Forme normale
Proiectarea bazelor de date
Lis Sulmont
Curriculum Manager
Normalizarea
Identificați grupurile repetitive de date și creați tabele noi pentru acestea
O definiție mai formală:
Obiectivele normalizării sunt:
- Caracterizarea nivelului de redundanță într-o schemă relațională
- Furnizarea de mecanisme pentru transformarea schemelor în vederea eliminării redundanței
1 Database Design, 2nd Edition by Adrienne Watt
Forme normale (NF)
Ordonate de la cel mai puțin la cel mai normalizat:
- Prima formă normală (1NF)
- A doua formă normală (2NF)
- A treia formă normală (3NF)
- Forma normală cu cheie elementară (EKNF)
- Forma normală Boyce-Codd (BCNF)
$$
- A patra formă normală (4NF)
- Forma normală cu tuplu esențial (ETNF)
- A cincea formă normală (5NF)
- Forma normală domeniu-cheie (DKNF)
- A șasea formă normală (6NF)
1 https://en.wikipedia.org/wiki/Database_normalization
Regulile 1NF
- Fiecare înregistrare trebuie să fie unică - fără rânduri duplicate
- Fiecare celulă trebuie să conțină o singură valoare
Date inițiale
| 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 |
În forma 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
- Trebuie să satisfacă 1NF ȘI
- Dacă cheia primară este o singură coloană
- atunci satisface automat 2NF
- Dacă există o cheie primară compusă
- atunci fiecare coloană non-cheie trebuie să depindă de toate cheile
- Dacă cheia primară este o singură coloană
Date inițiale
| 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 |
În forma 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
- Satisface 2NF
- Fără dependențe tranzitive: coloanele non-cheie nu pot depinde de alte coloane non-cheie
Date inițiale
| Course_id (PK) | Instructor_id | Instructor | Tech |
|----------------|---------------|---------------|--------|
| 2001 | 560 | Nick Carchedi | Python |
| 2345 | 658 | Ginger Grant | SQL |
| 6584 | 999 | Chester Ismay | R |
În forma 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 |
Anomalii de date
Ce riscăm dacă nu normalizăm suficient?
1. Anomalie de actualizare
2. Anomalie de inserare
3. Anomalie de ștergere
Anomalie de actualizare
Inconsistență cauzată de redundanța datelor la actualizare
| 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 |
Pentru a actualiza e-mailul studentului 520:
- Este necesar să se actualizeze mai multe înregistrări, altfel apare inconsistența
- Utilizatorul trebuie să fie conștient de redundanță
Anomalie de inserare
Imposibilitatea de a adăuga o înregistrare din cauza atributelor lipsă
| 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 |
Impossibil de inserat un student înregistrat, dar neînscris la niciun curs
Anomalie de ștergere
Ștergerea unor înregistrări cauzează pierderea neintenționată de date
| 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 |
Dacă ștergem studentul 230, ce se întâmplă cu datele despre Cleaning Data in R?
Anomalii de date
Ce riscăm dacă nu normalizăm suficient?
1. Anomalie de actualizare
2. Anomalie de inserare
3. Anomalie de ștergere
Cu cât baza de date este mai normalizată, cu atât este mai puțin susceptibilă la anomalii de date
Nu uitați dezavantajele normalizării din videoclipul anterior
Lass uns üben!
Proiectarea bazelor de date
