Çoğumuz normalde 3NF’de dururuz. Bazılarımız 3NF sonrası normalleşme seviyelerini tam olarak anlamadığımız için duruyoruz. Graeme Simsion, Data Modeling Essentials adlı kitabında, “Daha yüksek normal biçimler, uygulayıcılar tarafından sıklıkla yanlış anlaşılır ve bu nedenle göz ardı edilir veya sağlam olmayan modelleme uygulamalarını desteklemek için alıntılanır.”

Bununla birlikte, bu daha yüksek normalleştirme düzeylerini anlamamız gerekir, çünkü bu daha yüksek düzeyler, normalleşme için ek fırsatlar sunar ve fazlalığı azaltmaya ve esnekliği artırmaya devam etmemize yardımcı olur. Sonraki üç normalleşme seviyesi, zamanın yalnızca küçük bir yüzdesinde değişikliklere neden olsa da, bazı esneklik ve verimlilik fırsatları hala keşfedilmeyi bekliyor.

Tüm birincil anahtara (3NF) bağımlı olduklarından emin olmak için tüm anahtar olmayan veri öğelerini zaten kontrol ettik. BCNF, kalan veri öğelerine aynı düzeyde titizlik uygulanması anlamına gelir: alternatif anahtarlar. Kendi başına bir alternatif anahtar olan bir veri öğemiz varsa, tanım gereği birincil anahtarın tamamına bağımlıdır.

Bununla birlikte, alternatif anahtarda iki veya daha fazla veri öğesinin bulunması, bir veya daha fazlasının birincil anahtarın tamamı yerine birincil anahtarın bir alt kümesine (çakışan anahtarlar) bağlı olma potansiyeli oluşturur. Bu durumlar 3NF’de olabilir ama BCNF’de olmayabilir. Bu nedenle BCNF 3NF aşağıdaki kuraldır.

Her veri öğesi tamamen anahtara, tüm anahtara ve anahtardan başka bir şeye bağımlı değildir. Yalnızca anahtar olmayan veri öğelerini değil, tüm veri öğelerini içermesi dışında 3NF ile aynı olduğunu unutmayın. Bileşik alternatif anahtarları incelememiz gerekiyor. Örneğin, bir ayakkabı mağazası için müşterinin soyadını ve ayakkabı numarasını, müşteri tablosuna bileşik alternatif anahtar olarak kullandığımızı varsayalım.

Ayakkabı numarası, bu müşteri tablosunun birincil anahtarına doğrudan bağlı olmayan bu alternatif anahtarın bir parçasıdır. Bu nedenle, bu örnek 3NF’de ama BCNF’de değil. Bu örneği BCNF’de geçerli kılmak için, bu alternatif tanımlayıcıyı parçalamamız ve muhtemelen yeni bir varlık oluşturmamız veya tablo için alternatif tanımlayıcıyı yeniden tanımlamamız gerekecektir.

Veri modelimizi BCNF’de gösterir. 3NF modelimizde Check varlığımızda tanımlanmış bir bileşik alternatif anahtarımız olduğunu varsayalım. Aşağıdaki veri öğelerini içerir.

Bu dördü, çek için çok iyi bir alternatif anahtardır. Ancak burada neyin çek olarak kabul edildiği konusunda çok dikkatli olmamız gerekiyor. Görünüşe göre çekle ilişkili tatlıyla ilgili veri öğeleri de var. Aynı siparişteki her yeni tatlı için yeni bir kontrol tanımlayıcısının oluşturulması mümkün olabilir (ancak muhtemelen olası değildir).

İkinci normal form nedir
1nf 2nf, 3nf örnekleri
Normalizasyon formları
Normalizasyon Örnekleri
Boyce Codd normal form
Üçüncü normal Form
Normalizasyon formülü
Veri tabanı Normalizasyon

Bu nedenle, daha önce tanımlanan alternatif anahtar bir çek içindir, ancak KONTROL TANIMLAYICISI hem çek hem de tatlı için benzersiz görünmektedir. Bu nedenle, bu alternatif anahtarın birincil anahtara tamamen bağımlı olması için tatlıyla ilgili veri öğelerini kendi varlıklarına taşımamız gerekir. Çek ve Tatlı İkramı arasındaki ilişkinin oldukça abartılı olabileceğini unutmayın, çünkü çoğu restoranın aynı siparişte her tatlı için ayrı bir çek oluşturacağından şüpheliyim; ancak, BCNF’yi güzel bir şekilde göstermektedir.

Dördüncü Normal Form, birincil anahtarının bir parçası olarak üç veya daha fazla yabancı anahtar veri öğesine sahip varlıkları ilişkileri olan iki veya daha fazla ayrı varlığa ayırdığımız zamandır. 4NF’nin püf noktası, yalnızca birincil anahtar içindeki veri öğeleri arasında hiçbir kısıtlamanın olmadığı varlıkları parçalayabilmemizdir. Bu nedenle 4NF 3NF kuralı şu şekildedir.

Birincil anahtarlarında aralarında kısıtlama olmayan üç veya daha fazla yabancı anahtar veri öğesi bulunan varlıkları iki veya daha fazla varlığa ayırın. Peki bu ne anlama geliyor? İlk olarak, bu, yalnızca bir varlığa gelen üç veya daha fazla tanımlayıcı ilişkiye sahip varlıklarla ilgilenmemiz gerektiği anlamına gelir.

Bu genellikle modelimizdeki toplam varlık sayısının çok küçük bir yüzdesidir. Ardından kendimize şunu soruyoruz: “Bu varlığın birincil anahtarını oluşturan bu üç veya daha fazla veri öğesi arasında herhangi bir kısıtlama var mı?” Örneğin, bir çalışan ile onun becerileri ve hedefleri arasındaki ilişkileri yakalayan Çalışan Beceri Hedefi varlığına sahip olduğumuzu varsayalım.

Diyelim ki bu varlığın birincil anahtarı Çalışan Kimliği, Beceri Kimliği ve Amaç Kimliği, bu da onu 4NF için inceleme altına alıyor. Şimdi soru şu: “Bu üç veri öğesi arasında kısıtlamalar var mı?” Başka bir deyişle, bir Çalışan herhangi bir Hedef seti ile herhangi bir Beceri setine sahip olabilir mi?

Çalışan, iyi bir jonglör olma becerisine sahip olabilir ve yıl için bir dizi veri modelleme hedefi atanabilirse, bu üç veri öğesi arasında herhangi bir kısıtlama yoktur. Bu veri öğelerinden herhangi ikisi arasında kısıtlamalar olabileceğini unutmayın, örneğin, bir veri modelleme hedefi, veri modelleme becerilerini gerektirir.

Yalnızca D harfi ile başlayan çalışan adları veri modelleme becerisine sahipse ve veri modelleme hedeflerine sahipse, o zaman üç veri öğesinin tümü arasında kısıtlamalarımız olur ve varlığı 4NF için olduğu gibi tutmamız gerekir.

Bu bölümün sonunda ise 4NF’deki veri modelimiz yer almaktadır. Çoğu zaman bu normalleşme sürecinden geçerken fazlalığı en aza indirmenin ve bazen de esnekliği artırmanın ek yollarını keşfederiz. Örneğin, şu anda her restorandaki her tatlı için önerilen tek bir sos ve içeceğe sahibiz.

Tatlı Teklifi varlığına bakın. Diyelim ki işletme kullanıcısı, belirli bir tatlı için birden fazla önerilen içeceğe ve malzemeye izin verme esnekliği istiyor. Bu ilave esnekliği istiyorsak, onları kendi ilişkilerine ayırmalıyız. Bu yeni ilişki, belirli bir tatlı için herhangi bir sayıda tavsiye edilen içecek ve sosları tanımlamamıza izin verir. Bu güncellenmiş model gösterilmektedir.

Bu daha esnek iş kuralının zamanlaması bundan daha iyi olamazdı çünkü 4NF’yi uygulamak üzereyiz ve İçecek Tatlı Kombinasyonu kuruluşu 4NF kapsamında incelenecek kriterleri karşılıyor. Bu nedenle, bu genişletilmiş iş kuralı, artan normalizasyonla esneklik ve daha az fazlalık için nasıl yeni yollar keşfettiğimizi göstermekle kalmayacak, aynı zamanda 4NF için iyi bir test sağlayacaktır.

Malzemeler, içecekler ve tatlı teklifleri arasında herhangi bir kısıtlama var mı? Örneğin, muzlu tatlı için her zaman sos olarak sıcak şekerleme ve içecek olarak kahve önermeli miyiz? Bunun gibi durumlar mümkünse, o zaman bu varlığı parçalayamayız ve 4NF tanımını karşılar (ama belki 5NF değildir; bizi izlemeye devam edin). Bu yabancı anahtarların üçü arasında kısıtlamalarımız yoksa, varlığı yeni varlıklarda gösterildiği gibi bölebiliriz.

The post Verinin Normal Formu first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.

Çoğu durumda, Normalleşme sonuna kadar gitmeme hatasına düştüğümüze dikkat edin; bunun yerine dağın aşağı kısımlarında kestirme yollar ararız. Bu, modellediğiniz veri öğeleri ve işlevsel alanların ciddi şekilde anlaşılmamasına yol açabilir ve fiziksel tasarımınızı tehlikeye atabilir.

Data mart’ları modellerken bu hatayı tekrar tekrar yapıyoruz. Çoğu zaman doğrudan, genellikle boyut ve olgu tablolarına büyük ölçüde denormalize edilen ve 5NF’deki veri öğelerini anlamak için çaba ve zaman harcamayan bir yıldız şeması tasarımına gideriz.

Bu, her bir veri öğesini bir boyut veya olgu tablosuna atayarak nihai fiziksel tasarımı tamamladığınız denormalizasyon tarafına doğru gitmeden önce dağın normalleştirme tarafında biraz yukarı çıkmaya eşdeğerdir. Denormalizasyon tarafına inmeden önce her zaman tüm normalizasyon seviyelerinden geçerek veri öğeleri arasındaki ilişkileri tam olarak anladığınızdan emin olun.

Bu bölüm, mantıksal veri modelleme aşamamız sırasında Normalleştirme Yürüyüşü için kullanılan amaç ve teknikleri ve fiziksel veri modelleme aşamamız sırasında Denormalizasyon Hayatta Kalma Rehberimizi açıklamaya odaklanmaktadır. Normalleşme Zammı’nı sunmadan önce kısaca normalleşmeyi tanımlıyoruz.

Denormalization Survival Guide’ı sunmadan önce kısaca denormalizasyonu tanımlıyorum. Bu iki aracın gerçekten nasıl kullanılacağını göstermek için, Tatlı Verileri için mantıksal ve fiziksel veri modellerini oluşturduğumuz ayrıntılı bir senaryodan geçiyoruz.

Normalleşme Yürüyüşü ve Denormalizasyon Hayatta Kalma Rehberi’nin kendi ayrı bölümlerine ait olup olmadığına karar verirken ileri geri gittim. Sonunda beni aynı bölüme ait olduklarına ikna eden şey, Normalleşme Serüvenini hem normalleştirmenin hem de normalleştirmenin gerçekleşmesi gereken tek bir süreç olarak görmemdi. Çoğu durumda, ayrılmaz süreçlerdir.

Denormalize etmeden normalleştirme, çok iyi anlaşılmış, ancak çoğu durumda yalnızca teorik bir tasarıma yol açar. Normalleştirme olmadan denormalize etme, yetersiz anlaşılan ve verimsiz bir tasarıma yol açar. Bu nedenle, ayrılmaz olduklarını ve daha geniş Normalleştirme Macerası sürecinin bir parçası olduklarını belirtmek için bu araçları aynı bölümde tutmak önemlidir.

Web sitemi ziyaret ederseniz, bu bölümdeki araçların her biri için şablonlar bulacaksınız; ek araçlar; ve indirebileceğiniz boş şablonlar da dahil olmak üzere bu kitaptaki araçlar hakkında daha fazla bilgi.

Normalleşme Nedir?

12 yaşıma girdiğimde ailemden hediye olarak bir kasa beyzbol kartı aldım. Çok heyecanlandım ve sadece o sandıkta bir yerlerde gömülü bir Hank Aaron veya Pete Rose olabileceği için değil, kartları düzenlemeyi sevdiğim için. Her beysbol kartını yıla, takıma, numaraya vb. göre normalleştirdim veya kategorilere ayırdık.

Bu kartları normalleştirmek bana oyuncular ve takımları için o kadar büyük bir anlayış sağladı ki, bugüne kadar birçok beyzbol kartı trivia sorusunu cevaplayabilirim. Beyzbol kartlarının aynı normalleştirilmesi veya sınıflandırılması veri öğeleri için de geçerlidir.

Şirketlerimiz, departmanlara ve uygulamalara dağılmış inanılmaz sayıda veri öğesine sahip, tıpkı beyzbol kartlarının sandıkta kaotik bir durumda sıralanmamış olarak durması gibi. Bu veri öğelerini tamamen anlamak için düzenlememiz veya kategorilere ayırmamız gerekiyor.

Normalleştirme, fazlalığı ortadan kaldırma ve veri öğeleri arasında var olan bağımlılıkları ve katılımları daha iyi anlamak ve temsil etmek için kurallar uygulama sürecidir. Bağımlılık ve katılımdan ne kastettiğimizi kısaca tanımlayacağız.

Normalleştirme birkaç farklı seviyeden oluşur ve en popüleri ilk üçüdür:

■■ İlk Normal Form
■■ İkinci Normal Form
■■ Üçüncü Normal Form
■■ Boyce/Codd Normal Formu
■■ Dördüncü Normal Form
■■ Beşinci Normal Form

5NF’de bir tasarım düşünülürse, 4NF, BCNF vb. Yani, daha yüksek normalleştirme seviyeleri, daha düşük seviyelerin kurallarını devralır. Normalleştirmenin hem iş hem de veritabanı faydaları vardır.

Veri normalleştirme
Veri normalleştirme yöntemleri
Min max normalizasyon formülü
Normalizasyon formülü
Normalleştirme nedir
Min-max normalization
Veri standartlaştırma işlemleri
Özel Eğitimde normalleştirme nedir

İş avantajı şudur:

Veri öğesi anlayışını zorlar. Mantıksal düzeyde, bizi her bir veri öğesini ve diğer veri öğelerinin her biriyle olan ilişkileri tamamen anlamaya zorlar. Veri Öğesi Aile Ağacımızda, bireysel veri öğesi hakkında çok güçlü bir anlayış geliştirdik.

Veri unsuruyla ilgili tanımlar, örnek değerler ve diğer önemli meta veriler üzerinde anlaştık, ancak hala çok önemli bir şeyi kaçırıyoruz. Veri öğeleri arasındaki ayrıntılı ilişkileri henüz anlamış veya bilmiyoruz. Bu noktada, tüm bildiğimiz, her konu alanındaki veri öğelerinin gruplandırılmasıdır.

Beyzbol kartlarımı normalleştirmenin bana oyuncuları ve takımlarını çok daha iyi anlamamı sağlaması gibi, veri öğelerini normalleştirmek bunların birbirleriyle nasıl ilişkili olduğunu anlamamıza yardımcı oluyor. Örneğin, bir Ürün Kategorisi Kodu ve bir Ürün Marka Kodu hakkında çok güçlü bir anlayışa sahip olabiliriz, ancak bunların birbirleriyle ve diğer ürün verisi öğeleriyle ilişkisi nedir?

Veritabanı faydaları şunlardır:

Esnekliği en üst düzeye çıkarır. Veri öğeleri, aynı bağımlılık ve katılım özelliklerini paylaşmaya dayalı olarak birlikte gruplandırılır. Bu, Müşteri, Hesap ve Ürün gibi iş kavramlarına karşılık gelen veri öğelerinin mantıksal gruplandırmalarını oluşturur.

Böylece, bu mantıksal gruplamalar, iş konseptlerinde var olan aynı kuralları ve esnekliği temsil edebilir ve uygulayabilir. Bir müşteri, veritabanında tasarım değişikliği gerektirmeden bir hesaba, beş hesaba sahip olabilir veya hiç hesaba sahip olmayabilir. Bu, uygulama büyümesini teşvik eder ve veritabanının bakımını kolaylaştırır.

Fazlalığı en aza indirir. Anahtar olmayan veri öğeleri yalnızca tek bir yerde depolanır ve bu nedenle daha az fazlalık vardır. Daha az fazlalığa sahip olmak, daha az veri kalitesi sorununa ve daha hızlı eklemelere, güncellemelere ve silmelere yol açar. Ayrıca yerden tasarruf sağlar. Müşteri Soyadı bir varlıkta mı yoksa beş varlıkta mı mevcutsa güncellemek daha hızlı ve sonuç olarak hataya daha az eğilimli midir?

Yeniden kullanımı en üst düzeye çıkarır. Veri öğeleri en uygun varlıklarındadır. Yani, her veri öğesi, aynı özelliklerin bazılarını paylaşan diğer veri öğeleriyle birliktedir. Örneğin, tüm hesap veri öğeleri aynı varlığa ait olabilir ve tüm sipariş veri öğeleri aynı varlığa ait olabilir.

Bu farklı veri öğeleri gruplarının tanımlanması ve yeniden kullanılması kolaydır. Hesap bilgilerini yeniden kullanmam gerekirse, hesap verileri öğelerinin müşteri verileri öğeleriyle aynı varlığı paylaşmasına kıyasla, bu bilgileri kendi varlıklarında bulunan tüm hesap verileri öğelerini tanımlamayı ve anlamayı çok daha kolay bulunurdu.

The post Veri Normalleştirmesi first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.