规范化是一个数据设计过程，其高级目标是将每个事实保持在一个位置，以避免数据冗余以及插入，更新和删除异常。有多个级别的规范化，本节将介绍前三个级别。考虑到第三范式（3NF）项是多么基本，只看到如何达到3NF才有意义。考虑一种跟踪销售情况的情况。您跟踪的核心实体是销售订单，其中每个销售订单包含有关所购买的每个项目的详细信息（称为行项目）：其名称，价格，数量等。该订单还包含客户的名称和地址等。有些订单有很多不同的订单项，有些订单只有一个。在第一范式（1NF）中，没有重复的数据组，也没有重复的行。行和列（字段）的每个交集都只包含一个值，并且没有包含相同事实的列组。为避免重复行，有一个主键。对于销售订单，在第一范式中，不显示表格的单个字段中的每个销售订单的多个行项目。此外，不会有多个列显示订单项。然后是第二范 香港云主机式（2NF），其中设计是第一范式，每个非键列依赖于完整的主键。因此，订单项会分为销售订单行项目表，其中每行代表一个订单的一个订单项。您可以查看订单项表，并查看所售商品的名称不依赖于订单项表的主键：销售商品是其自己的实体。因此，您将销售项目移动到其自己的表格，显示项目名称。每件商品的价格可能因订单而异（例如，由于折扣），因此这些价格保留在订单项表中。对于销售订单，客户的名称和地址不依赖于销售订单的主键：客户是其自己的实体。从而，接下来是第三范式，其目标是确保不依赖于非关键属性。因此，目标是获取与行的主题（主键）不直接相关的列，并将它们放在自己的表中。因此，有关客户的详细信息（例如客户名称或客户城市）应放在单独的表中，然后将客户外键添加到订单表中。2NF表与3NF表的不同之处的另一个例子是网球锦标赛的获胜者表，其中包含锦标赛，年份，获胜者和获胜者出生日期的列。在这种情况下，获胜者的出生日期很容易出现不一致，因为同一个人可能会在不同的记录中显示出生日期。避免这个潜在问题的方法是将桌子分成一个用于比赛获胜者，另一个用于球员出生日期
相关推荐: (版本定制)第16课：Spark Streaming源码解读之数据清理内幕彻底解密
本期内容： 1、Spark Streaming元数据清理详解 2、Spark Streaming元数据清理源码解析一、如何研究Spark Streaming元数据清理操作DStream的时候会产生元数据，所以要解决RDD的数据清理工作就一定要从DStream入…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
