,
            product_id,
            product_storage_building
     FROM Table_1
          LEFT JOIN Table_2
          ON Table_1.cusomter_id = Table_2.customer_id
    )

3. 然后加入Table_3如下

    SELECT customer_id, 
           country, 
           city,
           street, 
           house_number,
           product_storage_building,
           Denormalized_Data.product_id
           product_name,
           product_color,
        FROM Denormalized_Data
        LEFT JOIN Table_3
        ON Denormalized_Data.product_id = Table_3.product_id
   

现在这将使我的查询运行得更快——上面的整个过程可以被描述为非规范化吗？

谢谢

Answer 1

是的，您正在展示一种非规范化。

非规范化分为三种类型：

• 连接来自不同表的行，因此您不必使用JOIN.
• 执行像SUM()orCOUNT()或MAX()或其他那样的聚合计算，因此您不必使用GROUP BY.
• 预先计算昂贵的计算，因此您不必在选择列表中使用带有复杂表达式的查询。

您正在展示第一种类型的示例。至少您可以避免您打算执行的两个连接之一。

为什么不让非规范化表存储连接所有三个表的结果？

使用非规范化有什么缺点？您现在正在冗余地存储数据：一次存储在规范化表中，一个副本存储在非规范化表中。假设您明天开始工作，发现这些不同表中的数据并不完全匹配。发生了什么？

• 也许有人在规范化表中插入了一行，但没有将相应的数据添加到非规范化表中。
• 也许有人从规范化表中删除了一行，但没有从非规范化表中删除相应的行。
• 也许有人在非规范化表中插入或删除了一行，而规范化表中没有相应的更改。

你怎么知道发生了什么？哪张表是“正确的”？这就是非规范化的风险。

Answer 2

考虑下图。顶部包含几个不同的表，封装了逻辑上独立的信息位。底部显示了这些表连接在一起的结果。这就是非规范化。

对于 BigQuery，特别是使用 BQ 作为 BI 平台的后端，非规范化数据提供了更快的用户体验，因为它不必在用户点击“运行”时进行连接。

如果您将表保留原样，如果用户需要多个字段，您最终可能会执行最多 7 个连接，然后进行聚合（求和、计数等）。但是，如果您执行所有 7 个连接并将其存储在 1 个表中，那么用户将仅查询 1 个表并仅执行聚合。这就是 BigQuery 的力量。它是可扩展的，因此与联接相比，对大量数据进行分组和聚合相对“容易”，从而使最终用户体验更快。

朝这个方向发展的人/公司通常在 ETL 流程中这样做（通常是夜间），因此联接只需发生 1 次（当用户通常不使用数据库时），然后在白天，用户和 BI 工具就可以了无需连接即可聚合和切片数据！这确实会导致“冗余”数据并产生额外的存储成本，但对于下游用户体验来说通常是值得的