praca_magisterska/pytania/odpowiedzi/03-redundancja-normalizacja.md

Pytanie 3: Redundancja i normalizacja w relacyjnej bazie danych

Pytanie

"Omówić zagadnienia redundancji i normalizacji w relacyjnej bazie danych oraz wynikające z tego wymagania."

Przedmiot: BD2 (Bazy Danych 2)

---

📚 Odpowiedź główna

Wprowadzenie

Redundancja (nadmiarowość) i normalizacja to dwa fundamentalne, przeciwstawne pojęcia w projektowaniu relacyjnych baz danych:

• Redundancja = niepożądane powtarzanie danych
• Normalizacja = proces eliminacji redundancji poprzez dekompozycję relacji

---

1. Redundancja danych

Definicja

Redundancja występuje, gdy ta sama informacja jest przechowywana w wielu miejscach bazy danych, co prowadzi do:

• Marnowania pamięci
• Niespójności danych (anomalii)
• Trudności w utrzymaniu

Anomalie wynikające z redundancji

Przykład - tabela z redundancją:

StudentID	Imię	Nazwisko	KursID	NazwaKursu	Prowadzący
1	Jan	Kowalski	BD1	Bazy Danych	Dr Nowak
1	Jan	Kowalski	AISDI	Algorytmy	Prof. Wiśniewski
2	Anna	Nowak	BD1	Bazy Danych	Dr Nowak
2	Anna	Nowak	BD1	Bazy Danych	Dr Nowak

Problemy:

• "Bazy Danych" i "Dr Nowak" powtórzono 3 razy
• "Jan Kowalski" powtórzono 2 razy

Trzy typy anomalii

1. Anomalia wstawiania (Insertion Anomaly)

Problem: Nie można dodać danych bez dodania innych, niepotrzebnych danych.

Przykład: Nie możemy dodać nowego kursu "Sieci komputerowe" bez przypisania do niego studenta.

2. Anomalia usuwania (Deletion Anomaly)

Problem: Usunięcie danych powoduje niezamierzoną utratę innych informacji.

Przykład: Jeśli Anna Nowak zrezygnuje ze studiów, tracimy informację, że kurs BD1 prowadzi Dr Nowak (jeśli była jedynym studentem tego kursu).

3. Anomalia modyfikacji (Update Anomaly)

Problem: Zmiana jednej informacji wymaga modyfikacji wielu wierszy.

Przykład: Jeśli Dr Nowak zmieni nazwisko, musimy zaktualizować wszystkie wiersze z kursem BD1.

---

2. Normalizacja

Definicja

Normalizacja to proces organizowania danych w bazie w celu:

• Eliminacji redundancji
• Zapewnienia integralności danych
• Ułatwienia utrzymania i modyfikacji

Podstawowe pojęcia

Zależność funkcyjna (Functional Dependency - FD)

X → Y oznacza: wartość X jednoznacznie określa wartość Y

Przykład: StudentID → (Imię, Nazwisko)

• Znając StudentID, możemy jednoznacznie określić imię i nazwisko

Klucz główny (Primary Key)

Minimalny zbiór atrybutów, który jednoznacznie identyfikuje krotkę (wiersz).

Klucz kandydujący (Candidate Key)

Każdy minimalny zbiór atrybutów, który mógłby być kluczem głównym.

Atrybut pierwszy (Prime Attribute)

Atrybut należący do jakiegokolwiek klucza kandydującego.

Atrybut wtórny (Non-prime Attribute)

Atrybut nienależący do żadnego klucza kandydującego.

---

3. Postacie normalne

Hierarchia postaci normalnych

5NF ⊂ 4NF ⊂ BCNF ⊂ 3NF ⊂ 2NF ⊂ 1NF

Każda wyższa postać implikuje niższą.

---

1NF - Pierwsza Postać Normalna

Wymagania:

1. Atomowość wartości - każda komórka zawiera jedną, niepodzielną wartość
2. Brak powtarzających się grup - brak tablic/list w komórkach
3. Istnieje klucz główny

❌ Naruszenie 1NF:

StudentID	Imię	Telefony
1	Jan	123456, 789012

✅ Po normalizacji do 1NF:

Studenci:

StudentID	Imię
1	Jan

Telefony:

StudentID	Telefon
1	123456
1	789012

---

2NF - Druga Postać Normalna

Wymagania:

1. Spełnia 1NF
2. Każdy atrybut wtórny jest w pełni funkcyjnie zależny od całego klucza głównego (nie od jego części)

Dotyczy tylko tabel z kluczem złożonym (wielokolumnowym).

❌ Naruszenie 2NF:

StudentID	KursID	NazwaKursu	Ocena
1	BD1	Bazy Danych	5
2	BD1	Bazy Danych	4

Klucz: (StudentID, KursID)

• NazwaKursu zależy tylko od KursID, nie od całego klucza!
• KursID → NazwaKursu (częściowa zależność)

✅ Po normalizacji do 2NF:

Oceny:

StudentID	KursID	Ocena
1	BD1	5
2	BD1	4

Kursy:

KursID	NazwaKursu
BD1	Bazy Danych

---

3NF - Trzecia Postać Normalna

Wymagania:

1. Spełnia 2NF
2. Brak przechodnich zależności funkcyjnych - atrybuty wtórne nie zależą od innych atrybutów wtórnych

Formalnie: Dla każdej nietrywialnej FD X → A:

• X jest nadkluczem, LUB
• A jest atrybutem pierwszym (należy do klucza)

❌ Naruszenie 3NF:

StudentID	Imię	WydziałID	NazwaWydziału
1	Jan	W4	Elektroniki

Klucz: StudentID

• StudentID → WydziałID → NazwaWydziału (przechodnia zależność!)

✅ Po normalizacji do 3NF:

Studenci:

StudentID	Imię	WydziałID
1	Jan	W4

Wydziały:

WydziałID	NazwaWydziału
W4	Elektroniki

---

BCNF - Postać Normalna Boyce'a-Codda

Wymagania:

1. Spełnia 3NF
2. Dla każdej nietrywialnej FD X → Y, X jest nadkluczem

BCNF jest silniejsza niż 3NF - eliminuje przypadki, gdy atrybut pierwszy zależy od atrybutu niebędącego nadkluczem.

❌ Naruszenie BCNF (ale spełnia 3NF):

Student	Przedmiot	Prowadzący
Jan	Bazy Danych	Dr Nowak
Jan	Algorytmy	Dr Nowak
Anna	Bazy Danych	Dr Kowalski

Klucze kandydujące: {Student, Przedmiot}, {Student, Prowadzący}

• Prowadzący → Przedmiot (jeden prowadzący = jeden przedmiot)
• Ale Prowadzący nie jest nadkluczem!

✅ Po normalizacji do BCNF:

Zapisy:

Student	Prowadzący
Jan	Dr Nowak
Anna	Dr Kowalski

Prowadzący:

Prowadzący	Przedmiot
Dr Nowak	Bazy Danych
Dr Kowalski	Bazy Danych

---

4NF - Czwarta Postać Normalna

Wymagania:

1. Spełnia BCNF
2. Brak nietrywialnych zależności wielowartościowych (MVD - Multivalued Dependencies)

Zależność wielowartościowa X ↠ Y: Dla danego X istnieje zbiór wartości Y niezależny od innych atrybutów.

❌ Naruszenie 4NF:

Pracownik	Umiejętność	Język
Jan	Java	Angielski
Jan	Java	Niemiecki
Jan	Python	Angielski
Jan	Python	Niemiecki

Pracownik ↠ Umiejętność i Pracownik ↠ Język (niezależne!)

✅ Po normalizacji do 4NF:

PracownikUmiejętności:

Pracownik	Umiejętność
Jan	Java
Jan	Python

PracownikJęzyki:

Pracownik	Język
Jan	Angielski
Jan	Niemiecki

---

5NF - Piąta Postać Normalna (PJNF)

Wymagania:

1. Spełnia 4NF
2. Brak zależności połączeniowych (Join Dependencies)
3. Dekompozycja bez strat tylko na podstawie kluczy kandydujących

5NF eliminuje redundancję wynikającą z niemożliwości odtworzenia oryginalnej relacji przez złączenie jej projekcji.

---

📊 Tabela porównawcza postaci normalnych

Postać	Eliminuje	Wymaga
1NF	Wielowartościowe atrybuty	Atomowość, klucz główny
2NF	Częściowe zależności	Pełna zależność od klucza
3NF	Przechodnie zależności	Brak X → A gdzie X nie jest nadkluczem i A nie jest pierwszym
BCNF	Zależności od nie-nadkluczy	Każdy determinant jest nadkluczem
4NF	Wielowartościowe zależności	Brak nietrywialnych MVD
5NF	Zależności połączeniowe	Dekompozycja tylko przez klucze

---

4. Proces normalizacji

Algorytm dekompozycji do 3NF

1. Znajdź pokrycie kanoniczne zbioru zależności funkcyjnych
2. Dla każdej FD X → A utwórz relację R(X, A)
3. Jeśli żadna relacja nie zawiera klucza kandydującego, dodaj relację z atrybutami klucza
4. Usuń relacje zawarte w innych relacjach

Własności dobrej dekompozycji

1. Bezstratność (Lossless Join)

Po dekompozycji można odtworzyć oryginalną relację przez złączenie naturalne.

Twierdzenie: Dekompozycja R na R₁ i R₂ jest bezstratna wtw gdy:

• R₁ ∩ R₂ → R₁, lub
• R₁ ∩ R₂ → R₂

2. Zachowanie zależności (Dependency Preservation)

Wszystkie oryginalne FD można zweryfikować w pojedynczych tabelach wynikowych (bez złączeń).

---

5. Denormalizacja

Kiedy stosować?

• Optymalizacja wydajności - złączenia są kosztowne
• Systemy OLAP/hurtownie danych - dane głównie odczytywane
• Raportowanie - predefiniowane zapytania

Techniki denormalizacji:

1. Dodanie redundantnych kolumn - unikanie złączeń
2. Tabele podsumowujące - agregaty
3. Tabele historyczne - snapshoty
4. Materializowane widoki - cache wyników

Kompromis:

NORMALIZACJA ←————————————→ DENORMALIZACJA
Integralność                 Wydajność odczytu
Mniej redundancji           Więcej redundancji
Wolniejsze odczyty          Szybsze odczyty
Szybsze zapisy              Wolniejsze zapisy

---

🧠 Mnemoniki

"1-2-3-BC" dla postaci normalnych:

• 1NF = 1 wartość w komórce (atomowość)
• 2NF = 2 słowa: "pełna zależność" (od całego klucza)
• 3NF = 3 słowa: "brak przechodniości" (A→B→C eliminowane)
• BCNF = Bardzo Cisty (każdy determinant = nadklucz)

"AIU" dla anomalii:

• Anomalia wstawiania (Adding) - nie można dodać
• Insercja usuwania (Interrupts) - traci dane przy DELETE
• Update modyfikacji - trzeba zmieniać wiele wierszy

"KAP" dla kluczy:

• Klucz główny - wybrany unikalny identyfikator
• Alternatywny (kandydujący) - mógłby być głównym
• Pierwszy atrybut - należy do jakiegoś klucza

Wzór na 3NF:

"Każdy atrybut zależy od klucza, całego klucza i tylko od klucza." (The key, the whole key, and nothing but the key - so help me Codd!)

---

❓ Możliwe pytania dodatkowe (follow-up)

Q1: "Podaj przykład dekompozycji do 3NF z zachowaniem bezstratności"

Odpowiedź:

Relacja: R(A, B, C, D) FD: A → B, B → C, C → D

Klucz: A

Dekompozycja:

1. R₁(A, B) - z FD A → B
2. R₂(B, C) - z FD B → C
3. R₃(C, D) - z FD C → D

Sprawdzenie bezstratności:

• R₁ ∩ R₂ = {B}, B → C (B jest kluczem R₂) ✓
• R₂ ∩ R₃ = {C}, C → D (C jest kluczem R₃) ✓

---

Q2: "Czym się różni 3NF od BCNF?"

Odpowiedź:

Cecha	3NF	BCNF
Warunek	X nadklucz LUB A pierwszy	X zawsze nadklucz
Siła	Słabsza	Silniejsza
Dekompozycja	Zachowuje zależności	Może nie zachować
Redundancja	Możliwa minimalna	Brak

Przykład różnicy:

R(Student, Przedmiot, Prowadzący)

• Klucze: {Student, Przedmiot}, {Student, Prowadzący}
• FD: Prowadzący → Przedmiot

3NF: ✅ spełniona (Przedmiot jest atrybutem pierwszym) BCNF: ❌ naruszona (Prowadzący nie jest nadkluczem)

---

Q3: "Jak sprawdzić, czy relacja jest w 3NF?"

Odpowiedź:

Algorytm:

1. Znajdź wszystkie nietrywialne FD
2. Dla każdej FD X → A sprawdź:
   • Czy X jest nadkluczem? → OK
   • Czy A jest atrybutem pierwszym? → OK
   • Jeśli żadne → NIE jest w 3NF

Przykład: R(A, B, C), FD: {A → B, B → C}

Klucz: A

• A → B: A jest nadkluczem ✓
• B → C: B nie jest nadkluczem, C nie jest pierwszy ✗

Wniosek: R NIE jest w 3NF

---

Q4: "Kiedy normalizacja może zaszkodzić?"

Odpowiedź:

1. Systemy OLAP/raportowe:

   • Złączenia wielu tabel są kosztowne
   • Dane głównie odczytywane, rzadko modyfikowane
   • Lepiej: denormalizacja, schematy gwiazdy/płatka śniegu

2. Aplikacje o wysokiej wydajności:

   • Każde złączenie to koszt
   • Cache'owanie i replikacja danych może być szybsze

3. Systemy czasu rzeczywistego:

   • Determinizm ważniejszy niż oszczędność miejsca
   • Redundancja może przyspieszyć dostęp

Zasada: Normalizuj dla OLTP, denormalizuj dla OLAP

---

Q5: "Co to jest zależność wielowartościowa (MVD)?"

Odpowiedź:

Zależność wielowartościowa X ↠ Y: Dla każdej wartości X istnieje zbiór wartości Y, który jest niezależny od innych atrybutów relacji.

Formalnie: X ↠ Y w R(X, Y, Z) gdy: Dla każdych dwóch krotek t₁, t₂ takich że t₁[X] = t₂[X]: istnieje krotka t₃ gdzie:

• t₃[X] = t₁[X] = t₂[X]
• t₃[Y] = t₁[Y]
• t₃[Z] = t₂[Z]

Intuicja: Y i Z są "niezależne" przy danym X.

Przykład: Pracownik ↠ Umiejętność (niezależne od języka) Pracownik ↠ Język (niezależne od umiejętności)

---

Q6: "Wyjaśnij pojęcie pokrycia kanonicznego"

Odpowiedź:

Pokrycie kanoniczne to minimalny zbiór FD równoważny oryginalnemu.

Właściwości:

1. Prawa strona każdej FD ma jeden atrybut
2. Lewa strona jest minimalna (brak nadmiarowych atrybutów)
3. Brak redundantnych FD

Algorytm:

1. Rozłóż prawe strony: A → BC na A → B, A → C
2. Usuń nadmiarowe atrybuty z lewych stron
3. Usuń redundantne FD (te wynikające z innych)

Przykład: F = {A → BC, B → C, A → B, AB → C}

Pokrycie kanoniczne: Fc = {A → B, B → C}

---

🎯 Kluczowe punkty do zapamiętania

1. Redundancja = powtarzanie danych → anomalie AIU
2. Normalizacja = dekompozycja eliminująca redundancję
3. 3NF = standard praktyczny (zachowuje zależności)
4. BCNF = silniejsza, ale może gubić zależności
5. Wzór 3NF: "klucz, cały klucz, tylko klucz"
6. Kompromis: normalizacja vs wydajność

---

📖 Źródła do pogłębienia

1. Date, C.J. - "An Introduction to Database Systems"
2. Elmasri, Navathe - "Fundamentals of Database Systems"
3. Codd, E.F. - "A Relational Model of Data for Large Shared Data Banks" (1970)
4. Garcia-Molina, Ullman, Widom - "Database Systems: The Complete Book"