跳至主要内容

数据库设计的范式是什么

 数据库设计中的**范式**(Normal Form)是一系列用于减少数据冗余、提高数据一致性和优化数据库结构的规范化准则。范式通过逐步消除数据依赖中的异常(如插入异常、删除异常、更新异常)来规范关系模型。以下是常见的几种范式:


---


### 1. 第一范式(1NF - First Normal Form)

**要求**:表中的每一列都是**不可再分的原子值**,即每个字段都只包含单一值,不能是集合、数组或重复组。


✅ **举例**:  

❌ 不符合 1NF 的表:  

| 学号 | 姓名 | 课程 |  

|------|--------|--------------------|  

| 001 | 张三 | 数学, 物理 |  


✅ 符合 1NF 的表:  

| 学号 | 姓名 | 课程 |  

|------|------|------|  

| 001 | 张三 | 数学 |  

| 001 | 张三 | 物理 |  


---


### 2. 第二范式(2NF - Second Normal Form)

**前提**:已满足 1NF。  

**要求**:表中所有**非主属性**必须**完全依赖于整个主键**(不能只依赖于主键的一部分)。


> 适用于**复合主键**的情况。


✅ **举例**:  

假设有一个订单明细表(订单ID, 商品ID, 商品名称, 数量),主键是(订单ID, 商品ID)。


- “商品名称”只依赖于“商品ID”,而不依赖于整个主键 → **违反 2NF**。


**解决方式**:拆分表  

- 订单明细表(订单ID, 商品ID, 数量)  

- 商品表(商品ID, 商品名称)


---


### 3. 第三范式(3NF - Third Normal Form)

**前提**:已满足 2NF。  

**要求**:所有非主属性**不能传递依赖于主键**,即非主属性之间不能有依赖关系。


✅ **举例**:  

| 学号 | 姓名 | 系名 | 系主任 |  

主键是“学号”。


- “系主任”依赖于“系名”,而“系名”依赖于“学号” → **传递依赖**,违反 3NF。


**解决方式**:拆分  

- 学生表(学号, 姓名, 系名)  

- 系表(系名, 系主任)


---


### 4. BCNF(Boyce-Codd 范式)

**前提**:已满足 3NF。  

**要求**:对于表中的每一个函数依赖 X → Y,X 必须是**超键**(即 X 能唯一确定一行)。


> BCNF 比 3NF 更严格,能进一步消除某些异常。


✅ **举例**:  

假设表(教师, 课程, 教室),假设一个教师只教一门课,一门课可在多个教室上。


- 函数依赖:教师 → 课程  

- 但(教师, 教室)是主键 → 教师不是超键 → 违反 BCNF。


需拆分为:  

-(教师, 课程)  

-(课程, 教室)


---


### 5. 第四范式(4NF)和第五范式(5NF)

- **4NF**:消除**多值依赖**(如一个老师可以教多门课,同时属于多个系,这两个属性彼此独立但都依赖于老师)。

- **5NF**(投影-连接范式):处理**连接依赖**,确保表不能被无损分解为更小的表而不丢失信息。


这些在实际应用中较少使用,通常到 3NF 或 BCNF 就足够。


---


### 总结:范式层级关系

1NF ⊂ 2NF ⊂ 3NF ⊂ BCNF ⊂ 4NF ⊂ 5NF


> **实际建议**:大多数业务系统设计到 **3NF** 即可,过度规范化可能影响查询性能。有时为了性能会进行“反规范化”(如加入冗余字段)。

此博客中的热门博文

Elasticsearch 读写原理指南

### 1. 什么是 segment,里面装了什么? 在 Lucene(也是 Elasticsearch)里,索引被切分成若干 **segment(段)**,每个 segment 是一个完整的、只读的倒排索引单元。一个 segment 包含: * **倒排词典** —— 用 **FST(Finite‑State Transducer)** 以高度压缩的形式保存每个字段出现的所有 term 以及 term→ord 的映射。对应的磁盘文件是 `*.tim`(新版)或 `*.tis/*.tii`(旧版)。 * **倒排列表(postings)** —— 保存每个 term 出现的文档 ID、频次、位置信息等,文件名通常是 `*.doc`、`*.pos`、`*.pay`。 * **存储字段**(_source、store:true 的字段)—— 以二进制块的形式写入 `*.fdt` / `*.fdx`。 * **doc‑values、norms、向量** 等辅助结构,分别保存在 `*.dv`、`*.norm`、`*.tv` 等文件里。 * **deleted‑docs bitmap**(`*.del`),标记哪些文档已被删除或被更新。 所有这些文件在 segment **写入磁盘后即成为只读**,后续的查询只能读取,永远不会在原文件上进行增删改。 --- ### 2. 原始文档和 FST 为什么都在 segment 里? * **原始文档**:Elasticsearch 默认把完整的 JSON(_source)以及任何 `store:true` 的字段写入 segment 的 `*.fdt/*.fdx` 文件。每个 segment 保存自己的那部分文档,旧的 segment 在合并前仍然保留,直到合并后被删除。 * **FST**:每个字段的词典在每个 segment 中单独维护,采用 FST 进行前缀共享和字节压缩。这样即使同一个 term 在多个 segment 中出现,也会在每个 segment 里拥有独立的映射,查询时只需要在对应 segment 的 FST 中定位即可。 --- ### 3. 查询时到底是怎么遍历 segment 的? 1. **请求入口**      客户端的搜索请求先到达 **协调节点**,协调节点把请求 ...

LLM缓存详解

 可以把“大模型缓存”理解成: 把已经算过的结果(或中间结果)存下来,下次尽量复用 。但这里面其实分几层,不只是简单的“问题→答案”缓存。 1️⃣ 常见的几种缓存类型 (1)KV Cache(推理内部缓存) Transformer 在生成时,会把前面 token 的 Key/Value 向量 缓存下来。 本质:避免重复计算 attention 作用: 同一请求内部加速 特点: 👉 只对“同一上下文继续生成”有效 👉 不跨用户、不跨请求 这类缓存是你体感“流式输出越来越快”的原因之一。 (2)Prompt Cache(提示词缓存) 缓存的是: 相同(或高度相似)的 prompt → 对应的中间表示 / 输出 典型场景: 系统提示词(system prompt)很长 多轮对话里前文基本不变 👉 这里能省掉 前缀计算成本(prefill) (3)Embedding / 语义缓存(Semantic Cache) 这个才是你问题的关键 👇 不是按“字符串完全一致”,而是: 把问题转成向量 → 找“语义相似”的历史问题 → 直接复用答案 2️⃣ 为什么命中缓存成本低很多? 因为大模型推理成本主要在两块: (1)Prefill(吃 prompt) 复杂度 ~ O(n²) 很贵(尤其长 prompt) (2)Decode(逐 token 生成) 每个 token 都要算一遍模型 而缓存命中后: KV cache:不用重复 attention Prompt cache:不用重新 encode 语义缓存: 直接跳过模型推理 👉 相当于从: 几十~几百毫秒 + GPU算力 变成: 一次向量检索(毫秒级)+ 直接返回 所以成本差一个数量级是正常的。 3️⃣ “每个人问法不同,怎么命中缓存?” 这是核心难点,也是工程重点👇 ❌ 不能靠字符串匹配 比如: “今天天气怎么样” “今天外面热不热” 字符串完全不同 → 必须 miss ✅ 用语义相似度(Embedding) 流程一般是: 把问题转 embedding(向量) 在向量数据库里找 TopK 相似问题 如果相似度 > 阈值(比如 0.9) 直接返回缓存答案 一个简单示意 Q1: 北京天气怎么样 → embedding A Q2: 北京今天热吗 → embedding B cosine(A, B) ≈ 0.95...

事务的ACID是什么

 事务的 ACID 是数据库事务必须满足的四个基本性质,用来保证在并发和故障情况下数据的正确性与可靠性: A(Atomicity,原子性) 一个事务中的操作要么 全部成功 ,要么 全部失败回滚 ,不存在“只做了一半”的中间状态。 C(Consistency,一致性) 事务执行前后,数据库都必须处于 一致的合法状态 ,满足约束(如主键、外键、唯一性、业务规则等)。 I(Isolation,隔离性) 并发执行的多个事务之间 相互隔离 ,一个事务未提交的中间结果对其他事务不可见(具体强弱由隔离级别决定)。 D(Durability,持久性) 一旦事务提交成功,其结果会被 永久保存 ,即使系统崩溃也不会丢失(通常依赖 WAL/redo log 等机制)。 一句话记忆: 要么全做完、前后不破坏规则、互不干扰、做完不丢。