存储聚合数据是否违反数据库规范化？答案

【问题标题】：Does storing aggregated data go against database normalization?存储聚合数据是否违反数据库规范化？
【发布时间】：2011-10-07 09:07:58
【问题描述】：

在像 SO 这样的网站上，我确信绝对有必要存储尽可能多的聚合数据，以避免在每次页面加载时执行所有这些复杂的查询/计算。例如，存储每个问题/答案的投票计数，或存储每个问题的答案数量，或问题被查看的次数，以便不需要经常执行这些查询.

但是这样做是否违反了数据库规范化或任何其他标准/最佳实践？最好的方法是什么，例如，每个表是否应该有另一个用于聚合数据的表，是否应该将其存储在它所代表的同一个表中，何时应该更新聚合数据？

谢谢

【问题讨论】：

【解决方案1】：

存储聚合数据本身并不违反任何标准形式。规范化只关注由于函数依赖、多值依赖和连接依赖引起的冗余。它不处理任何其他类型的冗余。

【讨论】：

这只能回答一半的问题。它与最佳实践无关；它只是引用规范化。此外，others argue 存储聚合确实违反了第三范式。
普通形式只处理单个关系内的依赖关系，即functional dependencies。他们忽略了记录间的依赖关系，这是由@RileyMajor 链接的文章所描述的。因此，尽管记录间/关系间的依赖关系会导致冗余，例如从其他关系计算的聚合数据，但传统的范式并不关心它们。有关详细信息，请参阅此 simple guide 和 this paper。

【解决方案2】：

要记住的短语是“规范化直到它受伤，非规范化直到它起作用”

这意味着：规范所有域关系（至少到第三范式 (3NF)）。如果您衡量缺乏性能，则调查（并衡量）非规范化是否会带来性能优势。

所以，是的。存储聚合数据“不利于”规范化。

没有“最好的方法”去规范化；这取决于您对数据的处理方式。

应该以与过早优化相同的方式处理非规范化：除非您已经衡量了性能问题，否则不要这样做。

【讨论】：

【解决方案3】：

过多的标准化会损害性能，因此在现实世界中，您必须找到自己的平衡点。

我以两种方式处理过这种情况。

1) 使用 DB2 我使用了一个 MQT（物化查询表），它像视图一样工作，只是它由查询驱动，您可以安排您希望它刷新的频率；例如每 5 分钟然后该表存储计数值。

2) 在软件包本身中，我将这样的信息设置为系统变量。因此，在 Apache 中，您可以设置系统范围的变量并每 5 分钟刷新一次。那么它有点准确，但您只需要每五分钟运行一次“count(*)”查询。您可以让守护程序运行它或让它由页面请求驱动。

我使用了一个包装类来做到这一点，所以它已经有一段时间了，但我认为在 PHP 中很简单： $_SERVER['report_page_count'] = array('timeout'=>1234569783, 'count'=>15);

尽管如此，但是您存储了单个值，这样您就不必在每次请求时都运行它。

【讨论】：