1、命名规范：采用清晰、描述性强的命名，避免拼音和数字开头，推荐使用小写字母和下划线，如account_number而非acc_no。索引命名应反映其类型和关联字段，如pk_account_id。
2、字段类型选择：根据数据特性选择最合适的类型，如使用INT而非FLOAT存储整数，利用VARCHAR灵活应对变长字符串，并确保长度设置合理，避免过度消耗空间。
3、主键设计：主键应选择无意义且唯一标识符，如自增ID或UUID，避免使用业务相关的字段，以减少未来变动的复杂性。
4、逻辑删除：推荐使用逻辑删除（如is_deleted标志）而非物理删除，以保持数据完整性并便于数据恢复。
5、通用字段：每张表应包含基本元数据字段，如id、create_time、modified_time等，以记录数据的生命周期信息。
6、字段数量控制：限制单表字段数量不超过20个，以提高查询效率和减少数据行的体积。
7、非空约束：除非有特定理由，所有字段应设为NOT NULL，以避免空值问题并简化查询逻辑。
8、索引策略：根据查询需求合理添加索引，但需避免过度索引，考虑字段的区分度，利用覆盖索引和复合索引来优化性能。
9、适度冗余：在不影响数据一致性的前提下，可适当冗余数据以减少表关联，提高查询效率。
10、字符集统一：整个系统应统一使用适合的字符集，如UTF-8，以支持国际化并减少编码问题。
11、注释清晰：特别是对于枚举类型字段，务必在COMMENT中详细描述每个值的意义。
12、时间类型：推荐使用DATETIME类型存储日期和时间信息，因其广泛的适用性和无关时区的特性。
13、避免存储过程与触发器：考虑到维护和扩展性，建议在应用层实现复杂逻辑，避免在数据库层面使用存储过程和触发器。
14、关系模型设计：针对1:N关系，通过外键关联表；面对N:M关系，引入关联表来桥接双方，保持数据结构清晰。
15、大字段处理：对于大文本或二进制数据，考虑存储在外部系统并仅在数据库中保留引用，以减轻数据库负担。
16、分库分表策略：根据数据规模预测，提前规划是否需要分库分表，以支持系统的水平扩展。
17、SQL查询优化技巧：
精确列选择：避免SELECT *，仅选取必需列，减少数据传输量，提升查询效率。
高效利用索引：为频繁查询和排序的字段创建索引，加速检索过程。
简化数据关系：在特定场景下，避免外键以减少复杂性和潜在性能损耗。
限制结果数量：使用LIMIT 1快速获取单条记录，减少资源消耗。
优化条件查询：用UNION代替OR连接条件，提高查询效率。
处理分页查询：优化深分页问题，考虑使用OFFSET或更高效的分页策略。
减少数据扫描：通过WHERE子句精确过滤，减少无用数据读取。
避免函数运算：在索引列上直接使用函数可能导致索引无法使用。
简化表达式：避免在索引列上使用复杂的表达式计算，维持索引有效性。
优化比较操作：少用!=和<>，这些操作符可能使索引失效。
构建有效联合索引：按查询顺序排列索引字段，遵循最左前缀原则。
索引策略：确保WHERE子句和ORDER BY涉及的列已建立索引。
批量操作：当插入大量数据时，使用批量插入以减少IO操作和提升效率。
利用覆盖索引：确保查询所需数据全部包含在索引中，避免回表查询。
分析查询计划：使用EXPLAIN分析SQL执行计划，识别并优化低效查询。
