设计一个数据库存储模式时，要仔细分析数据模式，不要把所有的数据都放在一起。否则对系统的可用性，高效能，扩展性都会有严重的影响。当然你设计的系统非常小，完全可以用最简单的方法。
要通过对业务的熟练，从不同的角度对数据进行多维度分析，一般可以从如下几个方向分析：
1. 数据流向
2. 数据访问特点
3. 数据量的大小
4. 数据的增长量
5. 数据的生命周期
根据以上数据特点，综合数据模式对数据表进行分类：
1. 恒数表
2. 递增表
3. 流水表
4. 状态表
5. 核心表
6. 过程表
在我们进行大数据量系统的模型设计时，根据不同的数据表，必须要遵循这几个要点。
核心表：
核心表是系统访问最频繁的，在设计时要考虑访问的代价，一定要遵循范式，注意字段的个数和字段长度，注意范围查询。如果核心表的数据量很大的话，要根据分区表或表路由等方式进行数据归档，以保证核心表的性能。
过程表：
过程表顾名思义是用来记录某一过程的，一般指数据的生命周期；在设计过程表时要设计一个明显代表数据生命周期的字段，对于数据仓库系统更是要合理的利用生命周期字段，可以高效的统计不同生命周期的数据；在设计表时也要考虑增删改的代价，插入的代价最小，修改需要检索数据保留修改字段值，删除要保留整条记录，代价最为昂贵。
恒数表：
恒数表几乎很少变化，类似我们使用字典表，在设计这样的表时，要设计好表的参数，较小的表就不建议建立索引。
递增表：
递增表的增长是很快的，并不是所有的数据都是常用的，所以分区的大小要尽量均衡，严格区分核心数据和过程数据，索引的键值选择性尽量高，谨慎使用复合索引，按照关联关系设计合适的分区和索引。
流水表：
流水表类似记录log，记录些流水信息，流水表数据量一般都很大，信息几乎没有变更。在设计时要注意分区的粒度和选择，一般不建议建立太多的索引。
状态表：
状态表一般指记录某一行为的状态过程，生命周期很短，很容易和过程表混淆。可以简单区别它们，状态表是动作行为的轨迹；过程表是数据的生命周期。