Normalización
Introducción
Uno de los retos en el diseño de la base de datos es el de obtener una estructura estable y lógica tal que el sistema de base de datos no sufra de anomalías de almacenamiento y el modelo lógico pueda modificarse fácilmente para admitir nuevos requerimientos.
Una base de datos implantada sobre un modelo bien diseñado tiene mayor esperanza de vida aun en un ambiente dinámico, que una base de datos con un diseño pobre. En promedio, una base de datos experimenta una reorganización general cada seis años, dependiendo de lo dinámico de los requerimientos de los usuarios. Una base de datos bien diseñada tendrá un buen desempeño aunque aumente su tamaño, y será lo suficientemente flexible para incorporar nuevos requerimientos o características adicionales.
Existen diversos riesgos en el diseño de las bases de datos relacionales que afecten la funcionalidad de la misma, los riesgos generalmente son la redundancia de información y la inconsistencia de datos.
La normalización es el proceso de simplificar la relación entre los campos de un registro. Por medio de la normalización un conjunto de datos en un registro se reemplaza por varios registros que son más simples y predecibles y, por lo tanto, más manejables.
Razones para llevar a cabo una normalización
- play_arrow Estructurar los datos de forma que se puedan representar las
relaciones pertinentes entre los datos.
- play_arrow Permitir la recuperación sencilla
de los datos en respuesta a las solicitudes de consultas y reportes.
- play_arrow Simplificar el mantenimiento
de los datos actualizándolos, insertándolos y borrándolos.
- play_arrow Reducir la necesidad de reestructurar
o reorganizar los datos cuando surjan nuevas aplicaciones.
Pasos para hacer una normalización
- Descomponer todos los grupos de datos en registros bidimensionales.
- Eliminar todas las relaciones en la que los datos no dependan completamente de la
llave primaria del registro.
- Eliminar todas las relaciones que contengan dependencias transitivas.
La teoría de normalización tiene como fundamento el concepto de formas normales; se dice que una relación está en una determinada forma normal si satisface un conjunto de restricciones.
Formas normales
Son las técnicas para prevenir las anomalías en las tablas. Dependiendo de su estructura, una tabla puede estar en primera forma normal, segunda forma normal o en cualquier otra.
Relación entre las formas normales:
Primera forma normal
Una relación R(Tabla) se encuentra en 1FN si y solo sí por cada renglón columna contiene valores atómicos.
Abreviada como 1FN, se considera que una relación se encuentra en la primera forma normal cuando cumple lo siguiente:
- play_arrow Las celdas de las tablas poseen
valores simples y no se permiten grupos ni arreglos repetidos como valores,
es decir, contienen un solo valor por cada celda.
- play_arrow Todos los ingresos en cualquier
columna (atributo) deben ser del mismo tipo.
- play_arrow Cada columna debe tener un
nombre único, el orden de las columnas en la tabla no es importante.
- play_arrow Dos filas o renglones de una misma tabla
no deben ser idénticas, aunque el orden de las filas no es importante.
Por lo general la mayoría de las relaciones cumplen con estas características, así que podemos decir que la mayoría de las relaciones se encuentran en la primera forma normal.
Para ejemplificar como se representan gráficamente las relaciones en primera forma normal consideremos la relación alumno cursa materia cuyo diagrama E-R es el siguiente:
Como esta relación maneja valores atómicos, es decir un sólo valor por cada uno de los campos que conforman a los atributos de las entidades, ya se encuentra en primera forma normal, gráficamente así representamos a las relaciones en 1FN.
Otra notación utilizada frecuentemente es la siguiente:
Alumno (Control, Nombre, Esp)
Materia (Clave, NomM, Creditos)
Como podemos ver cada columna guardará sólo un valor del mismo tipo de dato, por lo que ambas relaciones cumplen con las restricciones de la 1FN.
Segunda forma normal
Para definir formalmente la segunda forma normal requerimos saber qué es una dependencia funcional: Consiste en edificar que atributos dependen de otro(s) atributo(s).
Una relación R está en 2FN si y sólo si está en 1FN y los atributos no primos (llaves) dependen funcionalmente de la llave primaria.
Una relación se encuentra en segunda forma normal, cuando cumple con las reglas de la primera forma normal y todos sus atributos que no son claves (llaves) dependen por completo de la clave
De acuerdo con está definición, cada tabla que tiene un atributo único como clave, está en segunda forma normal.
La segunda forma normal se representa por dependencias funcionales como:
Nota: las llaves primarias están representadas con
doble cuadro, las flechas nos indican que de estos atributos se puede
referenciar a los otros atributos que dependen funcionalmente de la
llave primaria.
Tercera forma normal
Para definir formalmente la 3FN necesitamos definir dependencia transitiva:
En una afinidad (tabla bidimensional) que tiene por lo menos 3 atributos (A,B,C) en donde A determina a B, B determina a C pero no determina a A.
Una relación R está en 3FN si y sólo si esta en 2FN y todos sus atributos no primos (llaves) dependen no transitivamente de la llave primaria.
Consiste en eliminar la dependencia transitiva que queda en una segunda forma normal, en pocas palabras una relación esta en tercera forma normal si está en segunda forma normal y no existen dependencias transitivas entre los atributos, nos referimos a dependencias transitivas cuando existe más de una forma de llegar a referencias a un atributo de una relación.
Tenemos la relación alumno-cursa-materiamanejada anteriormente, pero ahora consideramos al elemento maestro, gráficamente lo podemos representar de la siguiente manera:
Podemos darnos cuenta que se encuentra graficado en segunda forma normal,
es decir que todos los atributos llave están indicados en doble cuadro indicando los atributos
que dependen de dichas llaves, sin embargo en la llave Necono
(numero economico o numero de nómina) tiene como dependientes a
3 atributos en el cual el nombre puede ser referenciado
por dos atributos: Necono y RFC (Existe dependencia transitiva),
podemos solucionar esto aplicando la tercera forma normal que consiste en
eliminar estas dependencias separando los atributos, entonces tenemos:
Forma normal de Boyce Codd
Determinante: Uno o más atributos que, de manera funcional, determinan otro atributo o atributos.
En la dependencia funcional (A,B)-->C, (A,B) son los determinantes.
Una relación R esta en FNBC si y sólo si cada determinante es una llave candidata.
Recordando: Algunas relaciones tienen una sola llave posible, mientras que otras presentan varias llaves. Al conjunto de llaves de una relación se le conoce como conjunto de llaves candidatas. De entre las llaves candidatas, debe seleccionarse una de ellas para definir la llave primaria de la relación; una vez seleccionada la llave primaria, el resto de las llaves candidatas se denominan llaves alternas
Denominada por sus siglas en ingles como BCNF; Una tabla se considera en esta forma si y sólo sí cada determinante o atributo es una llave candidata.
Continuando con el ejemplo anterior, si consideramos que en la entidad alumno sus atributos control y Esp. nos puede hacer referencia al atributos nombre, entonces decimos que dichos atributos pueden ser llave candidata.
Gráficamente podemos representar la forma normal de Boyce Codd de la siguiente forma:
Obsérvese que a diferencia de la tercera forma normal, agrupamos
todas las llaves candidatas para formar una global
(representadas en el recuadro) las cuales hacen referencia a los atributo
que no son llaves candidatas.
Cuarta forma normal
Un esquema de relaciones R está en 4FN con respecto a un conjunto D de dependencias funcionales y de valores múltiples sí, para todas las dependencias de valores múltiples en D de la forma X->->;Y, donde X<=R y Y<=R, se cumple por lo menos una de estas condiciones:
- play_arrow
X->->Y es una dependencia de valores múltiples trivial.
- play_arrow
X es una superllave del esquema R.
Recordando:
Cualquier conjunto de columnas que contiene un subconjunto de columnas
que es llave, también es llave; a este tipo de conjuntos
de columnas que contienen una llave se les denomina
superllaves.
Para entender mejor aún esto consideremos una afinidad (tabla) llamada estudiante que contiene los siguientes atributos: Clave, Especialidad, Curso tal y como se demuestra en la siguiente figura:
| Clave | Especialidad | Curso |
| S01 | Sistemas | Natación |
| S01 | Bioquimica | Danza |
| S01 | Sistemas | Natación |
| B01 | Bioquimica | Guitarra |
| C03 | Civil | Natación |
Suponemos que los estudiantes pueden inscribirse en varias especialidades y en diversos cursos. El estudiante con clave S01 tiene su especialidad en sistemas y Bioquímica y toma los cursos de Natación y Danza, el estudiante B01 tiene la especialidad en Bioquímica y toma el curso de Guitarra, el estudiante con clave C03 tiene la especialidad de Civil y toma el curso de Natación.
En esta tabla o relación no existe dependencia funcional porque los estudiantes pueden tener distintas especialidades, un valor único de clave puede poseer muchos valores de especialidades al igual que de valores de cursos. Por lo tanto existe dependencia de valores múltiples. Este tipo de dependencias produce redundancia de datos, como se puede apreciar en la tabla anterior, en donde la clave S01 tiene tres registros para mantener la serie de datos en forma independiente lo cual ocasiona que al realizarse una actualización se requiera de demasiadas operaciones para tal fin.
Existe una dependencia de valores múltiples cuando una afinidad tiene por lo menos tres atributos, dos de los cuales poseen valores múltiples y sus valores dependen solo del tercer atributo, en otras palabras en la afinidad R (A,B,C) existe una dependencia de valores múltiples si A determina valores múltiples de B, A determina valores múltiples de C , y B y C son independientes entre sí.
En la tabla anterior Clave determina valores múltiples de especialidad y clave determina valores múltiples de curso, pero especialidad y curso son independientes entre sí.
Las dependencias de valores múltiples se definen de la siguiente manera:
Clave ->->Especialidad y Clave->->Curso; Esto se lee "Clave multidetrmina a Especialidad, y clave multidetermina a Curso"
Para eliminar la redundancia de los datos, se deben eliminar las dependencias de valores múltiples. Esto se logra construyendo dos tablas, donde cada una almacena datos para solamente uno de los atributos de valores múltiples.
Para nuestro ejemplo, las tablas correspondientes son:
Tabla Especialidad
| Clave | Especialidad |
| S01 | Sistemas |
| S01 | Bioquimica |
| B01 | Bioquimica |
| C03 | Civil |
Tabla Curso
| Clave | Curso |
| S01 | Natación |
| S01 | Danza |
| B01 | Guitarra |
| C03 | Natación |
Quinta forma normal
Un esquema de relaciones R está en 5FN con respecto a un conjunto D de dependencias funcionales, de valores múltiples y de producto, si para todas las dependencias de productos en D se cumple por lo menos una de estas condiciones:
- play_arrow(R1, R2, R3, ... Rn) es una dependencia de producto trivial.
- play_arrowToda Ri es una superllave de R.
La quinta forma normal se refiere a dependencias que son extrañas. Tiene que ver con tablas que pueden dividirse en subtablas, pero que no pueden reconstruirse. Recuerda lo que haciamos cuando teniamos entidades que tenían especializaciones o roles.
Nota: Para comprender mejor este tema es necesario que leas el capítulo 5 del libro "Database processing fundamentals, design and implementation", ya que en él se explica a detalle los diferentes tipos de anomalias que evitamos al normalizar una base de datos, aspecto que en la lectura anterior no se detallan a profundidad.
KROENKE, David M., Database processing fundamentals, design and implementation. 6a. edición. Upper Saddle River, New Jersey, U.S.A. Prentice Hall, Inc. 1998. 523p. ISBN 0-13-737842-4.
Este libro se encuentra en la biblioteca.