Normální formy
Database Design
Lis Sulmont
Curriculum Manager
Normalizace
Identifikujte opakující se skupiny dat a vytvořte pro ně nové tabulky
Formálnější definice:
Cíle normalizace jsou:
- Umožnit charakterizovat úroveň redundance v relačním schématu
- Poskytnout mechanismy pro transformaci schémat za účelem odstranění redundance
1 Database Design, 2nd Edition by Adrienne Watt
Normální formy (NF)
Seřazeno od nejméně po nejvíce normalizované:
- První normální forma (1NF)
- Druhá normální forma (2NF)
- Třetí normální forma (3NF)
- Elementární klíčová normální forma (EKNF)
- Boyce-Coddova normální forma (BCNF)
$$
- Čtvrtá normální forma (4NF)
- Normální forma podstatných n-tic (ETNF)
- Pátá normální forma (5NF)
- Normální forma doménových klíčů (DKNF)
- Šestá normální forma (6NF)
1 https://en.wikipedia.org/wiki/Database_normalization
Pravidla 1NF
- Každý záznam musí být jedinečný – žádné duplicitní řádky
- Každá buňka musí obsahovat jednu hodnotu
Počáteční data
| Student_id | Student_Email | Courses_Completed |
|------------|-----------------|----------------------------------------------------------|
| 235 | [email protected] | Introduction to Python, Intermediate Python |
| 455 | [email protected] | Cleaning Data in R |
| 767 | [email protected] | Machine Learning Toolbox, Deep Learning in Python |
Ve formě 1NF
| Student_id | Student_Email |
|------------|-----------------|
| 235 | [email protected] |
| 455 | [email protected] |
| 767 | [email protected] |
| Student_id | Completed |
|------------|--------------------------|
| 235 | Introduction to Python |
| 235 | Intermediate Python |
| 455 | Cleaning Data in R |
| 767 | Machine Learning Toolbox |
| 767 | Deep Learning in Python |
2NF
- Musí splňovat 1NF A ZÁROVEŇ
- Pokud je primární klíč tvořen jedním sloupcem
- automaticky splňuje 2NF
- Pokud je primární klíč složený
- každý neklíčový sloupec musí záviset na všech klíčích
- Pokud je primární klíč tvořen jedním sloupcem
Počáteční data
| Student_id (PK) | Course_id (PK) | Instructor_id | Instructor | Progress |
|-----------------|----------------|---------------|---------------|----------|
| 235 | 2001 | 560 | Nick Carchedi | .55 |
| 455 | 2345 | 658 | Ginger Grant | .10 |
| 767 | 6584 | 999 | Chester Ismay | 1.00 |
Ve formě 2NF
| Student_id (PK) | Course_id (PK) | Percent_Completed |
|-----------------|----------------|-------------------|
| 235 | 2001 | .55 |
| 455 | 2345 | .10 |
| 767 | 6584 | 1.00 |
| Course_id (PK) | Instructor_id | Instructor |
|----------------|---------------|---------------|
| 2001 | 560 | Nick Carchedi |
| 2345 | 658 | Ginger Grant |
| 6584 | 999 | Chester Ismay |
3NF
- Splňuje 2NF
- Žádné tranzitivní závislosti: neklíčové sloupce nesmí záviset na jiných neklíčových sloupcích
Počáteční data
| Course_id (PK) | Instructor_id | Instructor | Tech |
|----------------|---------------|---------------|--------|
| 2001 | 560 | Nick Carchedi | Python |
| 2345 | 658 | Ginger Grant | SQL |
| 6584 | 999 | Chester Ismay | R |
Ve formě 3NF
| Course_id (PK) | Instructor | Tech |
|----------------|---------------|--------|
| 2001 | Nick Carchedi | Python |
| 2345 | Ginger Grant | SQL |
| 6584 | Chester Ismay | R |
| Instructor_id | Instructor |
|---------------|---------------|
| 560 | Nick Carchedi |
| 658 | Ginger Grant |
| 999 | Chester Ismay |
Datové anomálie
Co se riskuje při nedostatečné normalizaci?
1. Anomálie při aktualizaci
2. Anomálie při vkládání
3. Anomálie při mazání
Anomálie při aktualizaci
Nekonzistence dat způsobená redundancí při aktualizaci
| Student_ID | Student_Email | Enrolled_in | Taught_by |
|------------|-----------------|-------------------------|---------------------|
| 230 | [email protected] | Cleaning Data in R | Maggie Matsui |
| 367 | [email protected] | Data Visualization in R | Ronald Pearson |
| 520 | [email protected] | Introduction to Python | Hugo Bowne-Anderson |
| 520 | [email protected] | Arima Models in R | David Stoffer |
Pro aktualizaci e-mailu studenta 520:
- Je nutné aktualizovat více záznamů, jinak dojde k nekonzistenci
- Uživatel musí být obeznámen s redundancí
Anomálie při vkládání
Nelze přidat záznam kvůli chybějícím atributům
| Student_ID | Student_Email | Enrolled_in | Taught_by |
|------------|-----------------|-------------------------|---------------------|
| 230 | [email protected] | Cleaning Data in R | Maggie Matsui |
| 367 | [email protected] | Data Visualization in R | Ronald Pearson |
| 520 | [email protected] | Introduction to Python | Hugo Bowne-Anderson |
| 520 | [email protected] | Arima Models in R | David Stoffer |
Nelze vložit studenta, který se zaregistroval, ale není zapsán do žádného kurzu
Anomálie při mazání
Smazání záznamu způsobí neúmyslnou ztrátu dat
| Student_ID | Student_Email | Enrolled_in | Taught_by |
|------------|-----------------|-------------------------|---------------------|
| 230 | [email protected] | Cleaning Data in R | Maggie Matsui |
| 367 | [email protected] | Data Visualization in R | Ronald Pearson |
| 520 | [email protected] | Introduction to Python | Hugo Bowne-Anderson |
| 520 | [email protected] | Arima Models in R | David Stoffer |
Pokud smažeme studenta 230, co se stane s daty o kurzu Cleaning Data in R?
Datové anomálie
Co se riskuje při nedostatečné normalizaci?
1. Anomálie při aktualizaci
2. Anomálie při vkládání
3. Anomálie při mazání
Čím více je databáze normalizovaná, tím méně je náchylná k datovým anomáliím
Nezapomeňte na nevýhody normalizace z předchozího videa
Pojďme si procvičit!
Database Design
