数据库纵表变横表会不会影响性能

横表就是普通的建表方式，如一个表结构为：主键、字段1、字段2、字段3。。。 如果变成纵表后，则表结构为： 主键、字段代码、字段值。而字段代码则为字段1、字段2、字段3。 具体为电信行业的例子。以用户帐单表为例一般出账时用户有很多费用客户，其数据一般存储为：时间，客户ID,费用科目，费用。这种存储结构一般称为纵表，其特点是行数多，字段少。纵表在使用时由于行数多，统计用户数或对用户进行分档时还需要进行GROUP BY *** 作，性能低，且 *** 作不便，为提高性能，通常根据需要将纵表进行汇总，形成横表，比如：时间、客户ID,基本通话费、漫游通话费，国内长途费、国际长途费....。通常形成一个客户一行的表，这种表统计用户数或做分档统计时比较方便。另外，数据挖掘时用到的宽表一般也要求是横表结构。纵表对从数据库到内存的映射效率是有影响的，但细一点说也要一分为二：纵表的初始映射要慢一些；纵表的变更的映射可能要快一些，如果只是改变了单个字段时，毕竟横表字段比纵表要多很多

这个问题的核心点在于：不同商品类别差异很大，如何设计通用的存储方案？简单来说，用数据库去存储所有信息，不管横表还是纵表，都有明显的缺陷：横表：同一个字段对不同商品含义不一样，这到了后面开发和维护是很蛋疼的纵表：一个商品的属性分布到很多行记录中，业务处理很麻烦，而且纵表的记录数会非常多，性能会有问题所以不要尝试只用数据库去统一解决这个问题，思路扩散一些其实就简单了：公共表：提炼商品公共的信息放到数据库，例如商品id、名称、发布的商家、发布日期、上架状态扩展表：将变化的信息放到另外一个表，可以是数据库表，例如电脑商品一个表、服装一个表；也可以将信息放到MongoDB或者ElasticSearch这类文档数据库。搜索组件：扩展表在全文搜索的时候不好实现，因此需要独立的组件负责搜索，可以用Elastic Search或者Solr来冗余一份数据，用于搜索。表结构不算复杂，因为项目关系只有SPU，没有涉及到SKU，但是可以做参考，更多的还是要根据项目实际情况设计。重点说明一下产品表的SPU，Keyword字段。本来之前设计了关系表，但是发现在做SQL查询时太痛苦，所以约定了一种数据存储结构（数据结构的重要性）基于上面的基础，可以实现URL规则变化的查询,类似京东的产品查询URL变化c=1,3 指分类层次关系ev=3_1+4_18 指SPU查询 按约定规则转换成字符串再进行查询。

首先来说对于这种场景有两种设计方法，这两种方法都能够满足扩展性要求

1. 把原有的横表转化为纵表存储属性，即

产品表：（product_id, product_name, product_class)

产品属性表：(product_id, property_id , property_name , property_value)

2. 保持原有横表设计思路，但是d性字段含义单独元数据表存储

产品表：（product_id, product_name, product_class, prop1, prop2, .... propn)

产品属性含义元数据表

(product_class , prop1_name ,prop2_name, ..... propn_name)

对于两种设计方法，个人理解为

a. 对于首页打开就必须要能够快速查询出来的属性，而且这些属性本身各类产品差异不大。而对于差异大的属性基本都是针对特定一个产品查询。可以采用方案1来做。

b. 首页显示产品列表时候就存在要显示出不同产品属性情况，采用方案2来做。当我们处理的是一个product list的时候，由于存在数据表本身的关联场景，用方案1会比麻烦，也影响性能。

---