3. Các phương pháp tối ưu hóa cơ sở dữ liệu mức vật lý
4.1. Tối ưu tổchức dữ liệu
Một số quy tắc giúp tối ưu trong tổ chức dữ liệu như sau:
- Xem xét tới bản chất của ứng dụng khai thác dữ liệu: Khi bắt đầu thiết kế
CSDL, điều đầu tiên cần nghĩ tới là phân tích xem bản chất của ứng dụng cần thiết kế là thao tác (transaction) hay phân tích (analytical). Phần lớn người thiết kế mặc định áp dụng các quy tắc chuẩn hóa mà không hề suy nghĩ gì về bản chất của ứng dụng dẫn đến vấn đề sửa đổi và hiệu năng sau này. Với loại ứng dụng thao tác, người dùng cuối quan tâm tới CRUD (Create, Read, Update and Delete) nghĩa là tạo mới, đọc, cập nhật
và xóa bản ghi nhiều hơn, tên thường gọi của loại CSDL này là OLTP (On-line
transactional processing). Với loại phân tích, người dùng cuối quan tâm tới việc phân tích, báo cáo, dự báo nhiều hơn. Loại CSDL này có ít thao tác thêm mới và cập nhật. Yêu cầu chính của loại này là lấy dữ liệu và phân tích nhanh nhất có thể, loại CSDL
này thường gọi là OLAP (On-line analytical processing). Nói cách khác, nếu thêm
mới, cập nhật và xóa bản ghi là giao dịch chủ yếu thì cần thiết kế theo chuẩn hóa mức cao, ngược lại tạo CSDL không chuẩn hóa mức quá cao.
ThS. Hoàng Ngọc Cảnh–TT. Công nghệ thông tin 44
- Tránh chuẩn hóa yếu: Thực tế có những CSDL được thiết kế mà không áp dụng
theo những quy tắc chuẩn hóa cơ bản nhất. Chúng ta phải biết rõ rằng: Mọi CSDL nên ít nhất được chuẩn hóa theo dạng 3NF vì đó là mô hình tốt nhất để thể hiện các thực
thể dữ liệu và sẽ cân bằng được hiệu năng truy vấn và thêm-sửa-xóa bản ghi.
- Không cứng nhắc trong việc chống dư thừa dữ liệu nếu hiệu năng là yếu tố
quan trọng: Không cần tuân thủ nghiêm ngặt quy tắc luôn phải chống dư thừa dữ liệu. Nếu hiệu năng là yêu cầu cấp thiết thì nên nghĩ đến vấn đề không chuẩn hóa. Với dữ liệu chuẩn hóa, bạn cần join nhiều bảng và với dữ liệu không chuẩn hóa, các thao tác join sẽ giảm đi và do đó làm tăng hiệu năng.
- Tránh ràng buộc yếu: Ràng buộc là một trong những yếu tố quan trọng nhất mà
database engines đảm bảo cho dữ liệu được chất lượng tốt nhất. Nếu không có ràng buộc hoặc rất ít ràng buộc được thiết lập trong giai đoạn thiết kế, thì tính bảo toàn của dữ liệu sẽ phải dựa hoàn toàn vào phần logic nghiệp vụ, khiến dữ liệu dễ bị ảnh hưởng bởi những lỗi do con người gây ra.
- Tận dụng những tính năng của DB Engine: Database engine (DBE) là một công
cụ xử lý dữ liệu mạnh mẽ giúp đơn giản hóa việc phát triển phần mềm cũng như đảm bảo thông tin luôn chính xác, an toàn và dễ sử dụng. Một DBE cung cấp những dịch vụ như: Views cho phép duyệt dữ liệu một cách nhanh chóng và hiệu quả, bỏ chuẩn hóa để truy vấn mà không làm mất độ chính xác của dữ liệu; Chỉ mục giúp tăng tốc truy vấn ở các bảng; Các hàm tập hợp giúp phân tích thông tin mà không cần lập trình quá phức tạp; Transactions: giúp bảo toàn dữ liệu khi có lỗi xảy ra; Locks giúp dữ dữ liệu được an toàn và chính xác khi transactions được thực thi; Thủ tục lưu trữ cung cấp tính năng lập trình để xử lý những công việc quản lý dữ liệu phức tạp; Hàm cho phép
tính toán và chuyển đổi dữ liệu phức tạp; Ràng buộc giúp bảo toàn độ chính xác của
dữ liệu và tránh lỗi; Triggers giúp tác vụ được thực hiện tự động khi có sự kiện xảy ra trên dữ liệu.
- Cân nhắc sử dụng khóa chính kết hợp: Đây là một điểm gây tranh cãi, bởi nhiều
người thiết kế CSDL ngày này thường nói về việc sử dụng trường số nguyên ID được sinh tự động làm khóa chính thay vì khóa được tạo bởi việc kết hợp từ 2 trường trở lên. Tuy nhiên, đây dĩ nhiên chỉ là một convention, các DBE cho phép định nghĩa các khóa chính kết hợp, điều mà nhiều người thiếtt kế nghĩ là không tránh khỏi. Do đó, như sự dư thừa, có sử dụng khóa chính kết hợp hay không là tùy vào từng quyết định thiết kế. Nhưng nếu bảng dùng khóa chính kết hợp có hàng triệu bản ghi, dẫn đến chỉ
mục trên các trường khóa gia tăng tới một mức nào đó mà khiến hiệu năng của việc
thao tác với dữ liệu (đọc, thêm, sửa, xóa) suy giảm. Trong trường hợp đó, tốt hơn hết là sử dụng khóa chính ID mà chỉ mục của nó đủ nhỏ gọn và sinh ra những ràng buộc DBE cần thiết để duy trì tính duy nhất.
ThS. Hoàng Ngọc Cảnh–TT. Công nghệ thông tin 45
- Cho dữ liệu phân cấp không giới hạn liên kết với chính nó: Rất nhiều trường
hợp ta gặp đó là dữ liệu với phân cấp cha con không giới hạn. Ví dụ như 1 lược đồ tiếp thị nhiều mức trong đó 1 nhân viên bán hàng có thể có nhiều nhân viên khác theo sau. Trong trường hợp này, sử dụng 1 khóa chính liên kết với chính nó và khóa ngoại sẽ giúp giải quyết vấn đề này.
- Tạo các hệ thống bảng lookup cố định: có rất nhiều thuộc tính ở các bảng khác
nhau nhưng trùng nhau về dữ liệu, hơn nữa tập các dữ liệu này cũng được giới hạn về số lượng, khi đó ta nên tạo ra một bảng cố định lưu trữ tập dữ liệu nói trên để lookup cho tất cả các bảng cần đến nó. Ví dụ: các hóa đơn, các phiếu thu chi đều dùng đến
một thuộc tính là nội dung thu chi, khi đó ta chỉ cần thiết kế một bảng lookup tên là
“NoiDungThuChi” với khoảng 6 đến 7 nội dung thu chi cố định rồi liên kết đến các bảng “thuchi” và “nhapxuat”.
- Chú ý trong đặt tên các thực thể, đối tượng: Tên của bảng phải mô tả được thực
thể mà nó đã nắm giữ và tên mỗi cột phải mô tả được phần thông tin mà nó đang thể
hiện. Sau đây là một số hướng dẫn để đặt tên một cách đơn giản, ngắn gọn và dễ đọc: Không giới hạn kích cỡ tên bảng/cột. Một cách tên ý nghĩa sẽ dễ hiểu và dễ nhớ hơn tên viết tắt; Tên giống nhau có cùng một ý nghĩa. Tránh đặt tên cho các trường giống nhau với những kiểu dữ liệu hoặc ý nghĩa khác nhau; Nếu không cần thiết, loại bỏ sự dừ thừa. Ví dụ trong bảng Item, thay vì ItemName, PriceOfItem, hoặc tương tự thì Name và Price là đủ; Tránh những từ khóa mặc định của CSDL. Nếu một cột được gọi là Index, một từ khóa của SQL, thì cố gắng sử dụng một cái tên khác như IndexNumber; Nếu sử dụng khóa chính là cột số nguyên được sinh tự động, đặt tên cho nó là Id ở mọi bảng; Định nghĩa khóa ngoài khi nối bảng: thêm Id đằng trước tên bảng. Ví dụ IdItem; Nếu đặt tên cho ràng buộc thì sử dụng tiền tố mô tả ràng buộc (vd: PK hoặc FK), theo sau là tên của bảng hoặc bảng liên quan. Dĩ nhiên, việc sử dụng gạch dưới _ phần nào đó khiến mọi thứ trở nên dễ đọc hơn; Để đặt tên cho chỉ mục, sử
dụng tiền tố IDX đằng trước tên bảng và tên cột hoặc cột của chỉ mục. Đồng thời sử
dụng UNIQUE làm tiền tố hoặc hậu tố nếu chỉ mục là duy nhất và sử dụng gạch dưới nếu cần thiết. Có nhiều quy tắc đặt tên khác sẽ cụ thể hơn nhưng với những quy tắc cơ bản này, CSDL sẽ trở nên dễ đọc hơn. Điều quan trọng không phải là quy mô hay độ phức tạp của những quy tắc đặt tên mà là sự nhất quán khi áp dụng chúng.
- Không thể có nhiều giá trị trong 1 cột trong 1 bản ghi. Ví dụ nếu Fred có 3 xe ô
tô nhưng bản ghi của Fred không nên có 1 cột Car với 3 giá trị trong đó. Càng có ít giá trị null trong các cột càng tốt, nên lựa chọn bảng để nhúng khóa trong đó khi nó có ít giá trị null. Các cột dữ liệu blob và image không nên định nghĩa trong các bảng thường
xuyên truy vấn do vấn đề hiệu năng. Những dữ liệu này phải được đặt tại các bảng
ThS. Hoàng Ngọc Cảnh–TT. Công nghệ thông tin 46
- Khóa không nên dài quá. Nếu bạn đang thử quyết định giữa xác định 1 khóa với
2 cột (ví dụ Invoice Number và Date) và 1 khóa với 1 cột (ví dụ Invoice Number), cả 2 đều xác định duy nhất 1 dòng trong bảng, hãy lựa chọn khóa ngắn hơn trong 2 khóa. Khi định nghĩa 1 khóa, bạn cần chắc chắn rằng tập hợp thông tin này là cần và đủ để xác định 1 hàng, không nên có thêm hoặc ít hơn thông tin.
- Chỉ tạo 1 quan hệ mới giữa các thực thể nếu quan hệ này không thể được bắt
nguồn từ quan hệ khác.
- Sử dụng trường id là số nguyên trong mọi bảng. Nếu hiện tại bảng chưa cần
trường này thì sẽ có lúc cần trong tương lai (cho các bảng kết hợp, đánh index …). Lựa chọn các cột có kiểu giá trị số nguyên để đánh index. Đánh index trường có kiểu dữ liệu ký tự có thể sẽ gây ra các vấn đề về hiệu năng. Tạo Primary key (PK) trên mỗi bảng, thiết lập cho PK này là Clustered Index, trường hợp xấu nhất thì cũng phải có Non Clustered Index. Tạo index cho tất cả các cột được xác định là Foreign key, nếu biết chắc cột khóa ngoại này có giá trị là duy nhất thì cần tạo thuộc tính cho index của các FK này là Unique. Tạo UNIQUE INDEX cho các cột được dùng nhiều và thường
xuyên trong điều kiện WHEREđể truy cập database (email, username...).
- Phân vùng các bảng lớn, không sử dụng hoặc hiếm khi sử dụng vào các vùng
lưu trữ vật lý khác nhau để truy vấn được tốt hơn. Máy chủ CSDL và máy chủ web nên để riêng biệt trên 2 server vật lý. Việc này sẽ đảm bảo bảo mật hơn (kẻ tấn công không thể tấn công trực tiếp dữ liệu). Hiệu năng bộ nhớ và CPU của server sẽ tốt hơn do giảm tải số lượng yêu cầu và các tiến trình xử lý.
- Với các hệ thống CSDL lớn, nhạy cảm nên sử dụng các dịch vụ bảo mật và
khôi phục sau thảm họa như failover clustering, sao lưu tự động, nhân rộng …