Denormalizzazione

In molti casi, la denormalizzazione implica la creazione di tabelle o strutture separate in modo che le query su un’informazione non influenzino le altre informazioni legate ad essa. Per esempio, quando variabili di dati più globali come i nomi dei clienti sono legati insieme a singoli acquisti in una cronologia di acquisto, un amministratore di database vorrà assicurarsi che il lavoro fatto su un articolo acquistato non influenzerà erroneamente l’intero conto del cliente. Pertanto, i gestori di database separeranno i due pezzi di informazione, a volte con dati ridondanti, in modo che possano essere lavorati separatamente.

Il punto in cui la denormalizzazione entra in gioco è che l’aggiunta di dati ridondanti permette di ottenere risultati di ricerca più sofisticati. Alcuni esempi che vengono dati di solito per spiegare questo includono situazioni in cui i gestori di database vogliono trovare indirizzi precedenti, storie di acquisti, o qualsiasi altra cosa su un cliente che non riguarda lo specifico stato attuale di quel conto. Questo è il caso in cui avere dati ridondanti può permettere ai database di dare risultati diversi in base a ciò che l’utente sta chiedendo esattamente. Di nuovo, avere questi dati ridondanti può anche migliorare le prestazioni in base ai modi specifici in cui un database cerca un particolare elemento. Le sfide coinvolte nella denormalizzazione includono la documentazione accurata del processo per evitare alcuni tipi di anomalie che possono verificarsi come risultato della mancata corrispondenza dei dati.