Từng bước để chuẩn hóa dữ liệu Database

Chả là dự án mình đang phát triển một feature lớn, phải thiết kế thêm nhiều bảng, anh em dự án cứ bảo "Khách Hàng chẳng tuân thủ chuẩn hóa DB gì cả", mình mặc dù cũng có nhớ thời ĐH học rồi, cơ mà để chắc chắn điều anh em nói, mình tìm hiểu loanh quanh trên Google; Và giờ chia sẻ lại cho anh em nhé".

Khái niệm

Chuẩn hóa là một kĩ thuật trong thiết kế DB, được sử dụng để thiết kế table của CSDL quan hệ lên "những" tiêu chuẩn cao hơn.

Để tiến lên cấp độ sau yêu cầu cấp độ trước đó phải được thỏa mãn. Ví dụ, ta đang có bộ data dạng chưa chuẩn hóa (đây là cấp thấp nhất) và ta đang mong muốn đạt được cấp độ chuẩn hóa cao nhất. Thì bước đầu tiên trước hết phải đảm bảo dạng chuẩn hóa I được tuân thủ, sau đó chúng ta thiết kế tiếp tục DB để thỏa mãn các yêu cầu riêng của dạng chuẩn hóaII,... và cứ như thế cho đến khi bộ data của chúng ta đạt đến dạng chuẩn hóa thứ VI.

---

NOTE

Dạng chuẩn hóa thứ IV trở lên chỉ mang tính chất lý thuyết, các vấn đề mà các dạng này hướng đến giải quyết thường hiếm xuất hiện trong thực tế.

---

Data khởi tạo

Dưới đây là ví dụ về bộ data khởi tạo - chưa được chuẩn hóa.

Title	Author	Author Nationality	Format	Price	Subject	Pages	Thickness	Publisher	Publisher Country	Publication Type	Genre ID	Genre Name
Beginning MySQL Database Design and Optimization	Chad Russell	American	Hardcover	49.99	MySQL,Database,Design	520	Thick	Apress	USA	E-book	1	Tutorial

Ta đặt giả định là 1 sách thì chỉ thuộc về 1 tác giá

1NF - Dạng chuẩn hóa I

Để thỏa mãn 1NF, giá trị trong mỗi cột cần phải là 1 giá trị đơn lẻ.

Nhìn vào bảng trên, cột Subject đang chứa nhiều hơn một giá trị, khiến bảng này chưa thỏa mãn 1NF.

Một cách để đạt 1NF trong trường hợp này là tách các giá trị đó ra nhiều cột Subject khác.

Title	Format	Author	Author Nationality	Price	Subject 1	Subject 2	Subject 3	Pages	Thickness	Publisher	Publisher country	Genre ID	Genre Name
Beginning MySQL Database Design and Optimization	Hardcover	Chad Russell	American	49.99	MySQL	Database	Design	520	Thick	Apress	USA	1	Tutorial

Kết quả trên đã đáp ứng được chuẩn 1NF song có một vấn đề. Nếu một cuốn sách thuộc nhiều hơn 3 chủ đề, ta sẽ không thể thêm chủ để mới đó vào bảng mà không thêm một cột nữa vào bảng này.

Để giải quyết vấn đề này một cách tinh tế hơn, việc cần làm trước tiên là xác định các đối tượng xuất hiện trong bảng và chia chúng ra thành các bảng tương ứng. Với đề bài lần này, 3 bảng sẽ là: Book, Subject and Publisher

Title	Format	Author	Author Nationality	Price	Pages	Thickness	Genre ID	Genre Name	Publisher ID
Beginning MySQL Database Design and Optimization	Hardcover	Chad Russell	American	49.99	520	Thick	1	Tutorial	1

Bảng Publisher

Publisher_ID	Name	Country
1	Apress	USA

Bảng Subject

Subject ID	Subject name
1	MySQL
2	Database
3	Design

Rõ ràng, khi tách bảng thế này sẽ khiến data không còn liên kết với nhau nữa. Có nghĩa ta sẽ phải bằng cách nào đó biểu diễn mối quan hệ giữa các bảng này.

Các bạn để ý cột Publisher ID ở Bảng Books là khóa ngoại xác định mối quan hệ một - nhiều giữa book và publisher.

Mặt khác, 1 book có thể thuộc nhiều subject khác nhau, cũng như một subject có thể thuộc về nhiều quyền sách. Do vậy, ta cần một mối quan hệ nhiều-nhiều được biểu diễn ở bảng trung gian dưới đây:

Bảng Title - Subject

Title	Subject ID
Beginning MySQL Database Design and Optimization	1
Beginning MySQL Database Design and Optimization	2
Beginning MySQL Database Design and Optimization	3

Đến thời điểm này, ta đã có tổng cộng là 4 bảng được tách ra từ bảng khởi tạo đầu tiên - chỉ để tuân theo chuẩn 1NF

2NF - Dạng chuẩn hóa II

Để xác định 1 book, với bảng dưới ta cần dùng Khóa hợp của {Title, Format}

Title	Format	Author	Author Nationality	Price	Pages	Thickness	Genre ID	Genre Name	Publisher ID
Beginning MySQL Database Design and Optimization	Hardcover	Chad Russell	American	49.99	520	Thick	1	Tutorial	1
Beginning MySQL Database Design and Optimization	E-book	Chad Russell	American	22.34	520	Thick	1	Tutorial	1
The Relational Model for Database Management: Version 2	E-book	E.F.Codd	British	13.88	538	Thick	2	Popular science	2
The Relational Model for Database Management: Version 2	Paperback	E.F.Codd	British	39.99	538	Thick	2	Popular science	2

Ta thấy các cột mà không phải thuộc khóa hợp {Title, Format} đều chỉ phụ thuộc vào Title, mỗi cột Price thì phụ thuộc vào cả 2 Title và Format.

Để thỏa mãn chuẩn 2NF, ta cần đảm bảo rằng không có thuộc tính (cột) nào chỉ phụ thuộc 1 phần vào khóa hợp. Hay nói cách khác, trong chuẩn 2NF, mọi thuộc tính phải phụ thuộc hoàn toàn vào khóa hợp.

Với bài toán hiện tại, ta sẽ tách ra một bảng để cột Title trở thành khóa chính, tất cả các thuộc tính (cột) còn lại phụ thuộc hoàn toàn vào nó; còn cột Price thì tách ra bảng khác nơi mà nó phụ thuộc vào cột Format (và tất nhiên là cả Title)

Bảng Books

Title	Author	Author Nationality	Pages	Thickness	Genre ID	Genre Name	Publisher ID
Beginning MySQL Database Design and Optimization	Chad Russell	American	520	Thick	1	Tutorial	1
The Relational Model for Database Management: Version 2	E.F.Codd	British	538	Thick	2	Popular science	2

Bảng Books giờ đây đã đạt chuẩn 2NF

Bảng Format - Price

Title	Format	Price
Beginning MySQL Database Design and Optimization	Hardcover	49.99
Beginning MySQL Database Design and Optimization	E-book	22.34
The Relational Model for Database Management: Version 2	E-book	13.88
The Relational Model for Database Management: Version 2	Paperback	39.99

Bảng Formats - Price vẫn chưa đạt chuẩn 2NF đâu nhé..

3NF - Dạng chuẩn hóa III

Bảng Books lúc này vẫn đang xảy ra một hiện tượng gọi là: phụ thuộc bắc cầu, cụ thể: {Author Nationality} thì phục thuộc vào {Author}, và {Author} thì phục thuộc vào {Title}.

Nhược điểm của nó là: nếu giá trị {Author} bị thay đổi, thì ta sẽ phải tìm và thay đổi toàn bộ các {Author Nationality} tương ứng ở các dòng khác (nếu có) trong bảng.

Tương tự chuyện xảy ra giữa {Genre Name} {Genre ID} và {Title}

Ta nói rằng bảng Books giờ đây chưa đạt chuẩn 3NF.

Để tuân thủ chuẩn này, ta sẽ thiết kế lại như sau: Tách Books ra thành 3 bảng với 2 bảng mới tương ứng là Authors và Genres.

Bảng Books

Title	Author	Pages	Thickness	Genre ID	Publisher ID
Beginning MySQL Database Design and Optimization	Chad Russell	520	Thick	1	1
The Relational Model for Database Management: Version 2	E.F.Codd	538	Thick	2	2

Bảng Authors

Author	Author Nationality
Chad Russell	American
E.F.Codd	British

Bảng Genres

Genre ID	Genre Name
1	Tutorial
2	Popular science

4NF

Trước tiên muốn đạt chuẩn này cần đạt chuẩn BCNF, tức là mọi thuộc tính (cột) đều phải là thành phần của khóa hợp; hay chỉ cần có một cột không thuộc thành phần của khóa hợp là sai chuẩn BCNF.

Tiếp theo, chuần 4NF yêu cầu bên trong một table quan hệ KHÔNG được phép có nhiều hơn 1 quan hệ nhiều giá trị..

Cùng xem ví dụ sau:

Giả định các Books này được sở hữu bởi các Franchisee (Doanh nghiệp) có trụ sở tại nhiều Bang tại Mỹ. Lúc này ta cần thêm một bảng mới mô tả 1 books đang có mặt tại địa điểm nào. Giả định: mọi Franchisee đều có sách tại mọi trụ sở của nó

Bảng Franchisee - Book - Location

Franchisee ID	Title	Location
1	Beginning MySQL Database Design and Optimization	California
1	Beginning MySQL Database Design and Optimization	Florida
1	Beginning MySQL Database Design and Optimization	Texas
1	The Relational Model for Database Management: Version 2	California
1	The Relational Model for Database Management: Version 2	Florida
1	The Relational Model for Database Management: Version 2	Texas
2	Beginning MySQL Database Design and Optimization	California
2	Beginning MySQL Database Design and Optimization	Florida
2	Beginning MySQL Database Design and Optimization	Texas
2	The Relational Model for Database Management: Version 2	California
2	The Relational Model for Database Management: Version 2	Florida
2	The Relational Model for Database Management: Version 2	Texas
3	Beginning MySQL Database Design and Optimization	Texas

Ta thấy có 2 quan hệ ở đây:

1. Franchisee ->> Location (1 Franchisee có nhiều trụ sở)
2. Franchisee ->> Book (1 Franchisee bán nhiều cuốn sách)

Lúc này, ta có thể nói bảng này có 2 quan hệ nhiều giá trị.

Để tuân thủ 4NF ta phải thiết kế lại sao cho chỉ có một quan hệ giá nhiều giá trị trong một bảng. Ta tách như sau:

Bảng Franchisee - Book

Franchisee ID	Title
1	Beginning MySQL Database Design and Optimization
1	The Relational Model for Database Management: Version 2
2	Beginning MySQL Database Design and Optimization
2	The Relational Model for Database Management: Version 2
3	Beginning MySQL Database Design and Optimization

Bảng Franchisee - Location

Franchisee ID	Location
1	California
1	Florida
1	Texas
2	California
2	Florida
2	Texas
3	Texas

Tổng kết

Các chuẩn còn lại rất nhiều song anh em lập trình mình biết tới đây chắc OK rồi nhỉ. Anh em nào muốn đọc kĩ hơn tài liệu gốc hãy xem các nguồn dưới đây thêm nhé:

Nguồn tham khảo

https://en.wikipedia.org/wiki/Database_normalization; https://www.geeksforgeeks.org/introduction-of-4th-and-5th-normal-form-in-dbms/; https://www.guru99.com/database-normalization.html