在没有太多列名的情况下存储有关模型的额外信息的策略（数据库规范化和模型子类化的替代方案）

Posted 2023-03-24

【中文标题】在没有太多列名的情况下存储有关模型的额外信息的策略（数据库规范化和模型子类化的替代方案）

【英文标题】：Strategies to store extra information about models without too many column names (alternatives to DB normalization and model subclassing)

【发布时间】：2014-03-02 06:14:09

【问题描述】：

假设您有一个名为 Forest 的模型。每个对象代表您大陆上的一片森林。有一组所有这些森林共有的数据，如森林类型、面积等，这些数据可以很容易地用 SQL 表中的列来表示，forest。

但是，假设这些森林有关于它们的额外数据，这些数据可能并不总是可重复的。例如，20 个针叶林有一个pine-fir 分裂比率编号，而落叶林有一个autumn-duration 编号。一种方法是将所有这些列存储在主表本身上，但是每行上的列太多，并且根据定义还有许多列未填充。

解决这个问题最明显的方法是创建 Forest 模型的子类，并为每个子类设置单独的表。我觉得这是一种我宁愿不遵循的严厉方法。如果我需要一些关于通用森林的数据，我将不得不查阅另一张表。

有解决这个问题的模式吗？您通常更喜欢哪种解决方案？

注意：我已经看到有关此的其他问题。提出的解决方案是：

子类型化，与我上面提出的相同。 将所有列放在同一个表中。 对每种森林都有单独的表格，其中包含重复的数据，例如面积和降雨量...重复。

有我不知道的创造性解决方案吗？

更新：我遇到了EAV 模型，还有一个修改版本，其中不可预测的字段存储在 NoSQL/JSON 存储中，其 id 保存在 RDB 中。两者我都喜欢，但欢迎在这个方向提出建议。

【参考方案1】：

在数据库方面，最好的方法通常是将所有森林共有的属性存储在一个表中，并将唯一属性存储在其他表中。构建可供客户使用的可更新视图。

create table forests (
  forest_id integer primary key,
  -- Assumes forest names are not unique on a continent.
  forest_name varchar(45) not null,
  forest_type char(1) not null 
    check (forest_type in ('c', 'd')),
  area_sq_km integer not null
    check (area_sq_km > 0),
  -- Other columns common to all forests go here.
  --
  -- This constraint lets foreign keys target the pair
  -- of columns, guaranteeing that a row in each subtype
  -- table references a row here having the same subtype.
  unique (forest_id, forest_type)
);

create table coniferous_forests_subtype (
  forest_id integer primary key,
  forest_type char(1) not null
    default 'c'
    check (forest_type = 'c'),
  pine_fir_ratio float not null
    check (pine_fir_ratio >= 0),
  foreign key (forest_id, forest_type)
    references forests (forest_id, forest_type)
);

create table deciduous_forests_subtype (
  forest_id integer primary key,
  forest_type char(1) not null
    default 'd'
    check (forest_type = 'd'),
  autumn_duration_days integer not null
    check (autumn_duration_days between 20 and 100),
  foreign key (forest_id, forest_type)
    references forests (forest_id, forest_type)
);

客户端通常使用可更新视图，每个子类型一个，而不是使用基表。 （您可以撤销对基本子类型表的权限以保证这一点。）您可能希望省略“forest_type”列。

create view coniferous_forests as 
select t1.forest_id, t1.forest_type, t1.area_sq_km,
       t2.pine_fir_ratio
from forests t1
inner join coniferous_forests_subtype t2
        on t1.forest_id = t2.forest_id;

create view deciduous_forests as 
select t1.forest_id, t1.forest_type, t1.area_sq_km,
       t2.autumn_duration_days
from forests t1
inner join deciduous_forests_subtype t2
        on t1.forest_id = t2.forest_id;

要使这些视图可更新，您必须做的事情随 dbms 的不同而有所不同，但希望编写一些触发器（未显示）。您需要触发器来处理所有 DML 操作——插入、更新和删除。

如果您只需要报告“森林”中出现的列，则只需查询“森林”表即可。

【讨论】：

感谢您的详细回答。我以前没有听说过可更新的视图。但是有了这个解决方案，我不仅需要每个子类型都有一个表（我试图避免这种情况），而且还必须自己开始维护视图。不太了解它的好处。

主要优势在于数据完整性。这些视图不是绝对必要的，但它们简化了客户端访问。你为什么要避免每个子类型都有一个表？

我对数据库上有这么多表和代码方面的子类不满意，仅仅是因为某些实体“可能”存在一些额外的属性。我的问题中的“森林”示例并不是最好的，因为它立即似乎是应用继承的好地方。但我说的是不是……

【参考方案2】：

嗯，最简单的方法是将所有列放入一个表中，然后使用“类型”字段来决定使用哪些列。这适用于较小的表，但对于更复杂的情况，它可能会导致表变得凌乱并出现数据库约束问题（例如 NULL）。

我的首选方法是这样的：

A generic "Forests" table with:  id, type, [generic_columns, ...]
"Coniferous_Forests" table with: id, forest_id (FK to Forests), ...

因此，为了获取 id 为 1 的针叶林的所有数据，您需要这样的查询：

SELECT * FROM Coniferous_Forests INNER JOIN Forests 
ON Coniferous_Forests.forest_id = Forests.id
AND Coniferous_Forests.id = 1

至于创造性的解决方案，有 OODBMS（面向对象的数据库管理系统）之类的东西。

最流行的关系 SQL 数据库替代品是面向文档的 NoSQL 数据库，例如 MongoDB。这类似于使用 JSON 对象来存储数据，并允许您更灵活地使用数据库字段。

【讨论】：

谢谢，我已经介绍了您在问题中提到的第一个解决方案。所以本质上你是说它不是那个就是 NoSQL...

@adityamenon 我个人不知道有什么更好的方法。如果有帮助，这就是 Stack Overflow 组织表格的方式：meta.stackexchange.com/questions/2677/…