En muchos casos, la desnormalización implica la creación de tablas o estructuras separadas para que las consultas sobre una pieza de información no afecten a ninguna otra información vinculada a ella. Por ejemplo, cuando las variables de datos más globales, como los nombres de los clientes, están vinculadas con compras individuales en un historial de compras, un administrador de la base de datos querrá asegurarse de que el trabajo realizado en un artículo comprado no afectará incorrectamente a toda la cuenta del cliente. Por lo tanto, los manejadores de la base de datos separarán las dos piezas de información, a veces con datos redundantes, para que puedan ser trabajadas por separado.
Donde entra la desnormalización es en que la adición de datos redundantes permite obtener resultados de búsqueda más sofisticados. Algunos ejemplos que se suelen dar para explicar esto incluyen situaciones en las que los responsables de la base de datos quieren encontrar direcciones anteriores, historiales de compra o cualquier otra cosa sobre un cliente o clienta que no se refiera al estado actual específico de esa cuenta. Aquí es donde tener datos redundantes puede permitir a las bases de datos dar diferentes resultados basados exactamente en lo que el usuario está pidiendo. De nuevo, tener estos datos redundantes también puede mejorar el rendimiento en función de las formas específicas en que una base de datos busca un elemento concreto. Los desafíos que implica la desnormalización incluyen documentar el proceso cuidadosamente para evitar algunos tipos de anomalías que pueden ocurrir como resultado de la falta de coincidencia de datos.
0 comentarios