Normalformer
Databasdesign
Lis Sulmont
Curriculum Manager
Normalisering
Identifiera återkommande datagrupper och skapa nya tabeller för dem
En mer formell definition:
Målen med normalisering är att:
- Kunna beskriva redundansnivån i ett relationellt schema
- Tillhandahålla mekanismer för att omvandla scheman för att ta bort redundans
1 Database Design, 2nd Edition av Adrienne Watt
Normalformer (NF)
Ordnade från minst till mest normaliserade:
- Första normalformen (1NF)
- Andra normalformen (2NF)
- Tredje normalformen (3NF)
- Elementary key normal form (EKNF)
- Boyce-Codd normal form (BCNF)
$$
- Fourth normal form (4NF)
- Essential tuple normal form (ETNF)
- Fifth normal form (5NF)
- Domain-key Normal Form (DKNF)
- Sixth normal form (6NF)
1 https://en.wikipedia.org/wiki/Database_normalization
1NF-regler
- Varje post måste vara unik – inga dubbletter
- Varje cell får bara innehålla ett värde
Ursprungliga 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 |
På 1NF-form
| 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
- Måste uppfylla 1NF OCH
- Om primärnyckeln består av en kolumn
- uppfylls 2NF automatiskt
- Om det finns en sammansatt primärnyckel
- måste varje icke-nyckelkolumn vara beroende av alla nycklar
- Om primärnyckeln består av en kolumn
Ursprungliga 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 |
På 2NF-form
| 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
- Uppfyller 2NF
- Inga transitiva beroenden: icke-nyckelkolumner får inte vara beroende av andra icke-nyckelkolumner
Ursprungliga data
| Course_id (PK) | Instructor_id | Instructor | Tech |
|----------------|---------------|---------------|--------|
| 2001 | 560 | Nick Carchedi | Python |
| 2345 | 658 | Ginger Grant | SQL |
| 6584 | 999 | Chester Ismay | R |
På 3NF-form
| 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 |
Dataanomalier
Vad riskerar vi om vi inte normaliserar tillräckligt?
1. Uppdateringsanomali
2. Insättningsanomali
3. Raderingsanomali
Uppdateringsanomali
Datainkonsistens orsakad av redundans vid uppdatering
| 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 |
För att uppdatera student 520s e-postadress:
- Mer än en post måste uppdateras, annars uppstår inkonsistens
- Den som uppdaterar måste känna till redundansen
Insättningsanomali
Det går inte att lägga till en post på grund av saknade attribut
| 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 |
Det går inte att lägga till en student som registrerat sig men inte anmält sig till någon kurs
Raderingsanomali
Radering av post(er) orsakar oavsiktlig dataförlust
| 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 |
Om vi raderar student 230, vad händer med datan om Cleaning Data in R?
Dataanomalier
Vad riskerar vi om vi inte normaliserar tillräckligt?
1. Uppdateringsanomali
2. Insättningsanomali
3. Raderingsanomali
Ju mer normaliserad databasen är, desto mindre känslig är den för dataanomalier
Glöm inte nackdelarna med normalisering från förra videon
Nu kör vi en övning!
Databasdesign
