Innehåll
- Minskar data dubbelarbete
- Gruppera data logiskt
- Säkerställer referensintegritet i data
- Minska databasprestanda
- Kräver detaljerad analys och design
Datordatabaser finns överallt, från banker (för att registrera kundkonton) till webbplatser (för att lagra innehåll). Databaser fungerar bäst när de är väl utformade. Normalisering av en databas innebär att man konstruerar en struktur som lagrar data på ett logiskt och relaterat sätt. Det vanligaste är att normalisera alla databaser och denna process har sina fördelar och nackdelar.
Minskar data dubbelarbete
Databaser kan ha en betydande mängd information, kanske miljoner eller miljarder datafragment. Normalisering av en databas minskar dess storlek och förhindrar dubbla data, så att varje data sparas en gång.
Gruppera data logiskt
Programutvecklare, som gör program som "pratar" till en databas, gör det lättare att hantera en normaliserad bas. Den åtkomliga informationen organiseras mer logiskt, på samma sätt som de verkliga världsobjekten som representeras av dem. Detta gör det enkelt att designa, skriva och ändra applikationer.
Säkerställer referensintegritet i data
Referensintegritet är införandet av relationer mellan data i sammanfogade tabeller. Utan det kan data i en tabell förlora anslutningar till andra tabeller där data är relaterade. Detta leder till föräldralösa och inkonsekventa uppgifter. En standarddatabas med fackföreningar mellan tabeller kan förhindra att detta händer.
Minska databasprestanda
En mycket normaliserad databas, med många tabeller och fackföreningar mellan dem, är långsammare än en annan utan dessa attribut. Om alltför många använder det samtidigt, kommer hastigheten att minskas. I vissa fall krävs en viss mängd "denormalisering" för att förbättra prestanda.
Kräver detaljerad analys och design
Normalisering av en databas är en komplex och svår uppgift. Stora databaser med stor mängd information, som synpunkter på banker, behöver noggrann analys och design innan de standardiseras. Att känna till användningen av en databas, till exempel om den ska optimeras för att läsa data, skriva den eller båda, påverkar också normaliseringsprocessen. En dåligt normaliserad databas kan fungera dåligt och ineffektivt lagra data.