在我的情况下，分离常见数据是否合适？ [关闭]

Question

因此，例如，我有 City 列。 95% 的 City 值为 NULL。制作像 city_names(Id PK, City) 这样的表并将 City 替换为新列 City_id （FK 引用 city_names(id)）是个好主意吗？这是我对此的看法。它们基于一般的计算思想。请纠正我，这不适用于 RDMS。

第一种方式：O(n) 存储 O(n) 批量操作 O(1) 随机访问

第二种方式：O(n) 存储 O(n * logn) 批量操作，由于对索引结构的 n 个请求（例如，B 树）O(lon n) 随机访问

这是全图。我有 1M 行表。它长大了。像City一样有80列。他们几乎都归零了。但是，它们是社区可编辑的。所以我必须在其中提供全文搜索、快速编辑时间和复杂查询（针对高级用户或机器人）。在某些将来，根本不会有 NULL。所以我必须使用绞盘方案来编辑​​阶段和最终形状的桌子？

如果重要的话，我会使用 postgres\mysql。

Answer 1

在 PostgreSQL 中，NULLS 几乎没有成本（每个 1 位，一次 8 位，加上字对齐，因此拥有 > 1 NULL 与值相比，它们变得越来越便宜）。

对于像您这样的人口稀少的列，将列移动到自己的表中没有任何好处，并且一直加入以获得该稀疏数据的损失相当大。

Answer 2

因此，例如，我有 City 列。 95% 的 City 值为 NULL。是 这个好主意制作像 city_names(Id PK, City) 这样的表并替换 具有新列 City_id 的城市（FK 引用 city_names(id)）？

如果将 city 列替换为 city_id 列，95% 的行仍将为 NULL，不是吗？您将减少磁盘空间，但您需要为必须返回城市名称的每个查询进行连接。

用 ID 号替换文本与规范化无关。规范化总是减少原始表中的列数。

还有一个问题是“城市”本身通常不是城市的全名。您实际上可能需要将两列或三列移动到另一个表中。美国有很多城市被命名为“华盛顿”。事实上，在 1800 年代，有两个城市被命名为“美国加利福尼亚州华盛顿”。对于美国的城市，将城市、州和国家一起移动到一个新表中可能是有意义的。同样，这将减少磁盘空间，但需要对必须返回任何这些列的每个查询进行连接。

目前，任何查询都可以在不使用连接的情况下返回所有 80 列人类可读的文本。例如，如果您将一半的文本列替换为对其他表中 id 号的外键引用，您可能必须编写具有 40 个连接的查询才能将所有数据恢复到人类可以再次读取的位置。

在进行需要 40 次联接的更改之前，请三思而后行。

话虽如此，一个 80 列且 95% 为 NULL 的表不太可能在 BCNF 中，归一化为 BCNF 或 5NF 可能会对您有所帮助。请记住，规范化并不意味着“用 id 号替换该文本”。