Zalecane, 2022

Wybór Redakcji

Różnica między normalizacją a denormalizacją

Normalizacja i denormalizacja to metody stosowane w bazach danych. Terminy są zróżnicowane w przypadku, gdy Normalizacja jest techniką minimalizowania anomalii wstawiania, usuwania i aktualizacji poprzez eliminację zbędnych danych. Z drugiej strony, Denormalizacja jest odwrotnym procesem normalizacji, w którym redundancja jest dodawana do danych w celu poprawy wydajności konkretnej aplikacji i integralności danych.

Normalizacja zapobiega marnotrawieniu miejsca na dysku, minimalizując lub eliminując redundancję.

Wykres porównania

Podstawa do porównaniaNormalizacjaDenormalizacja
PodstawowyNormalizacja to proces tworzenia zestawu schematów do przechowywania niepotrzebnych i spójnych danych.Denormalizacja jest procesem łączenia danych, dzięki czemu można je szybko sprawdzić.
Cel, powódAby zmniejszyć nadmiarowość i niespójność danych.Aby osiągnąć szybszą realizację zapytań poprzez wprowadzenie nadmiarowości.
Użyty wSystem OLTP, w którym kładzie się nacisk na szybsze wstawianie, usuwanie i aktualizowanie anomalii oraz przechowywanie danych jakościowych.System OLAP, w którym nacisk kładziony jest na szybsze wyszukiwanie i analizę.
Integralność danychUtrzymanyMoże nie zatrzymać
NadmiarWyłączonyDodany
Liczba tabelZwiększaZmniejsza się
Miejsca na dyskuZoptymalizowane użycieUbytek

Definicja normalizacji

Normalizacja to metoda efektywnego porządkowania danych w bazie danych. Obejmuje on konstruowanie tabel i tworzenie relacji między tymi tabelami zgodnie z pewnymi określonymi regułami. Redundancję i niespójną zależność można usunąć za pomocą tych reguł, aby uczynić ją bardziej elastyczną.

Nadmiarowe dane marnują przestrzeń dyskową, zwiększają niespójność danych i spowalniają zapytania DML. Jeśli te same dane są obecne w więcej niż jednym miejscu i na tych danych jest zatwierdzana aktualizacja, wówczas zmiana musi być odzwierciedlona we wszystkich lokalizacjach. Niespójne dane mogą utrudniać wyszukiwanie i dostęp do danych, tracąc ścieżkę dostępu do nich.

Istnieją różne powody przeprowadzania normalizacji, takie jak unikanie redundancji, aktualizacja anomalii, niepotrzebne kodowanie, utrzymywanie danych w formie, która może łatwiej i dokładniej dopasowywać zmiany i wymuszać ograniczenie danych.

Normalizacja obejmuje analizę zależności funkcjonalnych między atrybutami. Relacje (tabele) są rozkładane z anomaliami generującymi relacje ze strukturą. Pomaga w decydowaniu, które atrybuty powinny być grupowane w relacji.

Normalizacja opiera się zasadniczo na pojęciach normalnych form . Mówi się, że tabela relacji ma normalną postać, jeśli spełnia pewien zestaw ograniczeń. Istnieje 6 zdefiniowanych normalnych form: 1NF, 2NF, 3NF, BCNF, 4NF i 5NF. Normalizacja powinna wyeliminować nadmiarowość, ale nie kosztem integralności.

Definicja denormalizacji

Denormalizacja jest odwrotnym procesem normalizacji, w którym znormalizowany schemat jest konwertowany na schemat, który ma nadmiarowe informacje. Wydajność jest lepsza dzięki redundancji i utrzymaniu redundancji danych. Powodem wykonywania denormalizacji są koszty ogólne generowane w procesorze kwerend przez nadmiernie znormalizowaną strukturę.

Denormalizacja może być również zdefiniowana jako metoda przechowywania łączenia wyższych normalnych relacji z formą jako relacji podstawowej, która ma niższą normalną postać. Zmniejsza liczbę tabel i skomplikowane połączenia tabel, ponieważ większa liczba połączeń może spowolnić proces. Istnieją różne techniki denormalizacji, takie jak: przechowywanie wartości pochodnych, wstępne łączenie tabel, zakodowane wartości i przechowywanie danych z wzorcem itp.

Tutaj podejście denormalizacji podkreśla koncepcję, że umieszczenie wszystkich danych w jednym miejscu może wyeliminować konieczność przeszukiwania tych wielu plików w celu zebrania tych danych. Podstawowa strategia jest stosowana w przypadku denormalizacji, gdzie wybiera się najbardziej decydujący proces w celu zbadania tych modyfikacji, które ostatecznie poprawią wydajność. A najbardziej podstawową zmianą jest dodanie wielu atrybutów do istniejącej tabeli, aby zmniejszyć liczbę złączeń.

Kluczowe różnice między normalizacją a denormalizacją

  1. Normalizacja jest techniką dzielenia danych na wiele tabel w celu zredukowania nadmiarowości i niespójności danych oraz osiągnięcia integralności danych. Z drugiej strony, Denormalizacja jest techniką łączenia danych w jedną tabelę, aby przyspieszyć pobieranie danych.
  2. Normalizacja jest używana w systemie OLTP, który kładzie nacisk na szybsze wstawianie, usuwanie i aktualizowanie anomalii. W przeciwieństwie do Denormalization jest używany w systemie OLAP, który kładzie nacisk na przyspieszenie wyszukiwania i analizy.
  3. Integralność danych jest utrzymywana w procesie normalizacji, podczas gdy integralność danych denormalizacyjnych jest trudniejsza do utrzymania.
  4. Nadmiarowe dane są eliminowane podczas normalizacji, a denormalizacja zwiększa ilość nadmiarowych danych.
  5. Normalizacja zwiększa liczbę tabel i połączeń. Natomiast denormalizacja zmniejsza liczbę tabel i łączy.
  6. Miejsce na dysku jest marnowane w denormalizacji, ponieważ te same dane są przechowywane w różnych miejscach. Wręcz przeciwnie, miejsce na dysku jest zoptymalizowane w znormalizowanej tabeli.

Wniosek

Normalizacja i denormalizacja są użyteczne w zależności od sytuacji. Normalizacja jest używana, gdy wymagana jest szybsza anomalia wstawiania, usuwania i aktualizacji oraz spójność danych. Z drugiej strony, Denormalizacja jest używana, gdy szybsze wyszukiwanie jest ważniejsze i aby zoptymalizować wydajność odczytu. Zmniejsza również koszty ogólne spowodowane przez znormalizowane dane lub skomplikowane połączenia tabel.

Top