物理模型建设内容
- 逻辑模型 ->物理模型
逻辑模型和物理模型是数据库设计中的两个重要概念。逻辑模型是描述数据之间关系的概念模型，通常以实体关系图（ER图）的形式表示。而物理模型是将逻辑模型转化为数据库的实际结构和存储方式的过程，通常以表格的形式表示。
在构建物理模型时，需要考虑各种因素，例如数据类型、数据大小、索引、约束和数据访问模式等。物理模型的设计应该尽可能地符合系统的需求，以获得最佳性能。
- 逆规范化
逆规范化是指在数据库设计中将关系模式拆分成更小的模式或添加冗余数据以提高性能或简化查询的过程。通常情况下，规范化是数据库设计的一个关键方面，因为它可以减少冗余数据并确保数据的一致性和完整性。但是，在某些情况下，逆规范化可以提高性能，尤其是在需要频繁查询的大型数据库中。
逆规范化需要谨慎使用，因为它可能会导致数据的不一致性和冗余，并可能降低系统的可维护性。
- 分区
分区是一种将表格或索引分割成独立的物理部分的技术，以便在查询时仅处理必要的数据。分区可以提高查询性能和可维护性，并且在处理大量数据时尤其有用。
分区的方式包括基于范围、哈希和列表等。通过分区，可以更容易地管理大型数据库，并且可以更快地回答复杂的查询请求。
- 物化视图
物化视图是基于查询的结果创建的虚拟表，以便在多个查询之间共享数据和提高查询性能。物化视图可以在多个查询之间共享数据，从而避免重复计算，并提供更快的查询响应时间。
物化视图是通过使用CREATE MATERIALIZED VIEW语句创建的，并且可以定期刷新以确保其数据的准确性。
- 索引
索引是一种用于加速查询的数据结构，它提供了一种快速查找表中数据的方法。索引可以是单个列或多个列组合而成的，以便在查询中使用。索引可以大大提高查询性能，但在写入数据时会增加开销。
索引的创建需要谨慎考虑，因为索引可能会影响
逻辑模型 ->物理模型
- 模式(Schema): 在物理模型中，模式是数据库中的命名空间，用于分隔不同的数据库对象。在关系数据库中，模式通常包括表、视图、存储过程、函数等对象。
- 实体：表： 在物理模型中，实体被转化为关系数据库中的表，表包含多个行（记录）和多个列（属性），每个表都有一个唯一的名称，用于在数据库中引用它。
- 属性：字段： 在物理模型中，属性被转化为关系数据库中表的列，也被称为字段。每个字段都有一个名称和数据类型，用于描述数据在表中的存储方式和约束条件。
- 主键：PK约束： 在物理模型中，主键被转化为关系数据库中表的一种约束条件，用于保证表中每行记录的唯一性。主键通常是一个或多个列的组合，并在表中被标记为主键约束。
- 外键：RI约束： 在物理模型中，外键被转化为关系数据库中表之间的一种约束条件，用于描述表之间的关联关系。外键通常是一个列或列组合，并在表中被标记为外键约束。
- 索引：主键外键相关字段： 在物理模型中，索引被转化为关系数据库中一种数据结构，用于提高数据访问的速度。主键和外键约束自动创建索引，而其他索引则可以手动创建。
- 注释： 在物理模型中，注释被转化为关系数据库中表、列、索引等对象的描述信息，用于提高代码的可读性和可维护性。
- 其他索引： 在物理模型中，除了主键和外键索引之外，还可以创建其他类型的索引，如唯一索引、复合索引、全文索引等，用于支持不同的查询需求。
- 分区： 在物理模型中，分区是一种数据分割方式，用于将大型表或索引分割成更小的子集，从而提高数据访问的效率。
- 物化视图： 在物理模型中，物化视图是一种表的形式，其中包含了一些查询的结果。物化视图可以预先计算并缓存查询结果，从而提高查询效率。
- 其他： 在物理模型中，还有其他的一些组成部分，如存储过程、触发器、函数等，用于支持数据库的编程功能和业务逻辑。
什么是逆规范化（denormalization）
逆规范化（denormalization）是指在数据库设计中有意放弃一定的规范化标准，以达到优化数据库性能或简化查询操作的目的。
狭义的逆规范化主要是指针对关系型数据库设计中的规范化标准（1NF、2NF、3NF、BCNF、4NF、5NF）进行的逆向处理，即将高度规范化的表重新组合成较少的表，从而减少表之间的关联和联接操作，提高查询效率和性能。这种逆规范化的方法在一些大型企业级应用中广泛使用，如OLTP系统和数据仓库等，但需要谨慎使用，避免数据冗余和一致性问题。
广义的逆规范化则指任何一种通过放弃某种数据模型的规范化标准，采用空间换时间等手段去优化数据库操作的方法。这种逆规范化的方法不仅包括关系型数据库的表设计，还包括NoSQL数据库、图形数据库、文档数据库等非关系型数据库的设计，如分片、副本、缓存、索引、物化视图等技术手段。这些方法都是通过权衡数据一致性和查询性能等方面的需求，达到更好的数据处理效果。
需要注意的是，逆规范化虽然可以提高数据库性能和查询效率，但也可能会带来一些风险和问题，如数据冗余、一致性问题、数据更新和维护的复杂度等。因此，在进行逆规范化处理时，需要综合考虑数据库的实际情况和需求，并采用适当的方法和工具来进行优化和管理。