Normalisering av relationsdata

Introduktion till datamodellering i Snowflake

Nuno Rocha

Director of Engineering

Förstå onormaliserad data

Onormaliserad data (UNF): Data som kan sakna struktur, vara oorganiserad, innehålla upprepningar och/eller anomalier

Entiteten alla produkter

Förstå onormaliserad data

Anomalier i entiteten alla produkter

Förstå onormaliserad data

Banananomalin markerad

Förstå onormaliserad data (3)

Tillverkaranomali markerad

Förstå onormaliserad data (4)

Detaljbeskrivningsanomalin markerad

Förstå onormaliserad data (5)

Produktanomalin markerad

Problem med onormaliserad data

Dataredundans: Onödig upprepning av data
Dataanomalier: Oregelbundenheter eller inkonsekvenser i data

Anomalier i entiteten alla produkter

Identifiera onormaliserad data

SELECT manufacturer_id, 
       manufacturer_name, 
       location, 
       COUNT(*) AS repetitions
FROM allproducts
GROUP BY manufacturer_id, 
    manufacturer_name, 
    location
HAVING COUNT(*) > 1;

Lista över tillverkare med antal produktupprepningar

Identifiera onormaliserad data

SELECT DISTINCT category 
FROM allproducts;

Lista över kategorier

Identifiera onormaliserad data

SELECT DISTINCT product_name,
    category
FROM allproducts
WHERE category = 'L';

Lista över produkter med kategori L

Identifiera onormaliserad data

SELECT DISTINCT product_name,
    category
FROM allproducts
WHERE category = 'L';

Lista över alla produkter som innehåller L

Normaliserad data

Normaliserad data: Data organiserad i distinkta och atomära entiteter
Fördelar:
- Förbättrar datanoggrannhet och tillförlitlighet
- Bättre frågeprestanda
- Optimerad resursanvändning
- Skalbarhet

Terminologi och funktionsöversikt

Onormaliserad data (UNF): Data som kan sakna struktur, vara oorganiserad eller innehålla upprepningar eller anomalier
Normaliserad data: Data organiserad i distinkta och atomära entiteter
SELECT FROM: SQL-sats för att hämta data från en specifik entitet
DISTINCT: SQL-sats för att returnera unika (olika) värden från ett attribut
COUNT: SQL-sats som räknar antalet rader som matchar angivna villkor
GROUP BY: SQL-sats som grupperar rader med samma värden efter angivna attribut
HAVING: SQL-sats som används med GROUP BY för att filtrera grupper utifrån ett villkor
WHERE: SQL-sats för att filtrera poster utifrån ett angivet villkor
AS: SQL-sats för att byta namn på en kolumn eller tabell med ett alias

Funktionsöversikt

-- Querying unique values while being filtered by a specific condition
SELECT DISTINCT column_name
FROM table_name
WHERE column_name  condition  value;

-- Counting the values aggregated by a specific column while filtering the results
SELECT column_name, 
    COUNT(*) AS alias_name
FROM table_name
GROUP BY column_name
HAVING COUNT(*)  condition  value;

Nu kör vi en övning!

Introduktion till datamodellering i Snowflake