先想清楚:数据库建立到底在做什么
很多人把“建库”等同于打开客户端执行 CREATE DATABASE,这只是物理动作。真正意义上的数据库建立,是把业务世界里的实体、关系和规则,翻译成一套可存储、可查询、可维护的数据结构。它决定了系统未来几年能跑多快、改起来有多痛。
需求分析:从业务语言到数据语言
第一步不是画表,而是梳理业务。重点关注三件事:有哪些核心实体(用户、订单、商品),实体之间是什么关系(一对多、多对多),每个字段的业务含义和取值范围。
常见误区是直接照搬界面表单。界面字段往往冗余,而业务规则(如“订单金额必须等于明细之和”)需要在设计阶段就明确,否则后期只能靠代码层层校验。把关键约束写成清单,后续设计才有依据。
概念与逻辑设计:画出结构再动手
概念设计阶段用实体关系图表达实体与联系,不必纠结字段类型。逻辑设计阶段再把它转成关系模型:确定主键、外键,做规范化处理,消除重复存储。
规范化不是越彻底越好。第三范式能减少冗余,但过度拆分会让查询需要大量连接。对读多写少的场景,适度反规范化(如冗余存储商品名称)反而更实用。判断标准是:这个冗余字段的更新频率是否可控。
物理实现:类型、索引与约束
落到具体数据库时,字段类型选择要克制。能用定长就别用变长,金额用定点数而非浮点,时间统一时区。类型选错带来的问题往往在数据量上来后才暴露。
索引是这一阶段的重头戏。原则是:为高频查询条件建索引,为排序和连接字段建索引,但索引不是越多越好——每个索引都会拖慢写入并占用空间。复合索引要注意字段顺序,把选择性高的列放前面。
约束同样重要。主键、唯一约束、非空、外键(视场景启用)能在数据库层兜住一部分脏数据,比事后清洗成本低得多。
测试、上线与持续运维
建好结构后,用接近真实规模的数据做压测,观察慢查询和锁竞争。上线前准备好初始化脚本和版本化的迁移脚本,确保环境可重建。
上线不等于结束。数据库建立是一个持续过程:监控慢查询、定期 review 索引使用率、随业务变化做结构调整。建立变更流程,任何表结构修改都走脚本而非手工操作,才能避免环境之间出现“隐形差异”。
结语
数据库的建立,七分在设计,三分在实现。前期在需求梳理和模型设计上多花的时间,会在后续每一次需求变更和性能排查中成倍地省回来。