مدیریت داده ها جنبه مهمی از هر پروژه فنی است. یکی از تصمیمات اصلی حول ساختاردهی پایگاه داده شما می چرخد – آیا باید عادی سازی کنید یا غیرعادی؟ این سؤال صرفاً آکادمیک نیست. این پیامدهای قابل توجهی برای عملکرد، مقیاس پذیری و مدیریت برنامه های شما دارد.
باز کردن مفهوم عادی سازی
عادی سازی، در اصل، روشی برای سازماندهی کارآمد داده ها در یک پایگاه داده است. این یک رویکرد سیستماتیک از تجزیه جداول برای حذف افزونگی داده ها و ویژگی های نامطلوب مانند Insertion، Update و Deletion Anomalies است.
ایده اصلی در پس نرمال سازی این است که هر موجودیت داده باید فقط یک بار نشان داده شود، به حداقل رساندن تکراری شدن داده ها و در نتیجه کاهش احتمال ناهماهنگی در داده های شما. این عمل به ویژه در سناریوهایی که دقت و سازگاری داده ها در درجه اول اهمیت است، ارزشمند است.
با این حال، عادی سازی بدون جنبه های منفی آن نیست. هرچه داده های خود را عادی تر کنید، ساختار پایگاه داده شما پیچیده تر می شود. این پیچیدگی به این دلیل است که داده هایی که به طور منطقی به هم تعلق دارند در چندین جدول پخش می شوند.
بیایید یک سایت شبکه اجتماعی را مثال بزنیم که در آن شما پروفایل های کاربر، مخاطبین، پست ها، نظرات، لایک ها و غیره آنها را دارید. اگر بخواهید این داده ها را به طور کامل نرمال کنید، هر یک از این موجودیت ها در یک جدول جداگانه قرار می گیرند. حال، فرض کنید می‌خواهید یک نمای جامع از فعالیت یک کاربر دریافت کنید. در یک پایگاه داده کاملاً نرمال شده، این امر مستلزم اتصال چندگانه در چندین جدول است. پرس و جو به دست آمده پیچیده است و به طور بالقوه می تواند بر عملکرد سیستم شما تأثیر بگذارد.
عادی سازی: روی دیگر سکه
برخلاف عادی سازی، غیرعادی سازی فرآیند ترکیب جداول برای کاهش هزینه بازیابی داده ها است. این تکنیک می‌تواند با کاهش تعداد اتصال‌های لازم برای جمع‌آوری داده‌ها، برنامه‌های خواندنی را سریعتر کند.
در نگاه اول، غیرعادی‌سازی ممکن است راه‌حلی عالی برای معایب نرمال‌سازی به نظر برسد. با ادغام داده ها در جدول های کمتر (یا حتی فقط یک جدول)، پرس و جوها می توانند ساده تر و سریع تر شوند.
با این حال، غیر طبیعی شدن یک دارو نیست. در حالی که می تواند عملیات خواندن را سریعتر کند، می تواند مسائل جدیدی را نیز معرفی کند. یکی از مشکلات مهم، افزونگی داده ها است. با غیرعادی کردن، ممکن است در نهایت یک داده یکسان را در چندین مکان داشته باشید. اگر نیاز به به روز رسانی آن داده ها دارید، باید این کار را در همه مکان ها انجام دهید، که ممکن است مدیریت آن دشوار و مستعد خطا باشد.
علاوه بر این، غیرعادی سازی می تواند منجر به از دست دادن یکپارچگی داده ها شود. پایگاه های داده می توانند محدودیت های یکپارچگی خاصی را اعمال کنند و اطمینان حاصل کنند که داده های پایگاه داده شما دقیق و سازگار هستند. با این حال، هرچه پایگاه داده خود را غیرعادی تر کنید، اعمال این محدودیت ها برای پایگاه داده سخت تر می شود.
عامل مقیاس: عادی سازی در مقابل غیر عادی سازی
سپس این سوال پیش می آید که کدام گزینه بهتر است؟ پایگاه داده نرمال شده یا غیرعادی شده؟ جالب است که پاسخ تا حد زیادی به مقیاس داده های شما بستگی دارد.
برای داده‌های مقیاس کوچک (در هزاران یا ده‌ها هزار ردیف)، انتخاب بین عادی‌سازی و غیرعادی‌سازی تأثیر قابل‌توجهی بر عملکرد برنامه شما نخواهد داشت. یک کامپیوتر مدرن می تواند هر یک از سناریوها را با کارایی قابل مقایسه انجام دهد، با این فرض که پرس و جوهای بهینه سازی شده را ایجاد کرده اید.
با این حال، زمانی که داده‌های شما به میلیون‌ها یا حتی میلیاردها ردیف افزایش می‌یابد، مبادلات بین عادی‌سازی و غیرعادی‌سازی آشکارتر می‌شود. در این مقیاس، هزینه پیوستن به جداول متعدد (در صورت نیاز در یک پایگاه داده نرمال شده) می تواند به طور قابل توجهی سرعت جستجوهای شما را کاهش دهد. برعکس، مسائل افزونگی و یکپارچگی مرتبط با غیرعادی‌سازی می‌تواند مشکل‌سازتر شود.
درس گرفتن از موفقیت ها و شکست های دیگران
در حالی که می‌توانیم از تجربیات شرکت‌های فناوری موفق چیزهای زیادی بیاموزیم، مهم است که به یاد داشته باشیم که هر موقعیتی منحصر به فرد است. به دلیل تفاوت در اندازه داده ها، پیچیدگی پرس و جو، مهارت های تیمی، یا الزامات تجاری خاص، ممکن است آنچه برای یک شرکت کارآمد است، برای شرکت دیگری کارساز نباشد.
ایجاد تعادل مناسب
در حالی که گرفتار شدن در رقابت برای مقیاس‌پذیری آسان است، باید به خود یادآوری کنیم که کلید یک پروژه موفق لزوما توانایی آن در مدیریت داده‌های عظیم نیست، بلکه توانایی آن در ارائه ارزش به کاربران است. هنگام طراحی یک پایگاه داده، باید اطمینان حاصل کنیم که بر ایجاد یک ساختار واضح، قابل درک و قابل مدیریت تمرکز می کنیم.
عادی سازی و غیرعادی سازی متقابل نیستند. شما می توانید بسته به نیازهای خاص خود، پایگاه داده خود را تا حدی عادی یا غیرعادی کنید. نکته کلیدی در اینجا درک مبادلات و تصمیم گیری آگاهانه است.
به عنوان مثال، در مناطقی که نیاز به اطمینان از سازگاری داده ها دارید، ممکن است درجه بالاتری از نرمال سازی را انتخاب کنید. از سوی دیگر، در مناطقی که عملکرد خواندن در اولویت است، ممکن است سطحی از غیرعادی‌سازی را انتخاب کنید.
عادی سازی و غیرعادی سازی: یک موضوع عمل گرایی
شایان ذکر است که تصمیم به عادی سازی یا غیرعادی سازی نباید بر اساس جزم اندیشی، بلکه بر اساس نیازهای خاص پروژه شما باشد. در میان برخی از توسعه دهندگان این تمایل وجود دارد که عادی سازی را به عنوان یک اصل مقدس نگاه کنند که باید به هر قیمتی به آن پایبند بود. با این حال، این دیدگاه اغلب می تواند به پیچیدگی و مسائل عملکرد غیر ضروری منجر شود.
از سوی دیگر، ترس از غیرعادی‌سازی و مشکلاتی که ممکن است ایجاد کند (مانند مسائل تکراری و همگام‌سازی داده‌ها) نیز می‌تواند اغراق‌آمیز باشد. اغلب راه حل های عملی برای این مسائل وجود دارد، مانند استفاده از وظایف برنامه ریزی شده (مانند cron jobs) برای همگام نگه داشتن داده ها.
یک اصل راهنما: اندازه گیری عملکرد
صرف نظر از اینکه عادی سازی یا غیرعادی سازی را انتخاب می کنید، بسیار مهم است که عملکرد جستارهای خود را اندازه گیری کنید و در صورت نیاز تنظیمات را انجام دهید. به خاطر داشته باشید که منابع سخت‌افزاری مانند فضای دیسک و حافظه به طور مداوم ارزان‌تر می‌شوند، بنابراین هزینه ذخیره‌سازی داده‌های زائد به اندازه گذشته گزاف نیست.
غذای آماده: یک رویکرد متعادل
یک ضرب‌المثل قدیمی در دنیای پایگاه‌های داده وجود دارد: «عادی‌سازی کنید تا زمانی که به دردتان بخورد، غیرعادی‌سازی کنید تا زمانی که کار کند». این ضرب المثل ماهیت تکراری طراحی پایگاه داده را در بر می گیرد. عادی سازی و غیرعادی سازی تصمیمات یکباره نیستند، بلکه فرآیندهای مداومی هستند که باید با رشد و تکامل پروژه شما مجدداً مورد بازبینی قرار گیرند.
برای جمع‌بندی، در حالی که انتخاب بین عادی‌سازی و غیرعادی‌سازی می‌تواند کاری دلهره‌آور به نظر برسد، در نهایت به درک نیازهای پروژه‌تان، آگاهی از معاوضه‌های موجود و تمایل به تطبیق رویکرد خود با تغییر آن نیازها بستگی دارد.
می خواهید بیشتر بخوانید؟
از:
http://www.25hoursaday.com/weblog/2007/08/03/WhenNotToNormalizeYourSQLDatabase.aspx
جف Stackoverflow: https://blog.codinghorror.com/maybe-normalizing-isnt-normal/
