ฐานข้อมูลแบบ Normalized และ Denormalized

การออกแบบฐานข้อมูล

Lis Sulmont

Curriculum Manager

กลับมาที่ตัวอย่างร้านหนังสือของเรา

Denormalized: Star Schema

Normalized: Snowflake Schema

คิวรีแบบ Denormalized

เป้าหมาย: หาจำนวนหนังสือของ Octavia E. Butler ทั้งหมดที่ขายได้ในเมือง Vancouver ช่วง Q4 ปี 2018

  SELECT SUM(quantity) FROM fact_booksales
    -- Join to get city
    INNER JOIN dim_store_star on fact_booksales.store_id = dim_store_star.store_id
    -- Join to get author
    INNER JOIN dim_book_star on fact_booksales.book_id = dim_book_star.book_id
    -- Join to get year and quarter
    INNER JOIN dim_time_star on fact_booksales.time_id = dim_time_star.time_id
  WHERE 
    dim_store_star.city = 'Vancouver' AND dim_book_star.author = 'Octavia E. Butler' AND
    dim_time_star.year = 2018 AND dim_time_star.quarter = 4;

Join ทั้งหมด 3 ครั้ง

คิวรีแบบ Normalized

SELECT
  SUM(fact_booksales.quantity)
FROM
  fact_booksales
  -- Join to get city
  INNER JOIN dim_store_sf ON fact_booksales.store_id = dim_store_sf.store_id
  INNER JOIN dim_city_sf ON dim_store_sf.city_id = dim_city_sf.city_id
  -- Join to get author
  INNER JOIN dim_book_sf ON fact_booksales.book_id = dim_book_sf.book_id
  INNER JOIN dim_author_sf ON dim_book_sf.author_id = dim_author_sf.author_id
  -- Join to get year and quarter
  INNER JOIN dim_time_sf ON fact_booksales.time_id = dim_time_sf.time_id
  INNER JOIN dim_month_sf ON dim_time_sf.month_id = dim_month_sf.month_id
  INNER JOIN dim_quarter_sf ON dim_month_sf.quarter_id =  dim_quarter_sf.quarter_id
  INNER JOIN dim_year_sf ON dim_quarter_sf.year_id = dim_year_sf.year_id

คิวรีแบบ Normalized (ต่อ)

WHERE
  dim_city_sf.city = `Vancouver`
  AND 
  dim_author_sf.author = `Octavia E. Butler`
  AND
  dim_year_sf.year = 2018 AND dim_quarter_sf.quarter = 4;

sum
7600

Join ทั้งหมด 8 ครั้ง

แล้วทำไมเราถึงต้องการ Normalize ฐานข้อมูล?

Normalization ช่วยประหยัดพื้นที่

ฐานข้อมูลแบบ Denormalized ทำให้เกิดข้อมูลซ้ำซ้อน

Normalization ช่วยประหยัดพื้นที่

Normalization ช่วยกำจัดข้อมูลซ้ำซ้อน

Normalization ช่วยให้ข้อมูลมีความถูกต้องมากขึ้น

1. บังคับใช้ความสอดคล้องของข้อมูล

ต้องปฏิบัติตามรูปแบบการตั้งชื่อเนื่องจาก referential integrity เช่น 'California' ไม่ใช่ 'CA' หรือ 'california'

2. อัปเดต ลบ และเพิ่มข้อมูลได้อย่างปลอดภัยกว่า

ข้อมูลซ้ำซ้อนน้อยลง = แก้ไขระเบียนน้อยลง

3. ออกแบบใหม่ได้ง่ายขึ้นด้วยการขยาย

ตารางขนาดเล็กขยายได้ง่ายกว่าตารางขนาดใหญ่

การทำ Database Normalization

ข้อดี

Normalization กำจัดข้อมูลซ้ำซ้อน: ประหยัดพื้นที่จัดเก็บ
ข้อมูลมีความถูกต้องและสอดคล้องมากขึ้น

ข้อเสีย

คิวรีที่ซับซ้อนใช้ CPU มากขึ้น

จำ OLTP และ OLAP ได้ไหม?

OLTP

เช่น ฐานข้อมูลเชิงปฏิบัติการ

โดยทั่วไปมีการ Normalize สูง

เน้นการเขียนข้อมูลเป็นหลัก
ให้ความสำคัญกับการเพิ่มข้อมูลที่รวดเร็วและปลอดภัย

OLAP

เช่น Data Warehouse

โดยทั่วไปมีการ Normalize น้อยกว่า

เน้นการอ่านข้อมูลเป็นหลัก
ให้ความสำคัญกับคิวรีที่รวดเร็วสำหรับการวิเคราะห์

มาฝึกกันเถอะ!

การออกแบบฐานข้อมูล