這篇文章主要介紹了Mysql數據庫設計三範式實例解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
三範式1NF:字段不可分;2NF:有主鍵，非主鍵字段依賴主鍵;3NF:非主鍵字段不能相互依賴;解釋:1NF:原子性 字段不可再分,否則就不是關係數據庫;2NF:唯一性 一個表只說明一個事物;3NF:每列都與主鍵有直接關係，不存在傳遞依賴;
第一範式（1NF）
即表的列的具有原子性,不可再分解，即列的信息，不能分解, 只要數據庫是關係型數據庫(mysql/oracle/db2/informix/sysbase/sql server)，就自動的滿足1NF。數據庫表的每一列都是不可分割的原子數據項，而不能是集合，數組，記錄等非原子數據項。如果實體中的某個屬性有多個值時，必須拆分爲不同的屬性 。通俗理解即一個字段只存儲一項信息。
關係型數據庫: mysql/oracle/db2/informix/sysbase/sql server 非關係型數據庫: (特點: 面向對象或者集合) NoSql數據庫: MongoDB/redis(特點是面向文檔)
第二範式（2NF）
第二範式（2NF）是在第一範式（1NF）的基礎上建立起來的，即滿足第二範式（2NF）必須先滿足第一範式（1NF）。第二範式（2NF）要求數據庫表中的每個實例或行必須可以被惟一地區分。爲實現區分通常需要我們設計一個主鍵來實現(這裏的主鍵不包含業務邏輯)。
即滿足第一範式前提，當存在多個主鍵的時候，纔會發生不符合第二範式的情況。比如有兩個主鍵，不能存在這樣的屬性，它只依賴於其中一個主鍵，這就是不符合第二範式。通俗理解是任意一個字段都只依賴表中的同一個字段。（涉及到表的拆分）
看下面的學生選課表：
| 學號 | 課程 | 成績 | 課程學分 |
|---|---|---|---|
| 10001 | 數學 | 100 | 6 |
| 10001 | 語文 | 90 | 2 |
| 10001 | 英語 | 85 | 3 |
| 10002 | 數學 | 90 | 6 |
| 10003 | 數學 | 99 | 6 |
| 10004 | 語文 | 89 | 2 |
表中主鍵爲 （學號，課程），我們可以表示爲 (學號，課程) -> (成績，課程學分)， 表示所有非主鍵列 (成績，課程學分)都依賴於主鍵 (學號，課程)。但是，表中還存在另外一個依賴：（課程）->(課程學分）。這樣非主鍵列 ‘課程學分‘ 依賴於部分主鍵列 '課程‘， 所以上表是不滿足第二範式的。
我們把它拆成如下2張表：
學生選課表：
| 學號 | 課程 | 成績 |
|---|---|---|
| 10001 | 數學 | 100 |
| 10001 | 語文 | 90 |
| 10001 | 英語 | 85 |
| 10002 | 數學 | 90 |
| 10003 | 數學 | 99 |
| 10004 | 語文 | 89 |
課程信息表：
| 課程 | 課程學分 |
|---|---|
| 數學 | 6 |
| 語文 | 3 |
| 英語 | 2 |
那麼上面2個表，學生選課表主鍵爲（學號，課程），課程信息表主鍵爲（課程），表中所有非主鍵列都完全依賴主鍵。不僅符合第二範式，還符合第三範式。
再看這樣一個學生信息表：
| 學號 | 姓名 | 性別 | 班級 | 班主任 |
|---|---|---|---|---|
| 10001 | 張三 | 男 | 一班 | 小王 |
| 10002 | 李四 | 男 | 一班 | 小王 |
| 10003 | 王五 | 男 | 二班 | 小李 |
| 10004 | 張小三 | 男 | 二班 | 小李 |
上表中，主鍵爲：（學號），所有字段 （姓名，性別，班級，班主任）都依賴與主鍵（學號），不存在對主鍵的部分依賴。所以是滿足第二範式。
第三範式（3NF）
滿足第三範式（3NF）必須先滿足第二範式（2NF）。簡而言之，第三範式（3NF）要求一個數據庫表中不包含已在其它表中已包含的非主鍵字段。就是說，表的信息，如果能夠被推導出來，就不應該單獨的設計一個字段來存放(能儘量外鍵join就用外鍵join)。很多時候，我們爲了滿足第三範式往往會把一張表分成多張表。
即滿足第二範式前提，如果某一屬性依賴於其他非主鍵屬性，而其他非主鍵屬性又依賴於主鍵，那麼這個屬性就是間接依賴於主鍵，這被稱作傳遞依賴於主屬性。通俗解釋就是一張表最多隻存兩層同類型信息。
反三範式
沒有冗餘的數據庫未必是最好的數據庫，有時爲了提高運行效率，提高讀性能，就必須降低範式標準，適當保留冗餘數據。具體做法是：在概念數據模型設計時遵守第三範式，降低範式標準的工作放到物理數據模型設計時考慮。降低範式就是增加字段，減少了查詢時的關聯，提高查詢效率，因爲在數據庫的操作中查詢的比例要遠遠大於DML的比例。但是反範式化一定要適度，並且在原本已滿足三範式的基礎上再做調整的。