选择语言
durumis AI 总结的文章
- 邏輯資料模型是將關係型資料庫設計成適合的表格,而物理資料模型則是在此基礎上,建立實際使用的表格,同時考慮儲存空間效率和效能最佳化。
- 可以使用慢查詢、索引、快取等方法來提升效能,如果效能問題持續存在,可以考慮改變資料庫結構,進行反正規化。
- 正規化是為了方便寫入操作而犧牲讀取效能,而反正規化可能會導致效能下降,因此需要準確地分析問題,並謹慎地做出決定。
如果逻辑数据建模是为关系型数据库创建理想表的任务,那么物理数据建模则包括将理想表转换为实际使用表,重点考虑存储空间的有效使用计划、对象分区设计、最佳索引设计等性能提升和优化。
在服务运行时,查找导致瓶颈的慢速查询的方法因DBMS的类型而异,慢速查询需要以关键词搜索。
为了性能需要考虑的事项
慢速查询(Slow Query)查找
- 慢速查询是指DBMS在执行请求的查询时,查询在一定时间内无法执行完成的查询。
- 找到导致瓶颈的慢速查询,分析问题并解决。
索引(Index)
- 索引可以极大地提高对行的读取性能。
- 但会降低写入性能,并占用更多存储空间。
缓存(Cache)
- 在应用程序级别上减少数据库负载的一种方法
- 将相同输入的请求响应存储在存储空间中,并使用它进行响应。
如果以上方法不能解决性能问题,则进行称为反规范化或半规范化的操作。
这是对表的结构进行手术修复。
规范化的权衡
规范化就像为了写入操作的便利性而放弃读取性能。进行规范化后,需要编写查询来连接拆分到多个表的數據。
但是规范化并不一定降低性能,因此在进行反规范化之前,必须正确识别和审查问题。
以下链接介绍了将要讨论的反规范化主题的优秀文章。
反规范化、半规范化 (denormalization)
首先要记住的是,在进行规范化之后,应该进行反规范化。从一开始使用非规范化表并不是件好事。
目前这不是必需的知识,所以只记住它就可以了。
表反规范化技术
來源 - DataOnAir - 反正規化與效能
列的反规范化
來源 DataOnAir - 反正規化與效能
关系的反规范化
來源 - DataOnAir - 反正規化與效能