Нормальные и ненормальные данные

Разобравшись с сущностями и связями, пора перейти к проектированию схемы БД. И тут мы можем увидеть, что одни и те же сущности могут иметь совершенно различное представление. И мы убедимся в этом по ходу главы.

А для начала, давайте возьмем предметную область "Расписание университета" и попробуем спроектировать схему БД. Взглянем вот на такую таблицу:

Давайте обсудим, что в ней не так и почему?

Наводящие вопросы:

1. Чем определяется строка?
2. Как узнать, кто ведет БД?
3. Что не так с телефоном, факультетом, предметами?

Мои наблюдения:

1. Много сущностей намешаны в одну таблицу
2. Строка определяется всей строкой (нет явно выраженного идентификатора строки)
3. В одном столбце встречается несколько свойств (телефон: номер и тип; факультет: факультет и кафедра)
4. Имя столбца не соответствует данным (факультет)
5. Данные дублируются (название факультета, название предметов)
6. Присутствуют коллекции в рамках одного свойства (предметы)
7. Одно и то же свойство "размазано" по разным столбцам (телефоны)

Все эти особенности нашей схемы можно объединить и назвать одном словом - аномалия.

Аномалия - такая ситуация в таблице БД, которая приводит к противоречию в БД либо существенно усложняет обработку. Причиной является излишнее дублирование данных в таблице, которое вызывается наличием функциональных зависимостей от неключевых атрибутов. Т.е. аномалия - это когда я не могу внести изменение в один объект, не затронув другого.

Выделяют 3 типа аномалий:

Аномалии-модификации проявляются в том, что изменение одних данных может повлечь просмотр всей таблицы и соответствующее изменение некоторых записей таблицы. Например, нам нужно поменять название факультета.

Аномалии-удаления случаются при удалении какого либо кортежа из таблицы, которое может привести к потере информации, которая не связана на прямую с удаляемой записью. Например, удаление записи о преподавателе приведет к потере информации о кафедре, т.к. она нигде больше не присутствует.

Аномалии-добавления возникают, когда информацию в таблицу нельзя поместить, пока она не полная, либо вставка записи требует дополнительного просмотра таблицы. Например, мы хотим добавить в БД преподавателя, но пока не знаем, какие предметы он будет вести. Соответственно, нам необходимо оставлять пустые поля.¹

Процесс нормализации

Процесс избавления от аномалий называется процессом нормализации БД. Соответственно, цель нормализации - исключить избыточность данных и убрать функциональные зависимости данных (когда одни данные в таблице зависят от других.).

Процесс проектирования методом НФ является итеративным. Существуют различные нормальные формы (6 + 2). Каждая из которых сохраняет предыдущие и добавляет дополнительные ограничения на допустимые типы функциональных зависимостей. Соответственно, процесс является итеративным. И с каждой следующей итерацией мы продолжаем процесс декомпозиции данных.

Зачем нужен процесс нормализации?

На этот можно посмотреть с двух сторон:

1. математический подход (взгляд архитектора БД)
2. прагматический подход (взгляд программиста)

Каждый из них приследует свои цели:

• Архитектор:

  • устранение аномалий (конфликтов), проблем и неоднозначностей (чтобы все было корректным с математической точки зрения)

• Программист:

  • повышение производительности
  • удобство работы

Собственно, теперь перейдем к самим нормальным формам.

И перед приведением к первой нормальной форме, стоит обратить внимание на одно свойство реляционных таблиц. В таблицах (с точки зрения реляционной алгебры) не имеет значения порядок строк и столбцов. Это очень важное замечание. И поэтому, с точки зрения релационной алгебры, Excel - не таблица. Хотя, думаю, корректнее было бы просто разделить понятия отношение и таблица.

Теперь, когда порядок строк и столбцов не имеет значения, можем идти дальше. Всего существует 6 нормальных форм + две именные нормальные формы. Мы разберем некоторые из них (наиболее актуальные с практической точки зрения)

Первая нормальная форма (1-НФ, 1-NF)

Фокус внимания: строка, столбец и ячейка используются по-назначению.

Характеристики (ограничения):

• нет строк-дубликатов
• в каждой строке хранится атомарное значение. Факультет и кафедра - это два разных свойства.
• в столбце хранятся данные одного типа.
• отсутствуют массивы и списки в любой виде. Например, предметы и телефоны в нашем примере нарушают эту характеристику.

Приведем нашу таблицу к 1-НФ:

Обратите внимание, дальнейшее приведение к 1-НФ возможно только при вынесении предметов в отдельную таблицу. Давайте сделаем это:

Сотрудники

Предметы

Вторая нормальная форма

Фокус внимания: Выбор правильного ключа (то, что однозначно определяет строку). Особенно, если он составной

Характеристики:

• таблица содержит ключ
• все неключевые столбцы зависят от полного ключа

Ключ - столбец (либо их множество), однозначно определяющий строку.
В первой таблице мы видим, что присутствует зависимость между ФИО, должностью, факультетом и кафедрой. Для соответствия 2-НФ нам необходимо разделить информацию о сотрудниках и их контактах:

Сотрудники

Контакты

Третья нормальная форма и нормальная форма Бойса-Кодда

Фокус внимания: неключевые столбцы. Нет транзитивных зависимостей

• неключевые столбцы не зависят от других неключевых столбцов (не является ли какие-либо столбцы функцией от набора неключевых столбцов?)

Четвертая нормальная форма

Фокус внимания: Многозначные зависимости (multivalue dependency)
Транзитивной зависимости нет, но есть другая (преподаватель, курс, аудитория)

• в таблице должно быть не более одной многозначной записимости. Если таких зависимостей больше, разбиваем на таблицы.
• При проектировании структуры БД важно представлять действия/операции, которые планируется делать над ними.

Глоссарий

Атрибут — свойство некоторой сущности. Часто называется полем таблицы.

Домен атрибута — множество допустимых значений, которые может принимать атрибут.

Кортеж — конечное множество взаимосвязанных допустимых значений атрибутов, которые вместе описывают некоторую сущность (строка таблицы).

Отношение — конечное множество кортежей (таблица).

Схема отношения — конечное множество атрибутов, определяющих некоторую сущность. Иными словами, это структура таблицы, состоящей из конкретного набора полей.

Проекция — отношение, полученное из заданного путём удаления и (или) перестановки некоторых атрибутов.

Функциональная зависимость между атрибутами (множествами атрибутов) X и Y означает, что для любого допустимого набора кортежей в данном отношении: если два кортежа совпадают по значению X, то они совпадают по значению Y. Например, если значение атрибута «Название компании» — Canonical Ltd, то значением атрибута «Штаб-квартира» в таком кортеже всегда будет Millbank Tower, London, United Kingdom. Обозначение: {X} -> {Y}.

Нормальная форма — требование, предъявляемое к структуре таблиц в теории реляционных баз данных для устранения из базы избыточных функциональных зависимостей между атрибутами (полями таблиц).

Метод нормальных форм (НФ) состоит в сборе информации о объектах решения задачи в рамках одного отношения и последующей декомпозиции этого отношения на несколько взаимосвязанных отношений на основе процедур нормализации отношений.

Вопросы

TODO

• Нормальные формы

• Нормально - это хорошо? Денормализуем БД

• лекция mail.ru

• шесть нормальных форм

• руководство по проектированию БД
• http://5fan.ru/wievjob.php?id=27101
• денормализация. Зачем?
• Стоит заметить, что нормальная форма выглядит интуитивно-естественной.
• Ненормализованная база - это как человек с двумя часами. Он не знает, которые показывают правильное время.

¹. Есть мнение, что изобилие NULL в БД свидетельствует о плохой схеме. ↩