21 ساعت قبل
Normalization چیست؟ نرمالسازی پایگاه داده
Normalization چیست؟ نرمالسازی پایگاه داده به زبان ساده
فرض کنید یک فروشگاه اینترنتی دارید و هر روز صدها سفارش در سیستم ثبت میشود. اطلاعات مشتری، شماره تلفن، آدرس، محصول و قیمت در دیتابیس ذخیره میشوند. حالا تصور کنید اطلاعات یک مشتری در صدها سفارش مختلف تکرار شده باشد.
در ابتدا شاید این موضوع مهم به نظر نرسد، اما وقتی تعداد اطلاعات زیاد شود، مشکلاتی مثل تکرار دادهها، افزایش حجم دیتابیس، سخت شدن تغییر اطلاعات و ایجاد دادههای اشتباه یا ناسازگار به وجود میآید.
مثلاً اگر یک مشتری شماره تلفن خود را تغییر دهد، در یک دیتابیس نامناسب ممکن است مجبور شویم شماره جدید را در تمام سفارشهای قبلی او تغییر دهیم. اگر حتی یکی از رکوردها فراموش شود، اطلاعات دیتابیس دیگر یکسان نخواهد بود.
اینجاست که مفهوم Normalization یا نرمالسازی پایگاه داده اهمیت پیدا میکند.
اما Normalization دقیقاً چیست و چرا برنامهنویسان هنگام طراحی دیتابیس از آن استفاده میکنند؟
Normalization چیست؟
Normalization یا نرمالسازی پایگاه داده فرآیندی برای سازماندهی اطلاعات در دیتابیس است تا دادههای تکراری کاهش پیدا کنند و هر اطلاعات در جای مناسب خودش ذخیره شود.
به زبان ساده:
Normalization یعنی اطلاعات دیتابیس را طوری سازماندهی کنیم که از تکرار غیرضروری دادهها جلوگیری شود و مدیریت اطلاعات سادهتر و مطمئنتر باشد.
نرمالسازی بیشتر در پایگاه دادههای رابطهای مانند SQL Server، MySQL، PostgreSQL و Oracle مورد استفاده قرار میگیرد.
در یک دیتابیس نرمالشده، معمولاً اطلاعات مختلف در جداول مرتبط قرار میگیرند و این جداول با استفاده از کلیدهایی مانند Primary Key و Foreign Key به یکدیگر متصل میشوند.
چرا به Normalization نیاز داریم؟
برای درک بهتر موضوع، دوباره به مثال فروشگاه اینترنتی برگردیم.
فرض کنید برای هر سفارش، نام مشتری، شماره تلفن، آدرس و اطلاعات محصول را دوباره ذخیره کنیم.
مثلاً مشتری «علی رضایی» دهها سفارش مختلف داشته باشد. در این حالت نام، شماره تلفن و اطلاعات مربوط به او بارها و بارها در دیتابیس تکرار میشوند.
حالا اگر علی شماره تلفن خود را تغییر دهد، چه اتفاقی میافتد؟
اگر شماره تلفن در تمام سفارشها ذخیره شده باشد، باید تمام سفارشهای مربوط به علی را پیدا کنیم و شماره جدید را در همه آنها وارد کنیم.
اگر یکی از رکوردها تغییر نکند، دیتابیس ما دو شماره تلفن متفاوت برای یک مشتری خواهد داشت.
این فقط یک مثال ساده است. در یک سیستم واقعی با میلیونها رکورد، چنین مشکلی میتواند بسیار جدیتر شود.
Normalization کمک میکند اطلاعات مشتری فقط در یک محل اصلی ذخیره شود و سفارشها به جای تکرار اطلاعات مشتری، فقط به آن مشتری ارجاع دهند.
یک مثال ساده برای درک Normalization
فرض کنید یک دفترچه تلفن دارید.
اگر شماره تلفن یک شخص را در ده صفحه مختلف نوشته باشید، هر بار که شماره او تغییر کند باید تمام ده صفحه را اصلاح کنید.
اما اگر اطلاعات شخص فقط یک بار ثبت شده باشد و در سایر قسمتها فقط به همان اطلاعات اشاره کنید، تغییر شماره بسیار سادهتر خواهد بود.
دیتابیس هم تقریباً با همین منطق کار میکند.
به جای اینکه اطلاعات یک مشتری را در صدها سفارش تکرار کنیم، اطلاعات مشتری را یک بار در جدول مربوط به مشتریان ذخیره میکنیم و سفارشها را به همان مشتری مرتبط میکنیم.
بدون Normalization چه مشکلاتی ایجاد میشود؟
اگر دیتابیس به شکل مناسبی طراحی نشده باشد، معمولاً با سه مشکل مهم روبهرو میشویم که به آنها Anomaly یا ناهنجاریهای دادهای گفته میشود.
Update Anomaly چیست؟
فرض کنید شماره تلفن یک مشتری در ۲۰۰ سفارش مختلف ذخیره شده است.
اگر مشتری شماره خود را تغییر دهد، باید هر ۲۰۰ رکورد را بررسی و اصلاح کنیم.
اگر یکی از آنها را فراموش کنیم، اطلاعات دیتابیس با یکدیگر تناقض پیدا میکنند.
این مشکل را Update Anomaly مینامیم.
Normalization با جلوگیری از ذخیره چندباره یک اطلاعات، احتمال چنین مشکلی را کاهش میدهد.
Insert Anomaly چیست؟
گاهی ساختار نامناسب دیتابیس باعث میشود نتوانیم یک اطلاعات جدید را بدون وارد کردن اطلاعات اضافی ثبت کنیم.
مثلاً فرض کنید اطلاعات محصولات و سفارشهای فروشگاه را در یک جدول بزرگ ذخیره کردهایم.
حالا فروشگاه میخواهد یک محصول جدید اضافه کند، اما هنوز هیچ مشتری آن محصول را خریداری نکرده است.
اگر ساختار دیتابیس به شکل اشتباهی طراحی شده باشد، ممکن است ثبت محصول جدید به اطلاعات سفارش وابسته باشد.
این مشکل نمونهای از Insert Anomaly است.
Delete Anomaly چیست؟
حالا فرض کنید اطلاعات یک محصول فقط در سفارشهای ثبتشده ذخیره شده است.
اگر آخرین سفارش مربوط به آن محصول را حذف کنیم، ممکن است اطلاعات خود محصول نیز از بین برود.
در حالی که ما فقط قصد داشتیم یک سفارش را حذف کنیم، نه اینکه محصول را از فروشگاه پاک کنیم.
این مشکل را Delete Anomaly مینامیم.
یکی از اهداف مهم Normalization این است که چنین وابستگیهای اشتباهی کاهش پیدا کنند.
Normalization چگونه مشکل را حل میکند؟
به جای اینکه همه اطلاعات را داخل یک جدول بزرگ قرار دهیم، اطلاعات مرتبط را در بخشهای منطقی جدا میکنیم.
برای مثال در یک فروشگاه اینترنتی میتوانیم اطلاعات مشتریان را در یک جدول، اطلاعات محصولات را در جدول دیگری و اطلاعات سفارشها را در جدول مربوط به سفارشها ذخیره کنیم.
سپس با استفاده از شناسهها بین این اطلاعات ارتباط ایجاد میکنیم.
مثلاً هر مشتری یک CustomerId دارد.
وقتی سفارشی برای آن مشتری ثبت میشود، به جای اینکه نام، شماره تلفن و سایر اطلاعات مشتری دوباره در سفارش ذخیره شود، فقط CustomerId در سفارش قرار میگیرد.
به این ترتیب سیستم میداند این سفارش متعلق به کدام مشتری است.
این ساختار باعث میشود اطلاعات تکراری کمتر شوند و تغییر اطلاعات نیز سادهتر شود.
Normal Form چیست؟
وقتی درباره Normalization صحبت میکنیم، احتمالاً با عبارت Normal Form یا «فرم نرمال» مواجه خواهید شد.
Normal Formها در واقع مجموعهای از قوانین هستند که به ما کمک میکنند جداول دیتابیس را به شکل استانداردتر و منطقیتری طراحی کنیم.
مهمترین فرمهایی که در بحث Normalization با آنها روبهرو میشویم عبارتاند از:
First Normal Form یا 1NF
Second Normal Form یا 2NF
Third Normal Form یا 3NF
و در مراحل پیشرفتهتر:
Boyce-Codd Normal Form یا BCNF
برای شروع یادگیری Normalization، درک سه فرم اول اهمیت زیادی دارد.
First Normal Form یا 1NF چیست؟
اولین مرحله First Normal Form یا 1NF است.
به زبان ساده، در 1NF هر خانه از جدول باید یک مقدار مشخص داشته باشد و نباید چند مقدار مختلف را به شکل یک لیست داخل یک سلول قرار دهیم.
مثلاً فرض کنید در اطلاعات یک مشتری، شماره تلفنها را اینگونه ذخیره کنیم:
09120000000, 09350000000
در این حالت چند مقدار مختلف داخل یک فیلد قرار گرفته است.
این کار میتواند هنگام جستوجو، تغییر یا مدیریت اطلاعات مشکل ایجاد کند.
در طراحی مناسب، اطلاعات باید به شکلی ذخیره شوند که هر فیلد یک مقدار مشخص و قابل مدیریت داشته باشد.
بنابراین یکی از مفاهیم اصلی 1NF این است که دادهها باید اتمی و قابل تفکیک باشند.
Second Normal Form یا 2NF چیست؟
بعد از رعایت 1NF، به Second Normal Form یا 2NF میرسیم.
در 2NF علاوه بر رعایت قوانین 1NF، باید مطمئن شویم ویژگیهای جدول به کل کلید اصلی وابسته هستند.
این موضوع بیشتر زمانی اهمیت پیدا میکند که جدول از یک Composite Key یا کلید اصلی ترکیبی استفاده کند.
برای مثال فرض کنید اطلاعات سفارشها را ذخیره میکنیم و کلید اصلی از ترکیب OrderId و ProductId ساخته شده است.
حالا اگر نام محصول فقط به ProductId وابسته باشد و هیچ ارتباطی با OrderId نداشته باشد، بهتر است اطلاعات محصول را در جدول جداگانه نگهداری کنیم.
در نتیجه اطلاعاتی مثل نام محصول فقط یک بار ذخیره میشوند و سفارشها با شناسه محصول به آن دسترسی پیدا میکنند.
هدف اصلی 2NF جلوگیری از وابستگی جزئی اطلاعات به بخشی از کلید ترکیبی است.
Third Normal Form یا 3NF چیست؟
یکی از مهمترین مراحل Normalization، Third Normal Form یا 3NF است.
در 3NF علاوه بر رعایت 1NF و 2NF، باید از وابستگیهای غیرمستقیم بین اطلاعات جلوگیری کنیم.
برای مثال فرض کنید در اطلاعات کاربران، UserId، نام کاربر، CityId و نام شهر را ذخیره کردهایم.
در این حالت نام شهر در واقع مستقیماً به کاربر وابسته نیست؛ بلکه به CityId وابسته است.
بنابراین بهتر است اطلاعات شهرها در بخش جداگانهای ذخیره شوند و کاربر فقط شناسه شهر را داشته باشد.
این کار باعث میشود اگر اطلاعات یک شهر تغییر کرد، نیازی نباشد اطلاعات تمام کاربران آن شهر را تغییر دهیم.
به زبان ساده، در 3NF تلاش میکنیم هر اطلاعات را به چیزی که واقعاً به آن وابسته است مرتبط کنیم.
یک مثال جذاب: اپلیکیشن سفارش غذا
فرض کنید در حال طراحی دیتابیس یک اپلیکیشن سفارش غذا هستید.
در چنین برنامهای اطلاعات مختلفی داریم:
کاربران، رستورانها، غذاها، سفارشها و جزئیات هر سفارش.
اگر تمام این اطلاعات را در یک جدول بزرگ ذخیره کنیم، احتمال تکرار دادهها بسیار زیاد میشود.
مثلاً اطلاعات یک رستوران ممکن است در هزاران سفارش تکرار شود.
اگر شماره تلفن رستوران تغییر کند، مجبور خواهیم بود تعداد زیادی رکورد را تغییر دهیم.
اما در یک طراحی مناسب، اطلاعات رستوران در محل خودش قرار میگیرد و سفارش فقط با استفاده از یک شناسه به آن رستوران اشاره میکند.
همین منطق درباره کاربران، غذاها و سفارشها نیز استفاده میشود.
نتیجه این است که اطلاعات منظمتر میشوند، تکرار کاهش پیدا میکند و نگهداری سیستم سادهتر خواهد شد.
یک نمونه ساده SQL
برای مثال میتوانیم اطلاعات مشتریان را در یک جدول جداگانه ایجاد کنیم:
CREATE TABLE Customers (
CustomerId INT PRIMARY KEY,
Name NVARCHAR(100),
Phone NVARCHAR(20)
);
حالا اطلاعات یک مشتری فقط یک بار ذخیره میشود:
INSERT INTO Customers
VALUES (1, N'علی رضایی', '09120000000');
اگر مشتری شماره تلفن خود را تغییر دهد، فقط همان رکورد را بهروزرسانی میکنیم:
UPDATE Customers
SET Phone = '09350000000'
WHERE CustomerId = 1;
در این حالت دیگر لازم نیست تمام سفارشهای مشتری را پیدا کنیم و شماره تلفن را در تکتک آنها تغییر دهیم.
البته این مثال فقط برای درک مفهوم Normalization است و طراحی دیتابیس واقعی میتواند بر اساس نیاز پروژه بسیار پیچیدهتر باشد.
آیا Normalization همیشه بهتر است؟
شاید بعد از خواندن این مطالب فکر کنید:
«پس هرچه دیتابیس را بیشتر نرمال کنیم، بهتر است.»
اما همیشه اینطور نیست.
Normalization بیش از حد میتواند باعث ایجاد جداول بسیار زیاد و Queryهای پیچیدهتر شود.
در بعضی پروژهها، مخصوصاً سیستمهای بزرگ و سیستمهای تحلیلی، ممکن است برای افزایش سرعت خواندن اطلاعات، بعضی دادهها عمداً تکرار شوند.
به این فرآیند Denormalization یا غیرنرمالسازی گفته میشود.
بنابراین هدف برنامهنویس این نیست که همیشه تمام تکرارهای ممکن را حذف کند.
هدف اصلی این است که بر اساس نیاز پروژه، بین ساختار مناسب دادهها، کاهش تکرار و عملکرد سیستم تعادل ایجاد شود.
Normalization و Denormalization چه تفاوتی دارند؟
Normalization بیشتر روی کاهش تکرار اطلاعات و ایجاد ساختار منطقی بین دادهها تمرکز دارد.
در مقابل، Denormalization ممکن است برخی اطلاعات را عمداً تکرار کند تا دسترسی به دادهها سریعتر یا Queryهای خاص سادهتر شوند.
برای مثال تصور کنید یک سیستم گزارشگیری باید دائماً اطلاعات چندین جدول را با یکدیگر ترکیب کند.
گاهی ذخیره کردن برخی اطلاعات به صورت تکراری میتواند باعث شود گزارشها سریعتر اجرا شوند.
پس هیچکدام از این دو روش همیشه و برای همه پروژهها بهترین انتخاب نیستند.
طراحی درست به نوع نرمافزار، حجم داده، نوع Queryها و نیازهای سیستم بستگی دارد.
مهمترین مزایای Normalization
نرمالسازی میتواند مزایای مهمی برای طراحی دیتابیس داشته باشد.
اولین مزیت، کاهش دادههای تکراری است. وقتی یک اطلاعات فقط در محل مناسب خودش ذخیره شود، حجم اطلاعات غیرضروری کاهش پیدا میکند.
مزیت دوم، کاهش خطا و ناسازگاری دادهها است. وقتی اطلاعات یک مشتری در چندین مکان مختلف ذخیره نشده باشد، احتمال وجود اطلاعات متناقض نیز کمتر خواهد شد.
مزیت دیگر، سادهتر شدن عملیات Update است. بهجای تغییر یک اطلاعات در صدها رکورد، معمولاً کافی است اطلاعات اصلی را در یک محل تغییر دهیم.
Normalization همچنین باعث میشود ساختار دیتابیس منطقیتر و نگهداری آن در پروژههای بزرگ سادهتر شود.
آیا همه برنامهنویسان باید Normalization را یاد بگیرند؟
اگر در ابتدای مسیر برنامهنویسی هستید، شاید لازم نباشد از همان روز اول تمام جزئیات Normal Formها را حفظ کنید.
اما اگر قصد دارید در زمینههایی مانند Backend، طراحی دیتابیس، ASP.NET Core، PHP، Java، Python یا توسعه Web API فعالیت کنید، آشنایی با Normalization بسیار مهم خواهد بود.
چون برنامهنویسی فقط نوشتن کد نیست.
یک برنامهنویس حرفهای باید بداند اطلاعات برنامه چگونه ذخیره میشوند، چه ارتباطی با یکدیگر دارند و چگونه میتوان ساختار دیتابیس را طوری طراحی کرد که در آینده نیز قابل مدیریت باشد.
جمعبندی
Normalization یا نرمالسازی پایگاه داده فرآیندی برای سازماندهی اطلاعات در دیتابیس است که هدف اصلی آن کاهش تکرار غیرضروری دادهها و ایجاد ساختاری منطقی و قابل مدیریت است.
با استفاده از Normalization میتوان مشکلاتی مانند Update Anomaly، Insert Anomaly و Delete Anomaly را کاهش داد و اطلاعات را در جداول مرتبط و مناسب قرار داد.
در مسیر یادگیری Normalization، مفاهیمی مانند 1NF، 2NF و 3NF اهمیت زیادی دارند. هر مرحله قوانین بیشتری برای سازماندهی صحیح اطلاعات ارائه میکند.
با این حال، نرمالسازی به این معنی نیست که باید تمام اطلاعات را تا حد ممکن از یکدیگر جدا کنیم. در بعضی پروژهها استفاده کنترلشده از Denormalization میتواند برای افزایش عملکرد سیستم مفید باشد.
در نهایت، یک برنامهنویس خوب باید بتواند بر اساس نیاز پروژه تصمیم بگیرد که اطلاعات چگونه ذخیره و بین جداول چگونه سازماندهی شوند.
اگر قصد دارید وارد دنیای برنامهنویسی، طراحی دیتابیس و توسعه نرمافزار شوید، یادگیری مفاهیمی مانند SQL، Database، Primary Key، Foreign Key و Normalization یکی از پایههای مهم مسیر شما خواهد بود.
فرایانه؛ جایی که مفاهیم پیچیده برنامهنویسی و کامپیوتر را به زبان ساده، کاربردی و قابل فهم آموزش میدهیم. 💚
تماس با آموزشگاه کامپیوتر فرایانه
آدرس: میاندورود - سورک - 100 متر قبل از تامین اجتماعی - نبش کوچه بخشی
تلفن : 01133881416 - 09378950221
ایمیل: FarayaneAcademy@gmail.com
تماس همه روزه از ساعت 9 صبح تا 20 شب
برای عضویت در خبرنامه آموزشگاه کامپیوتر فرایانه شماره تماس خود را وارد نمائید