数据库中有多个table个副本方便join查询还是在程序中做数据关联？
have multiple table copies in databases for easy join query or do data associate in program?
在使用多个数据库的大型系统中。
例如：
db_trade用于交易信息存储
db_fund 用于用户帐户存储
db_auth用于认证授权
在这种情况下 user_info 是常见信息。
交易系统和资金系统 UI需要显示交易或账户信息和用户信息。为了更好的性能，它需要执行 sql query left join user_info.
我不知道如何在更大的系统中设计：
在程序中进行数据关联？
在每个数据库中同步 user_info table ？
每种方法各有利弊：
规范化方法将每条数据恰好存储一次，从数据完整性的角度来看更好。这是关系数据库设计中使用的传统方法。例如，在银行系统中，您可能不会将经常账户余额保存在多个地方，对吧？因为当你在一个地方改变它时，另一个地方就会变得不一致，这可能会导致错误的业务决策。
非规范化方法允许在不同位置存储相同数据的多个副本，并且性能更好。这是通常推荐用于大数据和 NoSQL 数据库设计的方法。一个有意义的例子：假设你正在设计一个聊天系统，你需要在消息作者的名字旁边显示消息。您可能更愿意在消息旁边存储显示名称，而不仅仅是用户 ID，这样您就不需要在每次显示消息时都执行昂贵的加入操作。
如果进行非规范化，则需要在应用程序级别处理数据完整性。首先，您需要确保您清楚什么是真相的来源。可以准备好多个 user_info 的副本以低延迟获取，但应该有一个地方可以找到最正确的 up-to-date 用户信息。这是用户信息的主 table。用户信息的其他副本应该从中派生。所以你必须决定你设计中的哪个数据库是用户信息的Master。
最终，你必须在一致性和性能（与可用性密切相关）之间做出权衡。
如果 user_info 没有太大变化，并且您有很多查询和很多用户，并且性能是您的主要关注点 - 使用非规范化方法并在每个中同步 user_info table数据库。您的应用程序必须根据需要通过 database-level 复制或某些应用程序逻辑使这些 table 保持一致。
如果您必须在每个查询中对 user_info 具有高度一致的视图（这不是典型情况），您可能需要牺牲性能并将所有用户信息保存在一个位置。
通常，大数据系统为了性能和可用性而牺牲一致性。
在使用多个数据库的大型系统中。
例如：
db_trade用于交易信息存储
db_fund 用于用户帐户存储
db_auth用于认证授权
在这种情况下 user_info 是常见信息。
交易系统和资金系统 UI需要显示交易或账户信息和用户信息。为了更好的性能，它需要执行 sql query left join user_info.
我不知道如何在更大的系统中设计：
在程序中进行数据关联？ 在每个数据库中同步 user_info table ？
每种方法各有利弊：
规范化方法将每条数据恰好存储一次，从数据完整性的角度来看更好。这是关系数据库设计中使用的传统方法。例如，在银行系统中，您可能不会将经常账户余额保存在多个地方，对吧？因为当你在一个地方改变它时，另一个地方就会变得不一致，这可能会导致错误的业务决策。
非规范化方法允许在不同位置存储相同数据的多个副本，并且性能更好。这是通常推荐用于大数据和 NoSQL 数据库设计的方法。一个有意义的例子：假设你正在设计一个聊天系统，你需要在消息作者的名字旁边显示消息。您可能更愿意在消息旁边存储显示名称，而不仅仅是用户 ID，这样您就不需要在每次显示消息时都执行昂贵的加入操作。
如果进行非规范化，则需要在应用程序级别处理数据完整性。首先，您需要确保您清楚什么是真相的来源。可以准备好多个 user_info 的副本以低延迟获取，但应该有一个地方可以找到最正确的 up-to-date 用户信息。这是用户信息的主 table。用户信息的其他副本应该从中派生。所以你必须决定你设计中的哪个数据库是用户信息的Master。
最终，你必须在一致性和性能（与可用性密切相关）之间做出权衡。 如果 user_info 没有太大变化，并且您有很多查询和很多用户，并且性能是您的主要关注点 - 使用非规范化方法并在每个中同步 user_info table数据库。您的应用程序必须根据需要通过 database-level 复制或某些应用程序逻辑使这些 table 保持一致。
如果您必须在每个查询中对 user_info 具有高度一致的视图（这不是典型情况），您可能需要牺牲性能并将所有用户信息保存在一个位置。
通常，大数据系统为了性能和可用性而牺牲一致性。