数据库设计评审优化

点击上方蓝字关注我们

场景

我们之前已经基于大模型在同一会话中进行过需求评审。在研发设计完成数据模型后，导出数据库设计DDL文件，上传到AI平台进行下一步评审。

实践

groupbuy.txt 文件是我们数据库设计的SQL脚本文件。

提示词1

• 您是软件工程专家，我刚刚上传了数据库设计DDL文件 {groupbuy.txt}，请结合以上需求与原型，对数据库表结构设计进行评审反馈建议，参考：
  • 数据模型评审
    • 实体完整性：检查是否所有实体都已正确定义，并且主键和外键关系正确无误。
    • 属性完整性：确保每个属性的数据类型、长度和约束（如非空、唯一性）都符合业务需求。
    • 关系完整性：检查实体之间的关系是否正确，包括一对一、一对多、多对多关系。

通义千问

这些建议还是比较中肯。

提示词2

• 您是数据库设计专家，请按我提供的《MySQL数据库设计规范》，结合以上功能列表、需求描述与原型，对文件 {groupbuy.txt} 中的数据库设计再次进行评审：

  MySQL数据库设计规范

  • 命名规则

    • 强制：使用小写，避免空格，使用下划线代替，名称中不应有数字，名称应自我解释且不超过32个字符。
    • 库命名：使用单数，格式为 业务系统名称_子系统名，分库名称格式为 库通配名_编号 或 库通配名_时间。
    • 表命名：使用单数，相关模块的表名应体现join关系，如 user 表和 user_login 表。
    • 字段命名：避免使用保留字，避免与表名相同的字段名，外键列必须具有表名及其主键。

  • 表设计

    • 强制：创建表时必须显式指定字符集为 utf8 或 utf8mb4，存储引擎类型为 InnoDB。
    • 建议：核心表应有 create_time 和 update_time 字段，所有字段应为 NOT NULL。
    • 强制：主键命名为 id，类型为 int 或 bigint，且为 auto_increment。

  • 索引设计

    • 强制：主键索引名为 pk_字段名，唯一索引名为 uk_字段名，普通索引名为 idx_字段名。

  • 其他

    • 建议：对表里的 blob、text 等大字段进行垂直拆分，反范式设计以减少 join 查询。
    • 强制：中间表名称以 tmp_ 开头，备份表名称以 bak_ 开头。

通义千问

这些建议还是比较细致，实际情况下，我们可以根据公司自己的数据库设计规范，更新提示词中的规则。

ChatGPT4-o

进一步追问数据库设计与需求功能一致性：

• 您是DBA，请评审上传的数据库设计 {groupbuy.txt} 的关系模型是否符合 拼团分销功能清单.xlsx 文件中的需求，有哪些不足？

如果有PRD或SRS文档，评审结果会更准确。

• 您是QA，请根据我上传的需求原型设计图片，结合需求功能列表，对数据库设计文件 {groupbuy.txt} 再次评审，反馈技术评审报告。

豆包

提示词

• 您是软件QA专家，请评审上传的数据库设计 {groupbuy.txt} 的关系模型是否符合 拼团分销功能清单.xlsx 文件，理解原型设计图中的业务需求，判断需求一致性、合理性，有哪些不足，输出数据库设计评审报告。

包含评审报告模板

• 您是软件QA专家，请评审上传的数据库设计 {groupbuy.txt} 的关系模型是否符合 拼团分销功能清单.xlsx 文件，理解原型设计图中的业务需求，判断需求与设计的一致性、合理性、扩展性，包含具体有哪些不足，输出数据库设计评审报告。

软件数据库设计评审报告

1. 背景

   • 本报告旨在对软件数据库设计进行评审，确保数据库设计满足系统需求，结构合理，并具备可维护性、可扩展性、可靠性和安全性等特点。

2. 评审内容

   • 本次评审的数据库设计包括但不限于以下方面：
     • 数据库环境说明
     • 数据库的命名规则
     • 逻辑设计
     • 物理设计
     • 安全性设计
     • 优化
     • 数据库管理与维护说明

3. 评审标准

   • 评审将依据以下标准进行：
     • 正确性、完整性、一致性
     • 安全性
     • “时－空”效率

4. 评审结果

   • 经过全面评审，得出以下结论：
     • 数据库环境说明：[具体评审结果]
     • 数据库命名规则：[具体评审结果]
     • 逻辑设计：[具体评审结果]
     • 物理设计：[具体评审结果]
     • 安全性设计：[具体评审结果]
     • 优化：[具体评审结果]
     • 数据库管理与维护说明：[具体评审结果]

5. 评审意见和建议

   • [具体建议和意见]

6. 结论

   • [综合评审结果，得出的结论]

自动化评审

基本思路：

1. CI工具拉取GIT中的PDM文件。
2. 生成SQL文件到临时目录。
3. 提交 git commit。
4. 发起 merge request。
5. 可提前准备好需求文档相关，大模型对 merge request 的 diff 进行 review。
6. 产出 review 结果到 merge request 评论中。
7. 评审人辅助决策是否通过 pass。

可以参考的数据库设计规范

• 阿里JAVA开发手册
  • https://developer.aliyun.com/ebook/386
• MySQL 数据库设计规范
  • https://github.com/guanguans/notes/blob/master/MySQL/MySQL%E6%95%B0%E6%8D%AE%E5%BA%93%E8%AE%BE%E8%AE%A1%E8%A7%84%E8%8C%83.md

总结

提高评审效率：

• AI能够自动提取关键信息，快速生成评审报告，大大缩短了评审周期。
• AI还能通过实时监测和智能化建议，帮助评审人员更快地发现问题并作出决策。

增强评审准确性：

• AI基于大数据和机器学习算法，能够更准确地分析数据库设计的优缺点，提供更有针对性的建议。
• AI还能通过比对和分析历史数据，发现潜在的缺陷和风险，提高评审的准确性。

保障数据安全与隐私：

• AI通过对异常数据的分析和检测，可以及时发现潜在的安全隐患，提高数据的安全性。
• AI还能通过数据加密、访问控制等技术手段，保障数据的隐私性。

推动数据库设计的创新与发展：

• AI的引入为数据库设计评审带来了新的思路和方法，推动了数据库设计的创新与发展。
• AI还能通过不断学习和优化，提高数据库设计的水平和质量。

基于AI辅助数据库设计评审的场景广泛且意义重大，它不仅提高了评审效率和准确性，还保障了数据的安全与隐私，推动了数据库设计的创新与发展。
end