Definizione di normalizzazione

Transcript

1 Definizione di normalizzazione Il termine normalizzazione indica il processo di organizzazione dei dati in un database. Tale processo comprende la creazione di tabelle e la definizione di relazioni tra di esse sulla base di regole progettate in modo da proteggere i dati e rendere il database più flessibile mediante l'eliminazione della ridondanza e delle dipendenze incoerenti. La presenza di dati ridondanti comporta uno spreco di spazio su disco nonché problemi di manutenzione. Se è necessario modificare dati presenti in più posizioni, la modifica deve essere effettuata ovunque seguendo le stesse modalità. Ad esempio, è più agevole implementare la modifica relativa all'indirizzo di un cliente se i dati relativi sono memorizzati solo nella tabella Clienti. Che cos'è una "dipendenza incoerente"? Mentre è intuitivo per un utente cercare nella tabella Clienti l'indirizzo di un cliente specifico, può non avere senso cercare in tale tabella le informazioni relative allo stipendio del dipendente che si occupa di quel cliente. Le informazioni sullo stipendio sono correlate al dipendente, ovvero sono dipendenti da quest'ultimo, pertanto devono essere spostate nella tabella Dipendenti. Le dipendenze incoerenti possono rendere difficile l'accesso ai dati, in quanto il percorso per la ricerca dei dati può risultare mancante o danneggiato. Per la normalizzazione dei database è necessario seguire alcune regole, ciascuna delle quali viene definita "forma normale". Se si osserva la prima regola, il database viene considerato nella "prima forma normale". Se si osservano le prime tre regole, il database viene considerato nella "terza forma normale". Sebbene siano possibili altri livelli di normalizzazione, la terza forma normale è considerata il livello massimo necessario per la maggior parte delle applicazioni. Come per molte regole e specifiche formali, gli scenari reali non consentono sempre la conformità totale. In generale poiché la normalizzazione richiede l'uso di tabelle aggiuntive, viene considerata troppo dispendiosa da alcuni clienti. Se si decide di violare una delle prime tre regole di normalizzazione, assicurarsi che l'applicazione sia in grado di prevenire i problemi che possono derivarne, quali la ridondanza dei dati e le dipendenze incoerenti. Nelle descrizioni che seguono sono inclusi alcuni esempi. Prima forma normale Eliminare i gruppi ripetuti in singole tabelle. Creare una tabella separata per ciascun insieme di dati correlati. Identificare ciascun insieme di dati correlati associandovi una chiave primaria. Non utilizzare campi multipli in una singola tabella per memorizzare dati simili. Ad esempio, per controllare una voce di inventario proveniente da due possibili origini, è possibile creare un record di inventario contenente i campi per Codice fornitore 1 e Codice fornitore 2. Che cosa succede quando si aggiunge un terzo fornitore? La soluzione non consiste nell'aggiungere un campo. Sono infatti necessarie modifiche al programma e alla tabella che tuttavia non permettono di inserire agevolmente un numero dinamico di fornitori. È invece opportuno inserire tutte le informazioni sui fornitori in un'altra tabella denominata Fornitori e quindi collegare l'inventario ai fornitori tramite una chiave basata sul numero di voce oppure i fornitori all'inventario tramite una chiave basata sul codice fornitore. Seconda forma normale

2 Creare tabelle separate per insiemi di valori validi per più record. Correlare queste tabelle a una chiave esterna. I record devono dipendere solo dalla chiave primaria di una tabella, se necessario una chiave composta. Si consideri, ad esempio, l'indirizzo di un cliente in un sistema contabile. Si noterà che l'indirizzo è richiesto non solo dalla tabella Clienti, ma anche dalle tabelle Ordini, Spedizioni, Fatture, Contabilità fornitori e Raccolte. Invece di memorizzare l'indirizzo del cliente come voce separata in ciascuna tabella, è preferibile memorizzarlo in un'unica tabella, ovvero nella tabella Clienti oppure in una tabella Indirizzi separata. Terza forma normale Eliminare i campi che non dipendono dalla chiave. I valori di un record non compresi nella relativa chiave non appartengono alla tabella. In generale, ogni volta che il contenuto di un gruppo di campi può essere applicabile a più record della tabella, provare a inserire tali campi in una tabella separata. Ad esempio, in una tabella Colloqui di assunzione è possibile includere il nome e l'indirizzo dell'università dei candidati. Per i gruppi di distribuzione è tuttavia necessario disporre di un elenco completo di università. Se le informazioni sull'università sono memorizzate nella tabella Candidati, non sarà possibile ottenere l'elenco delle università non associate ai candidati correnti. Creare una tabella Università separata e collegarla alla tabella Candidati utilizzando una chiave basata sul codice università. ECCEZIONE: l'adozione della terza forma normale non è sempre pratica anche se teoricamente auspicabile. Se si dispone di una tabella Clienti e si desidera eliminare tutte le possibili dipendenze tra campi, è necessario creare tabelle separate per città, CAP, rappresentanti, classi di clienti e gli eventuali altri fattori che possono essere duplicati in più record. Nella teoria la normalizzazione è sempre auspicabile, tuttavia l'utilizzo di un numero elevato di tabelle di dimensioni limitate può determinare una riduzione del livello delle prestazioni oppure richiedere capacità di memoria e di apertura dei file superiori a quelle disponibili. Può risultare più appropriato applicare la terza forma normale solo ai dati soggetti a frequenti modifiche. Se sussistono dei campi dipendenti, progettare l'applicazione in modo da richiedere la verifica di tutti i campi correlati in caso di modifica di un campo. Altre forme di normalizzazione Sono inoltre disponibili una quarta forma normale, denominata Boyce Codd Normal Form (BCNF), e una quinta forma anche se vengono raramente prese in considerazione nella progettazione pratica. Il mancato utilizzo di queste regole può non consentire una perfetta progettazione del database, senza tuttavia influire negativamente sulla funzionalità. Normalizzazione di una tabella di esempio La procedura descritta di seguito illustra il processo di normalizzazione di una tabella Students fittizia. 1. Tabella non normalizzata: Student Advisor Adv-Room Class1 Class2 Class Jones

3 4123 Smith Prima forma normale: nessun gruppo ripetuto Le tabelle dovrebbero presentare solo due dimensioni. Poiché a un singolo studente sono associate più classi, è necessario elencare tali classi in una tabella diversa. I campi Class1, Class2 e Class3 nel record sopra riportato sono dunque indice di problemi di progettazione. Nei fogli di calcolo viene spesso utilizzata la terza dimensione, ma non nelle tabelle. Un'altra prospettiva da cui osservare questo problema è l'utilizzo di una relazione uno-amolti. In questo caso non inserire entrambi i lati della relazione nella stessa tabella, ma creare un'altra tabella utilizzando la prima forma normale ed eliminando il gruppo ripetuto (Class), come illustrato di seguito: Student Advisor Adv-Room Class 1022 Jones Jones Jones Smith Smith Smith Seconda forma normale: eliminazione di dati ridondanti 4. Considerare i valori multipli di Class per ciascun valore Student nella tabella sopra riportata. Class non è funzionalmente dipendente da Student (chiave primaria), pertanto questa relazione non è compresa nella seconda forma normale. Le due tabelle che seguono illustrano la seconda forma normale: Students: Student Advisor Adv-Room 1022 Jones Smith 216 Registration: Student Class Terza forma normale: eliminazione di dati non dipendenti da chiave Nell'ultimo esempio, Adv-Room (il numero dell'ufficio del tutor) non è funzionalmente

4 dipendente dall'attributo Advisor. Per risolvere il problema è possibile spostare tale attributo dalla tabella Students alla tabella Faculty, come illustrato di seguito: Students: Student Advisor 1022 Jones 4123 Smith 6. Faculty: Name Room Dept Jones Smith Prima Forma Normale Definizione: Si dice che una base dati è in 1NF (prima forma normale) se vale la seguente relazione per ogni relazione contenuta nella base dati: una relazione è in 1NF se e solo se: 1. non presenta gruppi di attributi che si ripetono (ossia ciascun attributo è definito su un dominio con valori atomici). 2. esiste una chiave primaria (ossia esiste un insieme di attributi, che identifica in modo univoco ogni tupla della relazione) Violazioni della 1NF (atomicità dei valori) Il seguente esempio viola la 1NF, perché pur esistendo una chiave primaria ({Matricola,Materia}), l'attributo Voto non è definito su un dominio con valori atomici: Voti Matricola Studente Materia Voto Pietro Basi di Dati 1 sem, B ; 2 sem, F Pietro Basi di Dati 1 sem, A ; 2 sem, A Sara Basi di Dati 1 sem, B ; 2 sem, A

5 È necessario ristrutturare la relazione come segue: Voti Matricola Studente Materia Semestre Voto Pietro Basi di Dati 1 B Pietro Basi di Dati 2 F Pietro Basi di Dati 1 A Pietro Basi di Dati 2 A Sara Basi di Dati 1 B Sara Basi di Dati 2 A Violazioni della 1NF (chiave primaria) Il seguente esempio viola la 1NF, perché pur non presentando gruppi di attributi che si ripetono, manca una chiave primaria, rendendo impossibile distinguere studentesse e studenti con lo stesso nome: Voti Studente Materia Semestre Voto Pietro Basi di Dati 1 A

6 Pietro Basi di Dati 2 A Pietro Basi di Dati 1 A Pietro Basi di Dati 2 A Sara Basi di Dati 1 B Sara Basi di Dati 2 A È necessario ristrutturare la relazione, per esempio, come segue: Voti Matricola Studente Materia Semestre Voto nnnn-nnn-nn Pietro Basi di Dati 1 A... Pietro Basi di Dati 2 A... Pietro Basi di Dati 1 A... Pietro Basi di Dati 2 A... Sara Basi di Dati 1 B... Sara Basi di Dati 2 A

7 Seconda Forma Normale Definizione: Una base dati è invece in 2NF (seconda forma normale) quando è in 1NF e per ogni tabella tutti i campi non chiave dipendono funzionalmente dall'intera chiave composta e non da una parte di essa. Come esempio supponiamo di avere una tabella con gli esami sostenuti dagli studenti universitari. I campi di interesse potrebbero quindi essere i seguenti: "Codice corso di laurea" "Codice esame" "Matricola studente" "Voto conseguito" "Data superamento" La tabella avrà quindi la seguente intestazione id_corso_laurea id_esame id_studente voto data La chiave candidata (tale terminologia è riservata alle superchiavi minimali, anche dette semplicemente chiavi) è rappresentata dalla tripla evidenziata, ossia da: "Codice corso di laurea" "Codice esame" "Matricola studente" Essa infatti risulta essere l'insieme di chiavi minimale per poter identificare in modo univoco le tuple (i record) della tabella. I campi "Voto conseguito" e "Data superamento", invece, sono campi non chiave, e fanno riferimento all'intera superchiave. Difatti, se dipendessero solo da: "Codice corso di laurea" si perderebbero le informazioni relative allo studente e all'esame superato "Codice esame" si perderebbero le informazioni relative allo studente ed al corso di laurea a cui l'esame appartiene "Matricola studente" si perderebbero le informazioni relative all'esame superato e al corso di laurea a cui lo studente è iscritto. "Codice corso di laurea", "Codice esame" si perderebbero le informazioni relative allo studente che ha superato l'esame "Codice corso di laurea", "Matricola studente" si perderebbero le informazioni relative all'esame superato "Matricola studente", "Codice esame" si perderebbero le informazioni relative al Corso di Laurea di appartenenza.

8 Terza Forma Normale Definizione: Una base dati è in 3NF (terza forma normale) se è in 2NF e per ogni dipendenza funzionale è vera una delle seguenti condizioni: X è una superchiave della relazione Y è membro di una chiave della relazione Quindi, una relazione si dice in terza forma normale (3FN) quando è innanzitutto in seconda forma normale e tutti gli attributi non-chiave dipendono dalla chiave soltanto, ossia non esistono attributi che dipendono da altri attributi non-chiave. Tale normalizzazione elimina la dipendenza transitiva degli attributi dalla chiave. La prima forma normale (1NF) La prima forma normale definita per un database esprime un concetto semplice ma fondamentale: ogni riga di ciascuna tabella deve poter essere identificata in modo univoco tramite un gruppo di dati in essa contenuti. In altre parole, in una tabella del tipo: Nome Età Professione Alberto 30 Impiegato Gianni 24 Studente Alberto 30 Impiegato Giulia 50 Insegnante non è possibile distinguere il dato inserito nella prima riga da quello inserito nella terza: le due righe sono infatti identiche. L'Alberto della prima riga, di 30 anni impiegato, non è infatti distinguibile dall'alberto, 30 anni, impiegato, della terza riga. Il problema potrebbe essere risolto inserendo un altro campo nella tabella, con valore diverso per ogni riga, ad esempio il codice fiscale. A questo punto il database sarebbe in prima forma normale. Il campo o l'insieme di campi diversi per ciascuna riga e sufficienti ad identificarla sono detti chiave primaria della tabella (in questo caso il codice fiscale).

9 Codice Fiscale Nome Età Professione LBRRSS79Y12T344A Alberto 30 Impiegato GNNBNCT84A11L611B Gianni 24 Studente LBRMNN79E64A112A Alberto 30 Impiegato GLSTMT59U66P109B Giulia 50 Insegnante Il miglioramento delle prestazioni in questo caso è piuttosto evidente: la presenza di righe uguali all'interno di una tabella è infatti un evidente sintomo di inefficienza, che viene così eliminato. Proprio per questo tutti i principali software di gestione database (come ad esempio SQL Server e Oracle) richiedono all'utente di definire una chiave primaria per ogni tabella creata. Si noti che la presenza di una chiave primaria è requisito indispensabile ma non sufficiente affinchè una base dati sia in prima forma normale; infatti è altresì necessario che non vi siano gruppi di attributi che si ripetono (ossia ciascun attributo deve essere definito su un dominio con valori atomici). La tabella vista poco sopra è in 1NF; per chiarezza facciamo un esempio di una tabella che, seppur munita di una chiave primaria, non può essere considerata in forma normale: Codice Fiscale Nome Dettagli LBRRSS79Y12T344A Alberto età: 30; professione: Impiegato GNNBNCT84A11L611B Gianni età: 24; professione: Studente La tabella qui sopra NON è in 1NF in quanto, pur avendo una chiave primaria, presenta un campo (dettagli) che non contiene dati in forma atomica.

10 La seconda forma normale (2NF) Un ulteriore miglioramento è possibile passando alla seconda forma normale. Perchè una base dati possa essere in 2NF è necessario che: si trovi già in 1NF; tutti i campi non chiave dipendano dall'intera chiave primaria (e non solo da una parte di essa). Per fare un esempio si supponga di avere a che fare con il database di una scuola con una chiave primaria composta dai campi "Codice Matricola" e "Codice Esame": Codice Matricola Codice Esame Nome Matricola Voto Esame 1234 M01 Rossi Alberto L02 Rossi Alberto L02 Verdi Mario 8 Il database qui sopra si trova in 1NF ma non in 2NF in quanto il campo "Nome Matricola" non dipende dall'intera chiave ma solo da una parte di essa ("Codice Matricola"). Per rendere il nostro database 2NF dovremo scomporlo in due tabelle: Codice Matricola Codice Esame Voto Esame 1234 M L L02 8 e Codice Matricola Nome Matricola 1234 Rossi Alberto 1235 Verdi Mario Nella prima tabella il campo "Voto" dipende correttamente dalla chiave primaria composta da "Codice Matricola" e "Codice Esame", nella seconda tabella il campo "Nome Matricola" dipende correttamente dalla sola chiave primaria presente ("Codice Matricola"). Ora il nostro database è normalizzato in seconda forma normale. La terza forma normale Anche la terza forma normale, che definisce in modo ancora più puntuale ed efficiente la struttura delle tabelle di un database, si basa sul concetto di dipendenza funzionale già esposto. Un database è in 3NF se: è già in 2NF (e quindi, necessariamente, anche 1NF); tutti gli attributi non chiave dipendono direttamente dalla chiave (quindi non ci sono attributi "non chiave" che dipendono da altri attributi "non chiave").

11 Per fare un esempio torniamo all'ipotetico database della palestra; supponiamo di avere una base dati che associ il codice fiscale dell'iscritto al corso frequentato ed all'insegnante di riferimento. Si supponga che il nostro DB abbia un'unica chiave primaria ("Codice Fiscale") e sia così strutturato: Codice Fiscale Codice Corso Insegnante LBRRSS79Y12T344A BB01 Marco GNNBNCT84A11L611B BB01 LBRMNN79E64A112A BB01 Marco Marco GLSTMT59U66P109B AE02 Federica Il nostro database non è certamente 3NF in quanto il campo "insegnante" non dipende dalla chiave primaria ma dal campo "Codice Corso" (che non è chiave). Per normalizzare il nostro DB in 3NF dovremo scomporlo in due tabelle: Codice Fiscale LBRRSS79Y12T344A Codice Corso BB01 GNNBNCT84A11L611B BB01 LBRMNN79E64A112A BB01 GLSTMT59U66P109B e Codice Corso Insegnante BB01 AE02 Marco Federica AE02 Il nostro database è ora in terza forma normale.