手机网站和电脑网站跳转基于wordpress的网站
目录
1.命名要规范
2选择合适的字段类型
3.主键设计要合理
4.选择合适的字段长度
5.优先考虑逻辑删除，而不是物理删除
6.每个表都需要添加通用字段
7.一张表的字段不宜过多
前言
在数据库设计中，命名规范、合适的字段类型、主键设计、字段长度、逻辑删除、通用字段和表的字段数量都是非常重要的考虑因素。合理的数据库设计能够提高数据管理和查询效率，减少空间浪费和复杂性，并且符合命名规范能够使数据库结构更加清晰易懂。
1.命名要规范
数据库表名、字段名、索引名等都需要命名规范。命名可读性要高，尽量使用英文，采用驼峰或者下线分割的方式，让人见名知意。
反例：这些命名没有遵循统一规范，缺乏描述性，很难让人见名知意
| 表名 | yh(用户表)，shangpin(商品表)，yhdd(用户订单表) |
| 字段名 | yhm(用户名)，mm(密码)，sjh(手机号) |
| 索引名 | index1(用户id)，index2(商品id)，index3(订单id) |
正例：见名知意
| 表名 | user_info，product_info，order_info |
| 字段名 | user_name，password，phone |
| 索引名 | idx_order_user，idx_product_id，idx_order_id |
技巧：
表名，字段名必须使用小写字母，禁止数字开头，禁止用拼音，尽可能不用英文缩写
主键索引名为pk_字段名，唯一索引名为uk_字段名，普通索引名为idx_字段名。
2选择合适的字段类型
根据数据类型选择字段类型:不同的数据类型应该使用不同的字段类型。
- 整数型数据可以使用INT或BIGINT类型
- 浮点型数据可以使用 FLOAT或DOUBLE
- 类型字符型数据可以使用VARCHAR或CHARr类型
考虑数据长度: 字段类型应该根据所需存储的数据长度来选择。
- 如果某个字段的数据长度不会超过 10 个字符，则可以使用 CHAR(10)类型代替VARCHAR(50)类型，以节省空间。
- 如果存储的值太大，建议字段类型修改为text，同时抽出单独一张表，用主键与之对应
注意精度和小数位数。
- 对于需要精确数值计算的字段(如货币和百分比)，应该选择带有精度和小数
- 位数的字段类型(如 DECIMAL)。
考虑数据完整性:字段类型也应该考虑到数据完整性。
- 日期型数据应该使用DATE或DATETIME类型，以确保输入的日期格式正确
3.主键设计要合理
主键的设计在数据库中非常重要，它用于唯一标识表中的每一行数据，并且在数据操作和查询中起到关键作用。通常主键的设计，不要与业务相关联，因为业务是会发生变化的，应当
使用自增的 id，并且保持主键的连续性。如果说是分布式系统可以使用优化的雪花id 等等
注意：不推荐使用uuid当主键(会带来性能、索引效率等问题)
4.选择合适的字段长度
在mysql中，varchar和char类型表示字符长度，而其他类型表示的长度都表示字节长度。
char(10)表示字符长度是10。（例如，存储 "hello" 时，剩余的 6 个字符会以空格符填充。）
bigint (4)表示显示长度是4个字节，但是因为bigint实际长度是8个字节，所以bigint (4)的实际长度就是8个字节（位数不足时会在左侧填充 0 直到满足位数要求）。
所以在设计表时需要充分考虑一个字段的长度，比如一个用户名字段 (它的长度5~20个字符)可以考虑设置为 varchar (32)。需要注意字段长度一般设置为2的n次方。
5.优先考虑逻辑删除，而不是物理删除
- 物理删除:把数据从硬盘中删除，可释放存储空间
- 逻删除:给数据添加一个字段，比如is deleted，以标记该数据已经逻辑删除
物理删除会带来以下问题：
- 数据恢复困难
- 物理删除会导致索引树重构
6.每个表都需要添加通用字段
一个表除了添加业务字段还应该加入通用字段比如：
- id: 主键，一个表必须得有主键，必须
- create time: 创建时间
- creator:创建人
- update_time:修改时间，必须，更新记录时，需要更新它
- update_by :修改人，非必须
- remark:数据记录备注，非必须
7.一张表的字段不宜过多
建表的时候一张表的字段不要太多了。尽量不超过 20个。超出的话优先考虑拆分，也就是通常的查询表，详情表。
- 查询效率:当表中保存的数据数量很大时，查询操作需要检索的数据也会随之增加。如果表的字段数过多，查询操作就需要读取更多的数据，这会导致查询效率变慢。
- 存储空间:表的字段数越多，每一行数据占用的存储空间也就越大。对于大型数据库来说，这可能会导致磁盘空间的浪费。
- 数据库设计复杂性:当表的字段数过多时，数据库的设计和维护变得更加复杂。这可能涉及到索引和关联表的设计，以确保数据的完整性、一致性。