物理資料模型

如果邏輯資料模型化是為了建立適合關聯式資料庫的理想表格，那麼實體資料模型化則包含將理想表格轉換為實際使用的表格，以及儲存空間的有效使用規劃、物件分割設計、最佳索引設計等，重點放在效能提升和最佳化上。

在服務運營時，查找造成瓶頸現象的慢查詢的方法因 DBMS 的種類而異，慢查詢需要以關鍵字進行搜尋才能找到。

需要考慮的效能事項

查找慢查詢 (Slow Query)

• 慢查詢是指 DBMS 在執行接收到的查詢時，在一段時間內無法執行的查詢。
• 查找造成瓶頸現象的慢查詢，找出問題所在並解決。

索引 (Index)

• 索引可以大幅提升對行的讀取效能。
• 但是會降低寫入效能，並使用更多儲存空間。

快取 (Cache)

• 一種可以在應用程式層級降低資料庫負擔的方法。
• 將相同輸入的請求回應儲存在儲存空間中，並以這種方式進行回應。

如果以上方法無法解決效能問題，則會進行稱為反規範化或反正規化的作業。

也就是修改表格的結構。

正規化的權衡取捨

正規化就像為了方便寫入操作而犧牲讀取效能。進行正規化後，需要撰寫連接多個分割表格的資料的查詢。

但是，正規化並非一定會降低效能，因此在進行反規範化之前，務必正確找出並審查問題。

以下連結是關於我們將要討論的反規範化的優質文章。

[DataOnAir - 正規化與效能]

反規範化、反正規化 (denormalization)

首先需要了解的是，在進行正規化之後，才需要進行反規範化。一開始就使用非正規化表格並非好事。

目前還不需要了解這方面的知識，所以先記住就好。

表格反規範化技巧

欄位的反規範化

關係的反規範化