数据库存储设计模式

　　李强分析了大数据量的特点，解释了存储设计模式，他认为，数据混放后果将十分严重。在分析数据模式时，可以在数据流向，数据访问特点，数据量，数据的增长量，数据的生命周期等几个方面对数据进行多维度划分分析，然后根据模式对数据表进行分类，可以分为恒数表，递增表，流水表，状态表。

　　在进行数据模型设计时，必须遵循相关要点，如：对核心表， 务必要尊重范式，注意字段个数和字段长度， 注意范围查询;对过程表，设计明显的代表数据生命周期终止的字段，从增删改的代价来考虑，插入代价最小，修改需检索数据，删除最为昂贵。对恒数表，设计符合表大小的数据分配参数，较小的恒数表不建议建立索引;对于递增表，严格区别核心数据和过程数据，分区的大小尽量均衡，索引的键值选择性尽量高，谨慎使用复合索引，按照关联关系设计合适的分区和索引;对流水表，要注意分区的粒度和选择，不建议建立太多索引。

　　对于状态表的设计，需要考虑更多状态的转换：

　　软件架构中的存储设计模式：

　　数据库设计如何重构

　　关于重构，我们更多的是听到代码重构，对于设据库设计，同样需要通过重构的手段来演进设计。但数据库领域一向对待变更缺乏很好的应对机制，面临巨大的挑战，对开发者来说，尽管现在是“敏捷”的时代，可是数据似乎无法敏捷;对客户而言，现在是“随需应变”的时代，可是数据却很难变更。

　　Flower在《代码重构》一书中提到“代码味道”的概念，重构时，我们需要找出有“坏味道”的代码块。对数据库而言，同样也要找出“数据库的味道”，如： 多用途的列，智能的列，多用途的表，行或列太多的表，重复的数据等。

　　李强认为，在敏捷成为主流的今天，重构是使数据库社区跟上时代的快车道， 重构是低成本提升系统可靠性的法宝。比如，拆分表;关联表就是典型的数据库重构操作。

　　关于数据访问模式设计，李强谈到，通过改善中间件的数据访问模式设计，可以大规模提高系统整体性能，实现架构的平滑扩展，还可以屏蔽数据库的差异性。最后，他举例说明了并发模式和缓存模式这2种最常见的数据库访问设计模式。

　　最后，李强展望了数据库行业的前景，认为数据库技术不会停滞不前，还会以更快的速度发展。数据库技术涉及的专业知识非常广泛，各子领域都面临这许多挑战和机遇，数据库专业工作者在这些技术发展过程中，也能找到更多的机会，实现自身的价值。