在IT领域，无论是传统IT还是互联网，或是未来的区块链，数据结构设计都是重中之重。我们读书的时候就知道，程序 = 数据结构 + 算法，而数据结构是在前面，也就表示了要先有米，才能煮饭。一个好的数据结构设计或者说数据库设计，不仅能应对复杂的业务变化，更可以应对未来海量的数据扩容，同时数据结构逻辑清晰更方便业务人员去使用数据，而对开发人员来说，看到好的数据库设计，就像欣赏到了一个芳龄美女出浴，吃了一顿美食，或是打到了新股一样，回味无穷。
本文所介绍的数据库设计原则是根据学习工作中的经验总结来的，在工作中可以做为数据库设计天条来对待。适用场景：互联网高并发、高吞吐、海量数据、强一致性要求高、mysql数据库、互联网金融业务。
一、数据库设计框架思维
1. 数据库设计第一原则，领域设计 + 恒等式设计 + 数据流转设计
注：这三个思想后面会单独写篇文章来讲，非常非常重要的指导思想
2. 领域驱动表设计，一个领域的属性放在一个表内
注：自行车的归自行车，汽车的归汽车，一个表内不应有不在一个频道的字段
3. 一套表的设计，最基本要满足第三范式
注：第三范式(Third Normal Form,3rd NF)就是指表中的所有数据元素不但要能惟一地被主关键字所标识,而且它们之间还必须相互独立,不存在其他的函数关系。
4. 对于基础服务的表，要满足BC范式的要求
注：基础服务表要求更高，在第三范式基础上，升级为BC范式
5. 对互联网数据库设计，可以增加静态数据冗余
注：互联网都是单表查询，静态数据冗余可以有效防止N+1操作，大大提高性能
6. 数据库引擎必须选择Innodb
注：（1）没的商量，就是这个，如果只给一个原因，就一条，我们是做金融行业，安全、安全、安全
（2） Innodb支持事务，行级锁，并发性能更好，资源利用率更高，数据库崩溃恢复稳定
（3） 支持在线备份，方便运维工作
（4）官方版本致力于优化innodb，后期功能和稳定性会越来越好
（5） 支持行锁，支持mvcc
7. 字符集必须是UTF-8字符集
注：什么国家字符都支持，不乱码，这就够了
8. 严格禁止使用触发器、视图、存储过程
注：（1） 互联网业务瞬息万变，数据库表结构变化频繁，用触发器，存储过程，视图作业做业务，后期的维护成本会高昂的吓死人，如果一个开发走了，都不知道影响到哪些业务，你说吓不吓人
（2） 计算尽量移到应用层来计算，互联网DB是用来存储海量数据的，不是用来做数据计算的，分工明确，而且业务计算逻辑放到业务层，方便业务快速迭代，也可以通过加机器实现计算能力快速提升
9. 每个字段要有注释，每个表名要有注释，字段的取值含义或者范围，枚举值要有注释，这些都要有中文注释
注：有注释后来人才好维护，才好学习，不然都是坑，好的注释看着也舒坦啊
二、命名规范
1. 表名：同一个应用(或领域)下的，要有相同的前缀，如：tb_share, tb_posi，tb_valu，风格 t_xxx。
注：这样管理维护成本才低，认知理解成本也低，简单的例子就是统一制服，医生，护士，警察，卖保险等等，是不是听着还有点小兴奋
2. 库名、表名、字段名：要字母小写加下划线风格，长度不能超过32个字符，禁止拼音加英文混合命名
注：超过32个字符看起来太不舒服了，风格统一，不要另类
3. 简洁、见名知意，
注：csm代表渠道结算，全名channel settlement， 用全名会很长，csm简写会方便很多
4. 专业，体现行业标准
注：比如取现用withdraw；持仓用position；份额用share。因为我是做金融行业的，很多词汇都可以对应专业英文词汇，所以我们就不用自己造了。那当没有专业英语词汇时，我们也要尽量专业的去命名。这里，金融专业词汇推荐网站：MBA智库百科
6. 索引命名规范：普通索引 idx_+字段名，主键索引 pk_+字段名，唯一索引 uk_+字段名
注：这个就不用注了，一看就懂
7. 连接数据库统一域名规范，不允许使用IP直连
注： 开发环境：app.xxx.devdb
测试环境：app.xxx.testdb
线上环境：app.xxx.db
一级从库加-s标志， 二级从库加-ss标志，依次递增
一级从库：app.xxx-s.db
二级从库：app.xxx-ss.db
三、字段数据类型设计规范
1. 如果需要时分秒时间记录，建议用datetime类型
2. 如果需要的更多是日期的查询，建议用int型，不用DATE, 如20160909等，性能更高，空间更小
3. 如果需要比时分秒更精确的时间记录，建议用long型，用应用生成时间戳，System.currentTimeMillis()进行存储
4. 字符串存储能用varchar不要用text，varchar存储，搜索性能都高于text，text查询是会产生临时磁盘文件，性能差，如果长度超出了varchar长度，进行截取存储
5. 数字类型选择，放弃float和double，全用decimal
6. 放弃用BLOB二进制数据类型，如果涉及大数据存储，进行DB-索引-文件存储系统模式来处理
7. 整数类型的具体选择，下面单独讲解
四、 整数型字段选择规范
类型 |
占用字节 |
范围 |
|---|---|---|
tinyint |
1 |
-128~127 |
smallint |
2 |
-32768~32767 |
mediumint |
3 |
-8388608~8388607） |
int |
4 |
-2147483648~2147483647 |
bigint |
8 |
+-9.22*10的18次方 |
1. 不浪费空间, 能用小的数据类型干嘛占用那么多空间
2. 能用int，不影响业务理解，不用char
3. 方便以后扩容，支持以后扩容需求
4. 注意int(1), int(10),没有存储空间上的差别，只是在补0查询是，占位达到的位数，所以空间还是类型的选择
注：direction表示收支方向， 就收，支，平，三个值，直到沧海桑田，海枯石烂也是三个值，所以一定用tinyint(1)，省空间，效率高
五、金融金额字段默认规范
1、用decimal来存储金额字段，不要用float和double，会出现数据精度丢失
2、用decimal(M,N)
（1）M和D的关系（存储规则M>=D(M必须大于等于D)
（2）整数位最大长度M-N位，小数位长度N位
（3）占用字节数最大为M+2个字节数(保护-号和.的情况)
金融金额字段建议DECIMAL(16,2)的数据类型，占用空间18个字节，小数保留到分，整数14位，最大可以表示十万亿级别的数据，DECIMAL(14,2)不建议，千亿级别不够玩
金额利率字段建议DECIMAL(10,6)的数据类型，小数点后保留6位，对应金额的计算是准确的，我多年的经验，一般展示会展示4位利率，这个业务层处理下就好
3、对于精度要求更高的情况下，用int、或bigint存储金额，精度单独存一个精度字段
六、根据业务选择字段类型规范、默认值规范
1、一般扩展性有限的常量类型，建议用整形，性能高，占空间少，比如状态字段，初始设置值的时候，建议1,3,5,7这样，方便扩展
2、一般不确定扩展性的类型，建议用字符型，若订单子类型，字符型的好处，可以添加业务规则，一个字段可以同时表示出爷爷，儿子孙子的含义，比如subType=0000 0000 0000 前四个字段代表大类购买类型，中间代表子类购买，最后代表三级购买类型，这样通过一个字段可以做很多事情
3、序列号，id等字段，建议varchar(32)或者bigint
4、如果为了方便查问题，且表的数据量不大，可以用有含义的英文单词表示常量，比如收入IN， 支出OUT， 数据库查下排查问题很方便
5、不要有null值，不要有null值，不要有null值，建表是要default 一个默认值，尽量建表是not null语句，
除了modify_time必须default null以外，其他都是not null
6、varchar长度超过255的时候用text，用varchar就没有意义了，建议varchar不要超过255
七、默认建表存在的字段规范
1、一个表必须要有的默认字段，这些字段可以排查问题，做变更记录，方便BI数据统计等
2、注意create_time一定要加索引，真的要加，必须加
`create_time` datetime NOT NULL COMMENT '表创建时间',
`modify_time` datetime DEFAULT NULL COMMENT '表修改时间',
`remark` varchar(64) DEFAULT NULL COMMENT '备注',
3、create_time和modify_time建议在daoimpl层做时间处理，或者在sql层面做默认时间处理，可以完全保证准确没有脏数据，防止被误用
4、对于后台操作的系统，还需要有的字段
operator 操作人 operate_time 操作时间 等
5、对于事务要求强的业务表和一些变更记录表，需要有的字段
version 版本号 seq序列号
八、数据加密规范
1、哪些字段需要加密？
注：敏感字段，如姓名，身份证号，银行卡号，邮箱等
2、加密算法选择？对称还是非对称？
注：根据实际业务进行选择，可以MD5，可以RSA，可以AES，具体选择后续，老夫出个介绍算法的
3、字段长度选择？
注：字段长度要根据业务长度加密后长度进行设定，如果过长要选择换加密算法等
九、表字段顺序规范
你没有看错，是这个，表的字段顺序很重要
1. 从前到后，按照字段的重要性和使用频率排列。
2. 按字段的分类归集排列：如 金额相关的在一块，文案相关的在一块，时间相关的在一块等
3. create_time,modify_time,remark三个字段在最后
十、主键ID规范
1. 每个表都应该设置一个ID主键，最好的是一个INT型，并且设置上自动增加的AUTO_INCREMENT标志，这点其实应该作为设计表结构的第一件必然要做的事！！
2. 个人强烈建议：自增id主键+全局唯一序列号， 全局唯一序列号(必须加唯一索引)
注：100xxxxxx-广东省, 200xxxxxx-黑龙江
同时自增主键ID，对于遍历需求来说很容易实现不重复不漏掉遍历
3. 唯一键设计推荐规范：
（1）全局自增id，通过db步长来做
（2）15位时间戳+业务标志+ip+分库+分表，生成业务含义全局唯一键
（3）分布式全局唯一， UUID或额外系统主键生成系统支持
十一、索引设计规范
1. 单表索引数目不能超过5个
注：聚簇索引造成的存储和查询成本当索引过多时，性能降低很快
2. 根据业务需求设计索引，如果没有查询需求，干嘛要去建索引呢
3. 一个字段的值范围很小，不要设置索引，索引不生效同事浪费插入性能
注：当索引的值就三五个，范围很小时，数据库进行的基本是全表扫描，没必要建索引
4. 如果有幂等性需求，对需要幂等字段或字段组合，设置数据库唯一索引
5. null值对索引是一大伤害，所以不要让索引的列有null值存在
6. 尽量加索引的字段的数据类型小，也就是能用整数不用varchar能用短的varchar不用长的varchar，不要在text上设置索引
7. 一个索引包含的字段数不能超过3个
8. 尽量在静态数据上建立索引，频繁变动数据建索引，每次db都要考虑是否重建B+树
注：
（1）如账户，userId设置为唯一索引，一个人只能有一个铜板账户，静态数据
（2）收支流水表的userID设置普通索，查询效率高，查询需求
（3）create_time 默认加索引
（4）a,b,c 组合索引，索引构建是用a+b+c进行构建的索引，如果是btree索引，查询的时候 abc|ab|a三种查询条件都会走索引，不需要对a和ab重复创建索引 ，但是 like '%b'|'%bc'|'%c'不会走索引，所以，组合索引，一定使用频率高的放在最左边
十二、数据库容量设计规范
1. 根据业务发展预估，数据库容量设计要满足支撑未来3--5年数据增加需求，同时设计之初要考虑后续扩容很方便
注：不给后人挖坑，做一个栽树的前人
2. 深入理解业务，根据业务特性来分表扩容，同时根据查询需求来分表
案例：
（1）代金券分表 （季度分）
（2）每日收益分表 （userId取余）
（3）对账分表 （按月分）
（4）微信红包分表 （年度+用户分）
3. 具体分表策略，见前面一篇文章：海量数据存储--分库分表策略详解
十三、防止全表扫描规范做法
1. 原则：
（1）全表扫描会造成数据库挂掉,OOM,慢查询等可怕事情
（2）索引的值范围很少，索引即使设计了也不会生锈，也会全表扫描
（3）删数据时，where后必须有条件，条件走索引，同时加limit限制，防止sql错误，多删数据
2. 会出现全表扫描的情况，如下
（1）未创建索引 例如： select * from tbname where name='?' 如果name字段未创建索引，那么就是全表扫描
（2）隐式转换 例如：select * from tbname where id=1234; 如果id字段是varchar类型，那么就算id字段上建立有索引，也还是会走全表扫描。
（3）索引区分度问题：select * from tbname where status=1 and name=？ ,status,sex这类字段的重复值过低，索引区分度超过30以上，
优化器会认为status索引效率低，如果name字段没有索引的话，就会全表扫描
（4）索引字段上使用函数 select * from tbname where date(create_time)=? create_time字段上使用了函数，将不会走索引，可以改成 create_time=date_format(?)这种形式
（5）联合索引字段顺序， a,b字段创建联合索引，select * from tbname where b=? 不符合左前缀原则， 单独使用b字段无法使用索引，可改成 index(b,a);
3. 防止全表扫描的办法
（1）DAOIMPL层面限制不走索引的查询sql
（2） DAOIMPL层面限制索引值少的查询sql
（3） mybatis.xml层面对删除进行限制Delete from tb_position where id=142343 limit 1;
下面的例子，大家可以借鉴下，注意是对数量和索引的限制，防止慢查询和OOM
十四、如何有效遍历
1. 有自增主键的遍历
select * from table_xxx where status = #status and id > #lastQueryId limit 1000;
优点：性能高，不漏数据，遍历数据状态变更不会造成位移，每次取出最后一条ID，进行下一次查询，性能极高
缺点：暂时没发现
2. 带状态更新的遍历
会可能存在位移差，存在漏数据
解决办法：
（1）通过自增ID id>#lastId, limit 100, order没有自增主键
（2）临时表， 存在新增数据的遍历，做临时表，临时表做业务重复判断。
（3）create_time 半开查询 create_time >= egtCreateTime and create_time<ltCreateTime
十五、看着设计好的一套表，感觉美，恭喜你神功大成
