Normalization vs Denormalization: 실제 예제를 가진 능률적인 데이타베이스 Schemas 설계

올바른 데이터베이스 스키마 디자인을 선택하면 성능과 데이터 무결성을 유지하기위한 필수입니다. 두 가지 일반적인 접근법은 정상화 및 정정화입니다. 그들의 차이점을 이해하는 것은 특정 필요에 맞는 효율적인 데이터베이스를 설계하는 데 도움이됩니다.

의약

정상적인화는 중복과 의존성을 줄이기 위해 데이터를 정리합니다. 그것은 여러 관련 테이블에 데이터를 분할, 특정 법인 또는 관계를 대표. 이 과정은 데이터 일관성과 단순화 된 업데이트를 보장합니다.

가장 일반적인 3가지 형태가 있는 몇몇 정상적인 형태가 있습니다: 1NF, 2NF 및 3NF. 각 모양은 중복 자료를 삭제하고 논리적인 자료 저장을 지킵니다 규칙을 부과합니다.

Denormalization는 의도적으로 읽기 성과를 개량하기 위하여 데이터베이스로 중복을 소개하는 것을 포함합니다. 그것은 테이블을 결합하거나 수채 도중 필요로 하는 결합의 수를 감소시키기 위하여 과다한 자료를 추가합니다.

이 접근법은 데이터의 검색 속도를 높일 수 있지만, 신중하게 관리되지 않은 경우 스토리지 요구 사항과 잠재적 인 데이터 일관성을 증가시킬 수 있습니다.

고객 주문 시스템을 고려하십시오. 정상적인화, 고객 및 주문 세부 정보를 사용하여 외국 키에 연결된 별도의 테이블에 저장됩니다. 이 설정은 중복을 최소화하고 업데이트가 곧 시작됩니다.

대조적으로, denormalization는 증가한 저장과 정비 복잡성의 비용에 보고 발생을 가속화하기 위하여 고객 및 순서 자료로 단 하나 테이블에 결합할지도 모릅니다.