Databaser är en viktig del av moderna datorsystem.
Datordatabaser finns överallt, från de som används av banker för att spåra kundkonton till de som används av webbplatser för att lagra innehåll. Databaser fungerar bäst när de är väl utformade. Normalisering av en databas innebär att designa databasstrukturen för att lagra data på ett logiskt och relaterat sätt. Det är vanligt att alla databaser är normaliserade, och att normalisera en databas har fördelar och nackdelar.
Minskar dataduplicering
Databaser kan innehålla en betydande mängd information, kanske miljoner eller miljarder data. Normalisering av en databas minskar dess storlek och förhindrar dataduplicering. Det säkerställer att varje del av data endast lagras en gång.
Dagens video
Gruppera data logiskt
Applikationsutvecklare som skapar applikationer för att "prata" med en databas har lättare att hantera en normaliserad databas. De data som de kommer åt är organiserade mer logiskt i en normaliserad databas, ofta liknande det sätt på vilket de verkliga objekten som data representerar är organiserade. Det gör utvecklarnas applikationer lättare att designa, skriva och ändra.
Upprätthåller referensintegritet på data
Referensintegritet är upprätthållandet av relationer mellan data i sammanfogade tabeller. Utan referensintegritet kan data i en tabell förlora sin länk till andra tabeller där relaterad data lagras. Detta leder till föräldralösa och inkonsekventa data i tabeller. En normaliserad databas, med kopplingar mellan tabeller, kan förhindra att detta händer.
Saktar ned databasprestanda
En mycket normaliserad databas med många tabeller och kopplingar mellan tabellerna är långsammare än en databas utan dessa attribut. Många människor som använder en normaliserad databas samtidigt kan också sakta ner databashastigheten. I vissa fall kan en viss denormalisering av databasen krävas för att förbättra databashastigheten.
Kräver detaljerad analys och design
Att normalisera en databas är en komplex och svår uppgift. Stora databaser med stora mängder information, till exempel sådana som drivs av banker, kräver noggrann analys och design innan de normaliseras. Att känna till den avsedda användningen av en databas, till exempel om den ska optimeras för att läsa data, skriva data eller båda, påverkar också hur den normaliseras. En dåligt normaliserad databas kan fungera dåligt och lagra data ineffektivt.
