normalizzazione

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
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 Class3
1022
Jones 412
101-07 143-01 159-02
4123
Smith
216
201-01 211-02 214-01
2. 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 412
101-07
1022
Jones 412
143-01
1022
Jones 412
159-02
4123
Smith 216
201-01
4123
Smith 216
211-02
4123
Smith 216
214-01
3. Seconda forma normale: eliminazione di dati ridondanti
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 412
4123
Smith 216
4.
Registration:
Student Class
1022
101-07
1022
143-01
1022
159-02
4123
201-01
4123
211-02
4123
214-01
5. Terza forma normale: eliminazione di dati non dipendenti da chiave
Nell'ultimo esempio, Adv-Room (il numero dell'ufficio del tutor) non è funzionalmente
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 412 42
Smith 216 42
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
0000-000-01 Pietro Basi di Dati 1 sem, B ; 2 sem, F
0000-000-02 Pietro Basi di Dati 1 sem, A ; 2 sem, A
0000-000-03
Sara
Basi di Dati 1 sem, B ; 2 sem, A
È necessario ristrutturare la relazione come segue:
Voti
Matricola Studente Materia Semestre Voto
0000-000-01 Pietro Basi di Dati
1
B
0000-000-01 Pietro Basi di Dati
2
F
0000-000-02 Pietro Basi di Dati
1
A
0000-000-02 Pietro Basi di Dati
2
A
0000-000-03
Sara
Basi di Dati
1
B
0000-000-03
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
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
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.
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).
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.
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
6
1234
L02
Rossi Alberto
7
1235
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
M01
6
1234
L02
7
1235
L02
8
e
Codice Matricola Nome Matricola
Rossi Alberto
1234
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").
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
LBRRSS79Y12T344A
Codice Corso Insegnante
BB01
Marco
GNNBNCT84A11L611B BB01
LBRMNN79E64A112A BB01
GLSTMT59U66P109B
AE02
Marco
Marco
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
Codice Corso
LBRRSS79Y12T344A
BB01
GNNBNCT84A11L611B BB01
LBRMNN79E64A112A BB01
GLSTMT59U66P109B AE02
e
Codice Corso Insegnante
Marco
BB01
AE02
Federica
Il nostro database è ora in terza forma normale.