数据库设计规范

大家好，又见面了，我是你们的朋友全栈君。

数据库的重要性不言而喻。对程序员来说跟数据库打交道更是家常便饭。数据库给开发带来了巨大的便利。我们或多或少的知道一些数据库设计规范，但并不全面。今天我就简单整理一下，帮自己做个总结梳理，也希望可以帮到小伙伴们。

数据库设计规范包括命名规范、库表基础规范、字段规范、索引规范和SQL设计规范。

1. 命名规范

1.1 库名、表名、字段名禁止使用MySQL保留字。

1.2 库名、表名、字段名使用常用英语而不要使用编码，需见名知意，命名与业务、产品线等相关联。
中文词汇的英语翻译可以参考常用术语来选择相应的英文词汇。

1.3 库名、表名、字段名必须是名词的复数形式，并且使用小写字母，多个名词采用下划线分割单词。
MySQL有配置参数lower_case_table_names=1，即库表名以小写存储，大小写不敏感。如果是0，则库表名以实际情况存储，大小写敏感；如果是2，以实际情况存储，但以小写比较。
如果大小写混合使用，可能存在abc、Abc、ABC等多个表共存，容易导致混乱。
字段名显示区分大小写，但实际使⽤时不区分，即不可以建立两个名字一样但大小写不一样的字段。
为了统一规范， 库名、表名、字段名使用小写字母，不允许-号。

1.4 库名、表名、字段名禁止超过32个字符。

库名、表名、字段名支持最多64个字符，但为了统一规范、易于辨识以及减少传输量，禁止超过32个字符

1.5 索引命名规则

索引按照idx_table_column1_column2。其中table是建立索引的表名，column1和column2是建立索引的字段名。
索引名限制在32个字符内。当索引名超过32字符时，可用缩写来减少索引名的长度，如description –> desc；information –> info；address –> addr等。

1.6 主键、外键命名规则

主键按照PK_table的规则命名，其中table为数据库表名。
唯一键按照UK_table_column的规则命名。其中table为数据块表名，column为字段名。
外键按照FK_parent_child_nn的规则命名。其中parent为父表名，child为子表名，nn为序列号。

2. 库表基础规范

2.1 使用InnoDB存储引擎。

MySQL 5.5版本开始默认存储引擎就是InnoDB，5.7版本开始，系统表都放弃MyISAM了。

2.2 表字符集使用UTF8MB4字符集，校验字符集使用utf8mb4_general_ci。

UTF8字符集存储汉字占用3个字节，存储英文字符占用一个字节
校对字符集使用默认的utf8mb4_general_ci。特别对于使用GUI工具设计表结构时，要检查它生成的SQL定义
连接的客户端也使用utf8，建立连接时指定charset或SET NAMES UTF8;。
如果遇到EMOJ等表情符号的存储需求，可申请使用UTF8MB4字符集

2.3 所有表都要添加注释，除主键外的字段都需要添加注释

类status型需指明主要值的含义，如’0-离线，1-在线’

2.4 控制单表字段数量

单表字段数上限30左右，再多的话考虑垂直分表，一是冷热数据分离，二是大字段分离，三是常在一起做条件和返回列的不分离。
表字段控制少而精，可以提高I/O效率，内存缓存更多有效数据，从而提高响应速度和并发能力，后续ALTER TABLE也更快。

2.5 所有表都必须显式指定主键

主键尽量采用自增方式，InnoDB表实际是一棵索引组织表，顺序存储可以提高存取效率，充分利用磁盘空间。还有对一些复杂查询可能需要自连接来优化时需要用到。
只有需要全局唯一主键时，使用外部自增id服务
如果没有主键或唯一索引，UPDATE/DELETE是通过所有字段来定位操作的行，相当于每行就是一次全表扫描
少数情况可以使用联合唯一主键，需与DBA协商
对于主键字段值是从其它地方插入（非自己使用AUTO_INCREMENT生产），去掉AUTO_INCREMENT定义。比如一些31天表、历史月份表上，不要AUTO_INCREMENT属性；还有，必须通过全局id服务获取的主键，也要去掉AUTO_INCREMENT定义。

2.6 不强制使用外键参考

即使2个表的字段有明确的外键参考关系，也不使用FOREIGN KEY，因为新纪录会去主键表做校验，影响性能。

2.7 适度使用视图，禁止使用存储过程、触发器和事件

使用视图一定程度上也是为了降低代码里SQL的复杂度，但有时候为了视图的通用性会损失性能（比如返回不必要的字段）。
存储过程（PROCEDURE）虽然可以简化业务端代码，在传统企业写复杂逻辑时可能会用到，而在互联网企业变更是很频繁的，在分库分表的情况下要升级一个存储过程相当麻烦。又因为它是不记录log的，所以也不方便调试性能问题。如果使用过程，一定考虑如果执行失败的情况。
触发器（TRIGGER）也是同样，但也不应该通过它去约束数据的强一致性，MySQL只支持“基于行的触发”，也就是说，触发器始终是针对一条记录的，而不是针对整个sql语句的，如果变更的数据集非常大的话，效率会很低。掩盖一条SQL背后的工作，一旦出现问题将是灾难性的，但又很难快速分析和定位。再者需要DDL时无法使用pt-osc工具。放在TRANSACTION中执行。
事件（EVENT）也是一种偷懒的表现，目前已经遇到数次由于定时任务执行失败影响业务的情况，而且MySQL无法对它做失败预警。建立专门的 job scheduler 平台。

2.8 单表数据量控制在5000万以内

表字段数量不要超过20个，如果有需要建立主副表，主键一一关联，避免单行数据过多以及修改记录binlog ROW模式导致文件过大。
特别对于有一个text/blob或很大长度的varchar字段时，更应考虑单独存储。但也要注意查询条件尽量放在一个表上。

2.9 尽量只存储单一实体类型的数据

2.10 数据库中不允许存储明文密码

所有的密码、scret key和SSH key等类似的保密信息，必须经过非对称加密，再保存到数据库中。

2.11 尽量符合数据库的几个范式。

3. 字段规范

3.1 char、varchar、text等字符串类型定义

对于长度基本固定的列，如果该列恰好更新又特别频繁，适合char。 utf8mb4字符集下，尽量使用varchar。varchar虽然存储变长字符串，但不可太小也不可太大。UTF8最多能存21844个汉字，或65532个英文

varbinary(M)保存的是二进制字符串，它保存的是字节而不是字符，所以没有字符集的概念，M长度0-255（字节）。只用于排序或比较时大小写敏感的类型，不包括密码存储

text类型与varchar都类似，存储可变长度，最大限制也是2^16，但是它20bytes以后的内容是在数据页以外的空间存储（row_format=dynamic），对它的使用需要多一次寻址，没有默认值。 一般用于存放容量平均都很大、操作没有其它字段那样频繁的值。网上部分文章说要避免使用text和blob，要知道如果纯用varchar可能会导致行溢出，效果差不多，但因为每行占用字节数过多，会导致buffer_pool能缓存的数据行、页下降。另外text和blob上面一般不会去建索引，而是利用sphinx之类的第三方全文搜索引擎，如果确实要创建（前缀）索引，那就会影响性能。凡事看具体场景。另外尽可能把text/blob拆到另一个表中

BLOB可以看成varbinary的扩展版本，内容以二进制字符串存储，无字符集，区分大小写，有一种经常提但不用的场景：不要在数据库里存储图片。
当字段定义为字符串形时建议使用varchar而不用nvarchar。

3.2 int、tinyint、decimal等数字类型定义

使用tinyint来代替enum和boolean。enum类型在需要修改或增加枚举值时，需要在线DDL，成本较高；enum列值如果含有数字类型，可能会引起默认值混淆。tinyint使用1个字节，一般用于status、type、flag的列。
建议使用unsigned存储非负数值，相比不使用unsigned，可以扩大一倍使用数值范围。

int使用固定4个字节存储，int(11)与int(4)只是显示宽度的区别。但是定义是bigint(20), int(11)，不要随便改动这个显示宽度，c++里面需要这个长度去截取字段。
使用decimal代替float/double存储精确浮点数。对于货币、金额这样的类型，使用decimal，如 decimal(9,2)。float默认只能精确到6位有效数字。

3.3 timestamp与datetime选择

datetime和timestamp类型所占的存储空间不同，前者5个字节(5.5是8字节)，后者4个字节，这样造成的后果是两者能表示的时间范围不同。前者范围为1000-01-01 00:00:00 ~ 9999-12-31 23:59:59，后者范围为 1970-01-01 08:00:01 到 2038-01-19 11:14:07 。所以 timestamp 支持的范围比 datatime 要小。

timestamp可以在INSERT/UPDATE行时，自动更新时间字段（如 set_time timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP），但一个表只能有一个这样的定义。

timestamp显示与时区有关，内部总是以UTC毫秒来存的，还受到严格模式的限制。
优先使用timestamp，datetime也没问题
默认时间，要么CURRENT_TIMESTAMP，要么’1970-01-02 01:01:01’，不要设置为”或0

WHERE条件里不要对时间列上使用时间函数
如果使用int类型存储时间戳，约定统一使用int unsigned default 0

3.4 建议字段都定义为NOT NULL

如果是索引字段，一定要定义为NOT NULL。因为NULL值会影响cordinate统计，影响优化器对索引的选择
虽然表中允许空(NULL)列，但是，空字段是一种比较特殊的数据类型。数据库在处理的时候，需要进行特殊的处理。如此的话，就会增加数据库处理记录的复杂性。当表中有比较多的空字段时，在同等条件下，数据库处理的性能会降低许多。
如果不能保证INSERT时该字段一定有值过来，解决方法：

通过设置默认值的形式，定义时使用DEFAULT ”或DEFAULT 0，来避免空字段的产生。
若一张表中，允许为空的列比较多，接近表全部列数的三分之一。而且，  这些列在大部分情况下，都是可有可无的。若数据库管理员遇到这种情况，建议另外建立一张副表，以保存这些列。

3.5 字段的默认值

所有字段在设计时，除timestamp、image、datetime、smalldatetime、uniqueidentifier、binary、sql_variant、binary、varbinary这些数据类型外，必须有默认值。字符型的默认值为一个空字符值串”；数值型的默认值为数值0；逻辑型的默认值为数值0；其中，系统中所有逻辑型中数值0表示为假；数值1表示为真。

datetime、smalldatetime类型的字段没有默认值，必须为NULL。

3.6 同一意义的字段定义必须相同

比如不同表中都有user_id字段，那么它的类型、字段长度要设计成一样

4. 索引规范

4.1 索引个数限制

索引是双刃剑，会增加维护负担，增大I/O压力，索引占用空间是成倍增加的
单张表的索引数量控制在5个以内，或不超过表字段个数的20%。若单张表多个字段在查询需求上都要单独用到索引，需要经过DBA评估。

4.2 避免冗余索引

InnoDB表是一棵索引组织表，主键是和数据放在一起的聚集索引，普通索引最终指向的是主键地址，所以把主键做最后一列是多余的。如crm_id作为主键，联合索引(user_id,crm_id)上的crm_id就完全多余
两个索引(a,b,c)、(a,b)，后者为冗余索引。可以利用前缀索引来达到加速目的，减轻维护负担

4.3 没有特殊要求，使用自增id作为主键

主键是一种聚集索引，顺序写入。组合唯一索引作为主键的话，是随机写入，适合写少读多的表
主键不允许更新

4.4 索引尽量建在选择性高的列上

不在低基数列上建立索引，例如性别、类型。但有一种情况，idx_feedbackid_type (feedback_id, type)，如果经常用type=1比较，而且能过滤掉90%行，那这个组合索引就值得创建。有时候同样的查询语句，由于条件取值不同导致使用不同的索引，也是这个道理。
索引选择性计算方法（基数 ÷ 数据行数）
Selectivity = Cardinality / Total Rows = select count(distinct col1)/count(*) from tbname，越接近1说明col1上使用索引的过滤效果越好
走索引扫描行数超过30%时，改全表扫描

4.5 最左前缀原则

MySQL使用联合索引时，从左向右匹配，遇到断开或者范围查询时，无法用到后续的索引列。比如索引idx_c1_c2_c3 (c1, c2, c3)，相当于创建了(c1)、(c1,c2)、(c1,c2,c3)三个索引，WHERE条件包含上面三种情况的字段比较则可以用到索引，但像WHERE c1=a AND c3=c只能用到c1列的索引，像c2=b AND c3=c等情况就完全用不到这个索引
遇到范围查询(>、<、between、like)也会停止索引匹配，比如c1=a AND c2 > 2 AND c3=c，只有c1、c2列上的比较能用到索引，(c1, c2, c3)排列的索引才可能会都用上。

WHERE条件里面字段的顺序与索引顺序无关，MySQL优化器会自动调整顺序。

4.6 前缀索引

对超过30个字符长度的列创建索引时，考虑使用前缀索引，如idx_cs_guid2 (cs_guid(26))表示截取前26个字符做索引，既可以提高查找效率，也可以节省空间
前缀索引也有它的缺点是，如果在该列上ORDER BY或GROUP BY时无法使用索引，也不能把它们用作覆盖索引(Covering Index)
如果在varbinary或blob这种以二进制存储的列上建立前缀索引，要考虑字符集，括号里表示的是字节数

4.7 合理使用覆盖索引减少I/O

InnoDB存储引擎中，secondary index(非主键索引，又称为辅助索引、二级索引)没有直接存储行地址，而是存储主键值。如果用户需要查询secondary index中所不包含的数据列，则需要先通过secondary index查找到主键值，然后再通过主键查询到其他数据列，因此需要查询两次。
覆盖索引则可以在一个索引中获取所有需要的数据列，从而避免回表进行二次查找，节省I/O因此效率较高。
例如SELECT email，uid FROM user_email WHERE uid = xx，如果uid不是主键，适当时候可以将索引添加为index(uid，email)，以获得性能提升。

4.8 尽量不要在频繁更新的列上创建索引

如不在定义了ON UPDATE CURRENT_STAMP的列上创建索引，维护成本太高（好在MySQL有insert buffer，会合并索引的插入）

4.9 修改表结构DROP COLUM时要注意

与这个字段相关的索引都会改变，变化是从原索引抽掉该字段定义。这种情况有可能导致部分索引重复或失效。

5. SQL设计规范

5.1 所有关键字的所有字母必须大写

5.2 杜绝直接SELECT *读取全部字段

即使需要所有字段，明确指定所需字段也能减少网络带宽消耗，能有效利用覆盖索引，表结构变更对程序基本无影响。

5.3 能确定返回结果只有一条时，使用LIMIT 1

在保证数据不会有误的前提下，能确定结果集数量时，多使用LIMIT，尽快地返回结果。

5.4 小心隐式类型转换

转换规则

两个参数至少有一个是NULL时，比较的结果也是NULL，例外是使用<、=、>对两个NULL做比较时会返回1，这两种情况都不需要做类型转换
两个参数都是字符串，会按照字符串来比较，不做类型转换
两个参数都是整数，按照整数来比较，不做类型转换
十六进制的值和非数字做比较时，会被当做二进制串
有一个参数是timestamp或datetime，并且另外一个参数是常量，常量会被转换为timestamp

有一个参数是decimal类型，如果另外一个参数是decimal或者整数，会将整数转换为decimal后进行比较，如果另外一个参数是浮点数，则会把decimal转换为浮点数进行比较
所有其他情况下，两个参数都会被转换为浮点数再进行比较。

如果一个索引建立在string类型上，如果这个字段和一个int类型的值比较，符合第 7 条。如phone定义的类型是varchar，但WHERE使用phone in (098890)，两个参数都会被当成成浮点型。发生这个隐式转换并不是最糟的，最糟的是string转换后的float，MySQL无法使用索引，这才导致了性能问题。如果是user_id = ‘1234567’ 的情况，符合第 2 条，直接把数字当字符串比较。

5.5 禁止在WHERE条件列上使用函数

会导致索引失效，如LOWER(email)，qq % 4。可放到等号右边的常量上计算
返回小结果集不是很大的情况下，可以对返回列使用函数，简化程序开发

5.6 使用LIKE模糊匹配，%不要放首位

会导致索引失效，有这种搜索需求是，考虑其它方案，如sphinx全文搜索

5.7 涉及到复杂SQL时，务必先参考已有索引设计，先EXPLAIN

简单SQL拆分，不以代码处理复杂为由。
比如OR条件： phone=’10000’ OR mobile=’10000’，两个字段各自有索引，但只能用到其中一个。可以拆分成2个sql，或者UNION ALL。
先EXPLAIN的好处是可以为了利用索引，增加更多查询限制条件

5.8 使用JOIN时，WHERE条件尽量使用充分利用同一表上的索引

如 SELECT t1.a, t2.b * FROM t1, t2 AND t1.a=t2.a AND t1.b=123 AND t2.c= 4，如果t1.c与t2.c字段相同，那么t1上的索引(b, c)就只用到b了。此时如果把WHERE条件中的t2.c=4改成t1.c=4，那么可以用到完整的索引
这种情况可能会在字段冗余设计（反范式）时出现
正确选取INNER JOIN和LEFT JOIN。不允许滥用LEFT JOIN。

5.9 少用子查询，改用JOIN

小于5.6版本时，子查询效率很低，不像Oracle那样先计算子查询后外层查询。5.6版本开始得到优化。

5.10 考虑使用UNION ALL，少使用UNION，注意考虑去重

UNION ALL不去重，而少了排序操作，速度相对比UNION要快，如果没有去重的需求，优先使用UNION ALL

如果UNION结果中有使用LIMIT，在2个子SQL可能有许多返回值的情况下，各自加上LIMIT。如果还有ORDER BY，请找DBA。

5.11 IN的内容尽量不超过200个

超过500个值使用批量的方式，否则一次执行会影响数据库的并发能力，因为单SQL只能且一直占用单CPU，而且可能导致主从复制延迟。

5.12 拒绝大事务

比如在一个事务里进行多个SELECT，多个UPDATE，如果是高频事务，会严重影响MySQL并发能力，因为事务持有的锁等资源只在事务ROLLBACK/COMMIT时才能释放。但同时也要权衡数据写入的一致性。不要再事务里面做除数据库以外的操作。

5.13 避免使用IS NULL, IS NOT NULL这样的比较

5.14 ORDER BY .. LIMIT

这种查询更多的是通过索引去优化，但ORDER BY的字段有讲究，比如主键id与time都是顺序递增，那就可以考虑ORDER BY id而非 time

5.15 c1 < a ORDER BY c2

与上面不同的是，ORDER BY之前有个范围查询，由前面的内容可知，用不到类似(c1,c2)的索引，但是可以利用(c2,c1)索引。另外还可以改写成JOIN的方式实现。

5.16 分页优化

建议使用合理的分页方式以提高分页效率，大页情况下不使用跳跃式分页
假如有类似下面分页语句:

  SELECT FROM table1 ORDER BY ftime DESC LIMIT 10000,10;
这种分页方式会导致大量的I/O，因为MySQL使用的是提前读取策略。
  推荐分页方式：

  SELECT FROM table1 WHERE ftime < last_time ORDER BY ftime DESC LIMIT 10
即传入上一次分页的界值。或者：

  SELECT * FROM table as t1 inner JOIN (SELECT id FROM table ORDER BY time LIMIT 10000，10) as t2 ON t1.id=t2.id

5.17 COUNT计数

首先COUNT()、COUNT(1)、COUNT(col1)是有区别的，COUNT()表示整个结果集有多少条记录，COUNT(1)表示结果集里以主键统计数量，绝大多数情况下COUNT()与COUNT(1)效果一样的，但COUNT(col1)表示的是结果集里col1列NOT NULL的记录数。优先采用COUNT()

大数据量COUNT是消耗资源的操作，甚至会拖慢整个库，查询性能问题无法解决的，应从产品设计上进行重构。例如当频繁需要COUNT的查询，考虑使用汇总表
遇到DISTINCT的情况，GROUP BY方式可能效率更高。

5.18 DELETE、UPDATE语句改成SELECT再EXPLAIN

SELECT最多导致数据库慢，写操作才是锁表的罪魁祸首

5.19 减少与数据库交互的次数，尽量采用批量SQL语句

INSERT … ON DUPLICATE KEY UPDATE …，插入行后会导致在一个唯一索引或主键中出现重复值，则执行旧行UPDATE，如果不重复则直接插入，影响1行。

REPLACE INTO类似，但它是冲突时删除旧行。INSERT IGNORE相反，保留旧行，丢弃要插入的新行。

INSERT INTO VALUES(),(),()，合并插入。

5.20 杜绝危险SQL

去掉WHERE 1=1这样无意义或恒真的条件，如果遇到UPDATE/DELETE或遭到SQL注入就恐怖了
SQL中不允许出现DDL语句。一般也不给予CREATE/ALTER这类权限，但阿里云RDS只区分读写用户

5.21 是否应该ORDER BY主键

许多排序的场景，如果主键id是增长的，如果ORDER BY create_time查询慢，有可能使用了filesort，此时最简单的办法是看能否换成ORDER BY id，因为id作为主键是递增的，并且附带在了每个二级索引后面。
但是也要谨慎使用 ORDER BY id，特别是在EXPLAIN结果看到filesort的情况下，优化器极有可能放弃这个filesort，而选择了它所认为更高效的扫描方式，实则更慢。

5.22 使用正确的表

比如要统计昨天的数据这类业务较多，是否可以设计一个昨天表，不在31天表上统计，在月份表上统计也行。或者其它组已经有“半统计”的数据，从他们那抽取数据，而不是在原始数据上统计。