performance - 为了性能，允许数据库中的冗余数据

Question

假设您正在为下一次堆栈溢出设计数据库模式，更具体地说，是为处理问题评级的模式部分。

我假设您会使用如下表格：
rating(question_id, user_id, rating)
... 这将记录评分并确保没有用户对同一问题进行两次投票。

仅该表就可以处理评分数据，但可能会导致查询缓慢。

考虑到性能，您是否考虑将每个问题的评分总和存储在问题表中，即使该数据是多余的，因为它是从评分表中的数据派生而来的？

Answer 1

我通常会首先从规范化模型开始，而不是对问题表中的评分总和进行反规范化。

然后，当应用程序运行得足够好时，我会进行一些性能测试，以确定应用程序处理负载是否足够好——与我期望在生产中具有的负载相比。

如果它不能很好地处理负载，我会检查瓶颈——并纠正最重要的瓶颈，直到应用程序运行良好。

一旦应用程序投入生产，如果网站有很多 opf 用户，就该进行一些额外的优化了。

为了简单起见：

• 不要过度优化
• 让您的应用程序正常工作
• 一旦它工作，对它进行基准测试
• 如果/需要时，优化

最后，是的，也许，对问题表的评分总和进行非规范化可能会有所帮助；但你需要这样做吗？

这是真正的问题;-)

Answer 2

如果您计划预先聚合表，则值得查看物化视图（T-SQL 中的索引视图）。

Answer 3

一般来说 - 如果您知道数据的读取频率比写入频率高得多，那么它是存储聚合值的有效方法。在这种特定情况下，我还会考虑对答案表进行物理设计，这使得聚合变得便宜。为此，我将在 query_id、answer_id 上定义聚集索引。因此，只会从磁盘中读取几个 DB 页来获取特定查询的所有答案。