kazminaviktoriya1
В профиль
Выход
![](data:image/svg+xml,<svg xmlns="http://www.w3.org/2000/svg" width="42" height="42"><rect fill-opacity="0"/></svg>)
Добавить аккаунт
Оптимизация хранилища данных. Хранение данных
Спроектировать физическую модель и реализовать её в базе данных — это только полдела на пути к эффективному приложению. Система должна отличаться стабильностью и быстро обрабатывать запросы. За это отчасти отвечает и оптимизация хранилища данных. В этом уроке вы узнаете о том, что такое оптимизация хранения данных.
В прошлом уроке мы говорили о выборе подходящего типа данных. Это лишь один из способов оптимизации хранилища данных. Существуют и другие способы оптимизации хранилища. Условно их можно поделить на две основные группы:
- Оптимизация хранения данных (к ней как раз относится выбор подходящего типа данных).
- Оптимизация скорости извлечения данных.
Оптимизация хранения данных противоречит оптимизации скорости их извлечения, поэтому команда разработки всегда ищет компромисс между объёмом хранилища и быстродействием системы.
В этом уроке вы побольше узнаете об оптимизации хранения данных, а в следующем — об оптимизации скорости извлечения данных.
Оптимизация работы хранилища данных не входит в задачи системного аналитика. Это обязанность разработчиков, в том числе создававших базу данных. Но элементы оптимизации отражаются в физической модели данных, которую помогает составить системный аналитик. А на выбор способов оптимизации хранилища данных, кроме прочего, влияют функциональные и нефункциональные требования.
Зачем нужна оптимизация хранения данных
Представьте таблицу с информацией о продажах. Казалось бы, хорошо, когда данных много: можно составлять отчёты, делать прогнозы, которые позволят улучшить показатели. Но на практике объёмные хранилища данных и их дальнейший рост, скорее, создают проблемы.
Во-первых, место для хранения данных может закончиться. У всего есть пределы, будь то жёсткий диск или облачный сервис. За дополнительное место придётся платить.
Во-вторых, чем больше хранилище, тем сложнее поддерживать стабильность его работы. Например, поиск информации в большом хранилище займёт больше времени. Чтобы улучшить быстродействие, придётся приложить дополнительные усилия (это касается оптимизации скорости извлечения данных, о чём вы узнаете в следующем уроке), поэтому важно проектировать хранилище данных так, чтобы оно занимало как можно меньше места.
Техники оптимизации хранения данных
Одна из техник, которые помогают оптимизировать хранение данных, — нормализация логической ER-модели, о которой мы говорили ранее. Нормализация БД — это процесс, при котором системный аналитик проверяет качество модели данных по определённым правилам.
Оптимизация типа данных
Помимо нормализации, стоит правильно выбирать тип данных, о котором мы говорили в предыдущем уроке. Лучше не хранить возраст клиента в типе данных
bigint (идеальное решение — хранить не возраст, а дату рождения), ведь вряд ли кому-либо исполнится 9999999999 лет. В типе bigint даже девять лет в памяти будут занимать 8 байт, а в типе int всего четыре.Оптимизация заполненности полей таблиц
Важно обращать внимание на заполненность полей таблиц. Поля, в которых преобладают пустые значения, тоже занимают место. Возможно, стоит пересмотреть физическую модель данных, объединив пустые поля с другими. Например, бизнесу нужно отмечать продажи, при которых применялся промокод. Если таких продаж мало, лучше не добавлять поле
promocode в основную таблицу с данными. Стоит создать дополнительную таблицу с полями promocode и id (идентификатор продаж), чтобы записывать только те продажи, при которых использовался промокод.Архивация
Правила архивации данных нужно согласовать с заинтересованными лицами. Например, нужно договориться о том, что архивируются редко используемые старые данные о продажах (возможно, те, что старше трёх лет). Это поможет сократить место, которое они занимают на диске. По договорённости с заинтересованными лицами можно даже удалять некоторые старые данные, например адреса доставки заказов.
Подведём итоги
Объём данных, который может храниться в хранилище данных, ограничен, за дополнительное место придётся платить. Важно позаботиться об оптимизации хранения данных на этапе проектирования базы данных, так как менять структуры БД, когда данные уже есть, гораздо сложнее.
В этом уроке вы узнали о четырёх механиках, которые помогают оптимизировать хранение данных.
- Нормализация — декомпозиция БД, которая устраняет некорректные сущности или обнаруживает новые, выделенные из уже имеющихся.
- Оптимизация типа данных — выбор подходящего типа данных, хранение которого занимает меньше места.
- Оптимизация заполненности полей данных — декомпозиция базы данных с минимизацией пустых полей.
- Архивация — сжатие нерелевантных данных.
Так как оптимизация хранения может ухудшить скорость чтения из базы данных, системный аналитик и другие члены команды разработки должны искать компромисс между тем, сколько места занимает БД и как быстро она работает.
