Sari la conținut

Normalizarea bazelor de date: cum eviți datele duplicate

Normalizarea împarte informațiile în tabele legate între ele, ca fiecare dată să apară o singură dată. Vezi cum funcționează și ce avantaje are.

  • temăCloud și date
  • publicat
  • autorEchipa LumeaTehnologiei
  • lectură4 min de citit
Foaie de calcul cu tabele și coloane de date pe ecranul unui laptop
// cuprins7 secțiuni

Normalizarea este procesul prin care datele unei baze relaționale se împart în mai multe tabele legate între ele, astfel încât fiecare informație să fie păstrată într-un singur loc. Scopul este să eviți datele duplicate și contradicțiile dintre ele. Rezultatul este o bază mai ușor de întreținut și mai consecventă.

Care este problema datelor duplicate?

Când aceeași informație apare în mai multe locuri, orice modificare trebuie făcută peste tot, iar dacă uiți un loc, datele ajung să se contrazică. Imaginează-ți o singură tabelă de comenzi în care, la fiecare rând, scrii numele complet al clientului, adresa și telefonul.

Dacă un client își schimbă adresa, trebuie să editezi toate comenzile lui. Dacă omiți una, aceeași persoană are două adrese în sistem. Mai apar și alte probleme: spațiu irosit cu informații repetate și dificultatea de a șterge un rând fără a pierde accidental date despre client.

Cum funcționează normalizarea?

Normalizarea desparte informațiile după subiect: fiecare tabelă descrie un singur tip de lucru, iar legăturile dintre ele se fac prin identificatori. În exemplul de mai sus ai o tabelă pentru clienți și una pentru comenzi, iar comanda indică doar identificatorul clientului.

Acum adresa se scrie o singură dată, în tabela de clienți. Orice comandă o regăsește prin legătură, iar o schimbare a adresei se face într-un singur loc și este vizibilă pretutindeni. Această legătură poartă numele de cheie străină, iar identificatorul unic al fiecărui rând este cheia primară.

Care sunt formele normale?

Normalizarea se descrie prin niveluri numite forme normale, fiecare cu reguli mai stricte. În practică, cele mai folosite sunt primele trei.

Prima formă normală

Fiecare celulă conține o singură valoare, nu o listă. În loc să scrii trei numere de telefon într-o celulă, creezi rânduri separate sau o tabelă dedicată.

A doua formă normală

Pe lângă prima, fiecare coloană depinde de întreaga cheie primară, nu doar de o parte a ei. Contează când cheia este formată din mai multe coloane: informațiile care țin doar de o parte a cheii se mută într-o tabelă proprie.

A treia formă normală

Pe lângă a doua, coloanele nu depind una de alta, ci doar de cheia primară. Dacă o coloană poate fi dedusă din altă coloană care nu este cheie, informația se mută într-o tabelă separată.

Ce avantaje oferă?

Principalele avantaje sunt consecvența, economia de spațiu și întreținerea simplă. Fiecare dată are un singur loc de adevăr, iar interogările rămân clare.

  • Fără contradicții: aceeași informație nu poate avea două valori diferite.
  • Modificări simple: actualizezi într-un singur loc.
  • Spațiu redus: informațiile nu se repetă.
  • Structură clară: fiecare tabelă are un singur subiect.

Acest model stă la baza bazelor de date relaționale, iar diferențele față de alte abordări sunt prezentate în materialul despre bazele de date SQL și NoSQL.

Când nu merită să normalizezi complet?

Uneori se acceptă o duplicare controlată, numită denormalizare, pentru a face citirile mai rapide. Dacă o interogare uneește zece tabele la fiecare cerere, aplicația poate fi lentă, iar o copie a unor date în aceeași tabelă ajută.

Compromisul este că tu răspunzi acum de menținerea copiilor la zi. De obicei se pornește de la o structură normalizată și se denormalizează punctual, doar acolo unde măsurătorile arată o problemă. În analiza datelor mari, unde contează viteza de citire pe volume uriașe, structurile diferă mult, iar menținerea copiilor la zi seamănă cu problema din sincronizarea datelor între dispozitive.

Informațiile de aici sunt generale; pentru proiectarea unei baze reale este util să lucrezi cu cineva cu experiență în modelarea datelor. Alte explicații găsești în categoria Cloud și date.

Pe scurt

  • Normalizarea împarte datele în tabele legate, astfel încât fiecare informație să apară o singură dată.
  • Elimină duplicatele și reduce riscul de date contradictorii.
  • Primele trei forme normale acoperă majoritatea situațiilor practice.
  • Denormalizarea controlată este acceptabilă când viteza de citire o cere.

Întrebări frecvente

Ce este o cheie primară?

Este coloana, sau combinația de coloane, care identifică unic fiecare rând dintr-o tabelă și permite legarea ei de alte tabele.

Trebuie să ajung neapărat la a treia formă normală?

Nu neapărat, dar este un obiectiv comun. Mulți proiectanți se opresc aici și ajustează apoi după nevoile aplicației.

Normalizarea încetinește aplicația?

Poate încetini citirile care unesc multe tabele, dar de obicei beneficiile de consecvență sunt mai importante. Se măsoară înainte de a decide orice schimbare.

// trimite mai departe
// cloud-date

Continuă pe aceeași orbită

Toată tema Cloud și date