关于MogDB
MogDB 是云和恩墨基于 openGauss 内核进行增强提升，推出的一款安稳易用的企业级关系型数据库。该产品具备金融级高可用和全密态计算的极致安全、面向多核处理器的极致性能、AI自诊断调优的极致智能能力，能够满足从核心交易到复杂计算的企业级业务需求。（点击文末“阅读原文”或复制官网链接：mogdb.io至浏览器了解MogDB更多内容。）
在实际工作场景中，为了确保团队内以及团队之间可以快速顺利地进行工作交接，在最小的成本下理解已经存在的数据库对象，需要制定一些数据库规范，并应关注以下特点：
- 规范需要持续维护，不断改善来适应自身业务的发展。
- 标准的规范可以减少出错的概率，保证程序安全稳定运行。
- 可以快速定位问题原因并有效解决。
- 标准的规范可以提升开发效率，也可自动化管理。
本文就基于 MogDB 制定一套数据库规范，算是使用数据库时应该注意的一些事项，也给使用其他数据库的朋友一些参考。
一、数据库范式
为了更好地制定数据库规范，我们需要知道如何去设计数据模型。关系数据库的数据模型设计有六种范式（Normal Form，简称NF），各范式呈递次规范，越高的范式数据库冗余越小，一般情况下数据库满足第三范式就可以了。
1. 第一范式（1NF）
每一域（列）都是不可分割的原子数据项，不能是集合，数组，记录等非原子数据项，简而言之，第一范式就是无重复的域。
2. 第二范式（2NF）
在满足1NF的基础上，非码属性必须完全依赖于候选码。简而言之，一个表中必须有唯一键。
- 候选码：某一属性组的值能唯一地标识一个元组，则称该属性组为候选码。若有多个候选码，则选定其中一个为主码。
- 主属性：所有候选码的属性称为主属性，不包含在任何候选码中的属性称为非主属性或非码属性。
- 函数依赖：属性集关系模式R(U)中有x,y两个子集，若由x决定y，则说y函数依赖x， 如x(工号)-> y(评分)。
- 部分函数依赖：若x决定y，x的子集x1也可以决定y，则说y部分函数依赖x，如x(工号，姓名) -> y(评分)，x1(工号) -> y(评分)。
- 完全函数依赖：若x决定y，x的任何子集都不能决定y，则说y全部函数依赖x，如x(工号，绩效) -> y(评分)。
- 传递函数依赖：若x决定y，y决定z，但是z不属于y，y也不决定x，则说z传递依赖x，如x(工号) -> y(部门) ->z(部门信息)。
3. 第三范式（3NF）
在满足2NF的基础上，非主属性之间没有依赖关系，即消除2NF中的传递函数依赖。
巴斯-科德范式（BCNF）
在满足3NF基础上，任何非主属性不能对主键子集依赖（在3NF基础上消除对主码子集的依赖），巴斯-科德范式被认为没有新的设计规范加入，只是对第二范式与第三范式中设计规范要求更强，因而被认为是修正第三范式，也就是说它是对第三范式的修正，使数据库冗余度更小，这也是BCNF不被称为第四范式的原因。
4. 第四范式（4NF）
在满足BCNF的基础上，属性之间不允许有非平凡且非函数依赖的多值依赖，即同一个表中没有多对多关系。
- 平凡多值依赖：全集U=K+A，一个K可以对应于多个A，即K→→A，此时整个表就是一组一对多关系。
- 非平凡多值依赖：全集U=K+A+B，一个K可以对应于多个A，也可以对应于多个B，A与B互相独立，即K→→A，K→→B。整个表有多组一对多关系，且有：“一”部分是相同的属性集合，“多”部分是互相独立的属性集合。
5. 第五范式（5NF，又称完美范式）
在满足4NF的基础上，消除不是由候选码所蕴含的连接依赖。如果关系模式R中的每一个连接依赖均由R的候选码所隐含，则称此关系模式符合第五范式。
第四范式处理的是相互独立的多值情况，而第五范式则处理相互依赖的多值情况。
函数依赖是多值依赖的一种特殊的情况，而多值依赖实际上是连接依赖的一种特殊情况。
二、数据库命名规范
数据库对象（database、schema、table、column、view、index、function、 trigger等）命名标准：
- 长度不超过63个字符
- 命名尽量采用富有意义英文词汇
- 建议使用小写字母、数字、下划线的组合
- 不以PG、GS开头（避免与系统 DB object 混淆），不以数字开头
- 不使用双引号即"包围，除非必须包含大写字母或空格等特殊字符
- 禁止使用保留字，保留关键字参考官方文档或通过 pg_get_keywords() 函数查看
- table 能包含的 column 数目,根据字段类型的不同，数目在 250 到 1600 之间
- 分区表命令规则与普通表保持一致
- 临时或备份的数据库对象名，如 table，建议添加日期, 如 dba.trade_record_2100_01_07
- 索引显示命名规则为：表名_列名_idx，与缺省默认给出的索引名保持一致
- 数据库的用户表空间用 ts_<表空间名> 来表现 ,数据表空间和索引表空间可以分开，如 ts_data_xxx 和 ts_idx_xxx
三、对象设计规范
1. Tablespace 设计
- 频繁使用的表和索引单独存放在一个表空间，此表空间应在性能好的磁盘上创建
- 以历史数据为主，或活跃度较低的表和索引可以存放在磁盘性能较差的表空间
- 表和索引可以单独存放在不同的表空间
- 表空间可以按数据库分、按 schema 分或按业务功能来分
- 也可以用默认表空间 pg_default，即 base 目录
2. Database 设计
- 建议以业务功能来命名数据库，简单直观
- 推荐使用兼容PG模式创建数据库
- 数据库编码建议使用 UTF8
3. Schema 设计
- 在一个数据库下执行创建用户时，默认会在该数据库下创建一个同名 schema
- 不建议在默认 public schema 下创建数据库对象
- 创建一个与用户名不同的 schema 给业务使用
4. Table 设计
- 规划好表结构设计，避免添加字段、修改字段类型或长度
- 禁止使用 unlogged、temp/temporary 关键字创建业务表
- 必须为表添加 comment 注释信息
- 表间关联字段数据类型要保持一致，避免索引无法使用
- 对于频繁更新的astore表，需要指定填充因子 fillfactor=85，给 HOT 预留空间
- 频繁更新使用的表应该单独放在存储性能好的表空间
- 数据量超过亿级或占用磁盘超过10GB的表，建议考虑分区
5. Cloumn 设计
- 避免与系统表的列名重复
- 字段含义及数据类型要与程序代码设计保持一致
- 所有字段必须要添加 comment 注释信息
- 能使用数值类型，就不要使用字符类型
- 禁止用字符类型存储日期数据
- 时间类型字段统一使用 timestamptz
- 字段尽量要求 not null，为字段提供默认值
6. Sequence 设计
- 禁止手动创建与表相关的序列，应指定 serial/bingserial 类型方式创建
- 序列的步长建议设置为1
- 不建议设置 minvalue 和 maxvalue
- 不建议设置 cache，设置 cache 后序列号不连续
- 禁止开启 cycle
7. Index 设计
- 频繁 DML 操作的表索引数量不建议超过5个
- create/drop index 时添加 concurrently 参数
- 真正创建索引前可以使用虚拟索引确定索引的有效性
- 经常出现在关键字 order by、group by、distinct 后面的字段，建立索引
- 经常用作查询选择的字段，建立索引
- 经常用作表连接的属性上，建立索引
- 复合索引的字段数不建议超过3个
- 复合索引得一个字段是常用检索条件
- 复合索引第一个字段不应存在单字段索引
- 用 unique index 替换 unique constraints
- 对数据很少被更新的表，经常只查询其中的几个字段，考虑使用索引覆盖
- 不要在有大量相同取值的字段上建立索引
8. Partition Table 设计
- 范围分区表数量不建议超过1000个
- 分区表可以按使用频度选择表空间
- 分区键必须要有索引，不建议使用全局索引
- 定期清理历史分区表
9. View 设计
- 尽量使用简单视图，减少复杂视图（数据来自多个表，表的数量不建议超过3个）
- 避免嵌套视图，如必须使用，不能嵌套2层
10. Constraint 设计
- 每张表必须要有主键
- 不要用有业务含义的字段做主键，尽管其唯一
- 建议使用 id serial/bigserial primary key 的方式创建主键
- 大表添加主键可以使用 unique + not null 的方式替代
- 建议使用唯一索引替换唯一约束
- 所有非空列必须要添加 not null 约束
- 存在外键关系的表尽量添加外键约束
- 性能要求高而安全性自己控制的系统不建议使用外键
四、数据库操作规范
这里数据库操作指：DDL、DML、DQL
1. DDL 操作
- 业务高峰期禁止对已存在的表执行任何 DDL 操作
- 所有生产 DDL 操作必须经过开发测试环境验证
- 大表添加带默认值的字段时，应拆分为：添加字段、填补默认值及添加非空约束三部分
- 维护索引时应采用 concurrently 的方式
- 应该使用 pg_repack 替换 vacuum full 来重建表
2. DML 操作
- 更新数据的SQL语句禁止出现 where 1=1
- 单条DML语句操作的数据量不超过10万
- 清空表中的数据时，应使用 truncate
- 对于风险性较高的操作，应该显示的开启事务，确认无误后在提交
- 事务中SQL逻辑尽量简单，操作执行完后要及时提交，避免 idle in transaction 状态
- 大批数据入库时应使用 copy 替换 insert
- 数据导入前考虑先删除索引，导入完成后重建
3. DQL 操作
- 禁止使用 select * ，应用具体所需字段替换
- 禁止使用 where 1=1 ，避免全表扫描或笛卡尔积
- 检索条件值应该与字段类型保持一致，防止不走索引
- 等号左边的字段应该与索引保持一致，尤其是条件索引或函数索引
- 关注慢SQL的执行计划，如与预期不一致，尽快修改
- 使用 count(*) 或 count(1) 来统计行数，count(column) 不会统计 null 行
- 限制 join 的数量，不建议超过3个
- 递归查询需要做好限制，防止无限循环
- 对于 or 运算，应该使用 union all 或 union 替换
关于作者
高云龙
云和恩墨服务总监，PostgreSQL专家，多年PostgreSQL及相关生态数据库运维经验，曾任职去哪儿网及某金融公司的核心数据库架构建设，目前主要深耕openGauss和MogDB数据库。
数据驱动，成就未来，云和恩墨，不负所托！
云和恩墨创立于2011年，以“数据驱动，成就未来”为使命，是智能的数据技术提供商。我们致力于将数据技术带给每个行业、每个组织，构建数据驱动的智能未来。
云和恩墨在数据承载（分布式存储、数据持续保护）、管理（数据库软件、数据库云管平台、数据技术服务）、加工（应用开发质量管控、数据模型管控、数字化转型咨询）和应用（数据服务化管理平台、数据智能、隐私计算数据联邦平台）等领域为各个组织提供可信赖的产品、服务和解决方案，围绕用户需求，持续为客户创造价值，激发数据潜能，为成就未来敏捷高效的数字世界而不懈努力。
目前，云和恩墨的700多名员工分布在国内外的34个地区，已累计直接服务8大关键行业（金融、通信、能源、政务、制造、交通、医疗、商贸）的1,000多个组织，50,000多套业务系统，300,000多名行业从业者。
