什么是代理键和自然键？

[suhashini25]

在关系型数据库设计中，**主键（Primary Key）**是用于唯一标识表中每一行记录的一个或一组列。而主键的选择，通常会涉及到两种主要策略：代理键（Surrogate Key）和自然键（Natural Key）。这两种键各有优缺点，并且在不同的设计场景下有不同的适用性。

1. 自然键（Natural Key）
定义： 自然键是指一个或一组具有业务含义且在现实世界中能够唯一标识实体的列。这些键通常是数据本身固有的属性，例如：
身份证号（对于个人）
学号（对于学生）
产品 SKU (Stock Keeping Unit)（对于产品）
电子邮件地址（对于用户，如果保证唯一）
车辆 VIN 码（车辆识别号）
特性：
有业务含义： 它们是用户或业务领域可以理解和识别的。
数据来源于业务系统： 通常直接从源系统或业务流程中获得。
可能由多列组成： 单个属性可能不足以唯一标识一个实体，需要多个属性组合成复合自然键（Composite Natural Key）。例如，一个订单项可能由 OrderID 和 ProductID 组成。
优点：
业务直观性： 对于业务用户来说，自然键更易于理解和记忆，因为它直接反映了业务概念。
减少数据冗余： 如果自然键已经是表中必须存在且唯一的业务属性，那么无需引入额外的列来充当主键。
避免额外的连接： 在某些简单查询中，如果可以直接通过自然键进行过滤，可能不需要连接其他表来获取对应的代理键。
数据一致性： 由于直接反映业务含义，在多个系统间集成数据时，基于自然键的匹配通常更直接和可靠。
缺点：
稳定性差（易变性）： 业务规则或外部系统可能改变，导致自然键的值发生变化。一旦主键改变，所有引用该主键的外键都必须更新，这会带来巨大的维护成本和数据完整性风险。 护士数据库 在数据量增大或业务扩展时出现重复（例如，同名同姓的人，或者不同地区的产品 SKU 编码冲突）。
数据类型和长度： 自然键可能由多个列组成，或者包含较长的字符串（如 UUID），这会增加索引和外键的存储空间，降低查询和连接效率。
隐私问题： 有些自然键可能包含敏感信息（如身份证号），不适合直接作为对外暴露的标识符。
复杂性： 复合自然键作为外键时，会增加查询和连接的复杂性。
2. 代理键（Surrogate Key）
定义： 代理键是人为创建的、没有业务含义的、唯一的、通常是递增的整数或全局唯一标识符（GUID/UUID），专门用于作为表的主键。它们的值通常由数据库系统自动生成（如 SQL Server 的 IDENTITY、MySQL 的 AUTO_INCREMENT、PostgreSQL 的 SERIAL / BIGSERIAL、Oracle 的 SEQUENCE）。
特性：
无业务含义： 它们仅仅是用来唯一标识行的，不承载任何业务信息。
稳定不变： 一旦分配，其值永远不会改变。
通常是单列： 简化了主键和外键的管理。
独立于业务逻辑： 业务规则的变化不会影响代理键。
优点：
稳定性： 代理键的值永不改变，这极大地简化了外键的维护和数据完整性。
简单性： 通常是单列的整数类型，占用空间小，比较和连接效率高。
唯一性保证： 由数据库系统生成，确保了全局或表内的唯一性。
性能优异： 作为主键索引（尤其是聚簇索引）时，递增的整数键可以减少页分裂，提高插入性能，并优化范围查询。
隐私保护： 不暴露任何敏感的业务数据。
统一性： 无论实体是否有合适的自然键，都可以使用统一的代理键策略。
缺点：
缺乏业务含义： 对于业务用户来说，ID=12345 没有实际意义，需要额外的连接来获取其对应的业务属性。
调试复杂性： 在数据库层面，仅仅通过代理键无法直接理解数据代表什么，可能需要更多的 JOIN 操作来查看相关业务数据。
跨系统集成困难： 如果多个系统各自生成代理键，跨系统数据同步和合并时可能需要额外的映射表来解决 ID 冲突问题。
数据仓库中的挑战： 在数据仓库的缓慢变化维度（SCD Type 2）中，代理键是必要的，但全局唯一的代理键生成在大数据场景下可能复杂且没有必要。
3. 如何选择？
在现代数据库设计中，倾向于使用代理键作为主键，并将自然键作为唯一的、非主键的业务约束。这是一种混合策略，通常能提供最佳的平衡。

默认推荐代理键： 大多数情况下，优先使用代理键作为主键。它们能提供稳定的、高效的、无业务含义的唯一标识符，从而简化数据库管理和提高性能。
自然键作为唯一约束： 如果存在一个或一组能够唯一标识记录的自然键，应在其上创建**唯一索引（Unique Index）**来强制唯一性，但通常不作为主键。
数据仓库和只读系统： 在某些数据仓库或分析型数据库中，可能更倾向于使用自然键作为维度表的主键，因为这可以简化 ETL 过程和数据理解，并且数据通常是追加而非修改。
权衡业务需求和技术实现： 最终的选择取决于具体的业务需求、数据特性、系统规模和性能目标。没有一种方案是绝对完美的，关键在于理解它们的优缺点并做出明智的决策。
总之，代理键和自然键各有千秋。代理键提供了技术上的便利和稳定性，而自然键则提供了业务上的直观性。在大多数应用场景下，结合使用两者，以代理键作为主键，并对自然键施加唯一约束，是兼顾数据库性能、数据完整性和业务可理解性的最佳实践。