El proceso de
normalización de bases de datos consiste en aplicar una serie de reglas a las relaciones obtenidas tras el paso del
modelo entidad-relación al
modelo relacional.
Las bases de datos relacionales se normalizan para:
- Evitar la redundancia de los datos.
- Evitar problemas de actualización de los datos en las tablas.
- Proteger la integridad de los datos.
En el modelo relacional es frecuente llamar
tabla a una relación, aunque para que una tabla sea considerada como una relación tiene que cumplir con algunas restricciones:
- Cada tabla debe tener su nombre único.
- No puede haber dos filas iguales. No se permiten los duplicados.
- Todos los datos en una columna deben ser del mismo tipo.
Terminología relacional equivalente
Figura 1.0: Trabajo (
Código, Nombre, Posición, Salario), donde Código es la Clave Primaria.
- Relación = tabla o archivo
- Registro = registro, fila , renglón o tupla
- Atributo = columna o campo
- Clave = llave o código de identificación
- Clave Candidata = superclave mínima
- Clave Primaria = clave candidata elegida
- Clave Ajena (o foránea) = clave externa o clave foránea
- Clave Alternativa = clave secundaria
- Dependencia Multivaluada = dependencia multivalor
- RDBMS = Del inglés Relational Data Base Manager System que significa, Sistema Gestor de Bases de Datos Relacionales.
- 1FN = Significa, Primera Forma Normal o 1NF del inglés First Normal Form.
Los términos Relación, Tupla y Atributo derivan del
álgebra y
cálculo relacional, que constituyen la fuente teórica del modelo de base de datos relacional.
Todo atributo en una tabla tiene un dominio, el cual representa el
conjunto de valores que el mismo puede tomar. Una instancia de una tabla
puede verse entonces como un subconjunto del producto cartesiano entre
los dominios de los atributos. Sin embargo, suele haber algunas
diferencias con la analogía matemática, ya que algunos RDBMS permiten
filas duplicadas, entre otras cosas. Finalmente, una tupla puede
razonarse matemáticamente como un elemento del producto cartesiano entre
los dominio.
Dependencia
Dependencia funcional
B es funcionalmente dependiente de
A.
Una
dependencia funcional es una conexión entre uno o más atributos. Por ejemplo si se conoce el valor de
FechaDeNacimiento podemos conocer el valor de
Edad.
Las dependencias funcionales del sistema se escriben utilizando una flecha, de la siguiente manera:
FechaDeNacimiento
EdadDe
la normalización (lógica) a la implementación (física o real) puede
ser sugerible tener éstas dependencias funcionales para lograr la
eficiencia en las tablas.
Propiedades de la Dependencia funcional
Existen 3 axiomas de Armstrong:
Dependencia funcional Reflexiva
Si "x" está incluido en "x" entonces x

x A partir de cualquier atributo o conjunto de atributos siempre puede
deducirse él mismo. Si la dirección o el nombre de una persona están
incluidos en el DNI, entonces con el DNI podemos determinar la dirección
o su nombre.
Dependencia funcional Aumentativa

entonces
DNI
nombre
DNI,
dirección
nombre,
dirección
Si con el DNI se determina el nombre de una persona, entonces con el
DNI más la dirección también se determina el nombre y su dirección.
Dependencia funcional transitiva
Dependencia funcional transitiva.
Sean
X, Y, Z tres atributos (o grupos de atributos) de la misma entidad. Si
Y depende funcionalmente de
X y
Z de
Y, pero
X no depende funcionalmente de
Y, se dice entonces que
Z depende transitivamente de
X. Simbólicamente sería:
X
Y
Z entonces
X
Z
FechaDeNacimiento
Edad
Edad
Conducir
FechaDeNacimiento
Edad
Conducir
Entonces tenemos que
FechaDeNacimiento determina a
Edad y la
Edad determina a
Conducir, indirectamente podemos saber a través de
FechaDeNacimiento a
Conducir
(En muchos países, una persona necesita ser mayor de cierta edad para
poder conducir un automóvil, por eso se utiliza este ejemplo).
Propiedades deducidas
Unión

y

entonces
Pseudo-transitiva

y

entonces
Descomposición

y

está incluido en

entonces
Claves
Una
clave primaria
es aquella columna (o conjunto de columnas) que identifica únicamente a
una fila. La clave primaria es un identificador que va a ser siempre
único para cada fila. Se acostumbra a poner la clave primaria como la
primera columna de la tabla pero es más una conveniencia que una
obligación. Muchas veces la clave primaria es numérica
auto-incrementada, es decir, generada mediante una secuencia numérica
incrementada automáticamente cada vez que se inserta una fila.
En una tabla puede que tengamos más de una columna que puede ser clave
primaria por sí misma. En ese caso se puede escoger una para ser la
clave primaria y las demás claves serán
claves candidatas.
Una
clave ajena (foreign key o clave foránea) es aquella columna que existiendo como dependiente en una tabla, es a su vez clave primaria en otra tabla.
Una
clave alternativa es aquella clave candidata que no ha sido
seleccionada como clave primaria, pero que también puede identificar de
forma única a una fila dentro de una tabla. Ejemplo: Si en una tabla
clientes definimos el número de documento (id_cliente) como clave
primaria, el número de seguro social de ese cliente podría ser una
clave alternativa. En este caso no se usó como clave primaria porque es
posible que no se conozca ese dato en todos los clientes.
Una
clave compuesta es una clave que está compuesta por más de una columna.
La visualización de todas las posibles
claves candidatas en una
tabla ayudan a su optimización. Por ejemplo, en una tabla PERSONA
podemos identificar como claves su DNI, o el conjunto de su nombre,
apellidos, fecha de nacimiento y dirección. Podemos usar cualquiera de
las dos opciones o incluso todas a la vez como clave primaria, pero es
mejor en la mayoría de sistemas la elección del menor número de columnas
como
clave primaria.
Formas Normales
Las formas normales son aplicadas a las tablas de una base de datos. Decir que una base de datos está en la forma normal
N es decir que todas sus tablas están en la forma normal
N.
Diagrama de inclusión de todas las formas normales.
En
general, las primeras tres formas normales son suficientes para cubrir
las necesidades de la mayoría de las bases de datos. El creador de
estas 3 primeras formas normales (o reglas) fue
Edgar F. Codd.
1
Primera Forma Normal (1FN)
Una tabla está en Primera Forma Normal si:
- Todos los atributos son atómicos. Un atributo es atómico si los elementos del dominio son indivisibles, mínimos.
- La tabla contiene una llave primaria única.
- La llave primaria no contiene atributos nulos.
- No debe existir variación en el número de columnas.
- Los Campos no llave deben identificarse por la llave (Dependencia Funcional)
- Debe Existir una independencia del orden tanto de las filas como de
las columnas, es decir, si los datos cambian de orden no deben cambiar
sus significados
Una tabla no puede tener múltiples valores en cada columna. Los
datos son atómicos. (Si a cada valor de X le pertenece un valor de Y y
viceversa)
Esta forma normal elimina los valores repetidos dentro de una BD
Segunda Forma Normal (2FN)
Dependencia Funcional.
Una relación está en 2FN si está en 1FN y si los atributos que no
forman parte de ninguna clave dependen de forma completa de la clave
principal. Es decir que no existen dependencias parciales. (Todos los
atributos que no son clave principal deben depender únicamente de la
clave principal).
En otras palabras podríamos decir que la segunda forma normal está
basada en el concepto de dependencia completamente funcional. Una
dependencia funcional

es completamente funcional si al eliminar los atributos A de X significa que la dependencia no es mantenida, esto es que

. Una dependencia funcional

es una dependencia parcial si hay algunos atributos

que pueden ser eliminados de X y la dependencia todavía se mantiene, esto es

.
Por ejemplo {DNI, ID_PROYECTO}

HORAS_TRABAJO (con el DNI de un empleado y el ID de un proyecto
sabemos cuántas horas de trabajo por semana trabaja un empleado en
dicho proyecto) es completamente dependiente dado que ni DNI

HORAS_TRABAJO ni ID_PROYECTO

HORAS_TRABAJO mantienen la dependencia. Sin embargo {DNI, ID_PROYECTO}

NOMBRE_EMPLEADO es parcialmente dependiente dado que DNI

NOMBRE_EMPLEADO mantiene la dependencia.
Tercera Forma Normal (3FN)
La
tabla se encuentra en 3FN si es 2FN y si no existe ninguna dependencia
funcional transitiva entre los atributos que no son clave.
Un ejemplo de este concepto sería que, una dependencia funcional
X->Y en un esquema de relación R es una dependencia transitiva si hay
un conjunto de atributos Z que no es un subconjunto de alguna clave de
R, donde se mantiene X->Z y Z->Y.
Por ejemplo, la dependencia SSN->DMGRSSN es una dependencia
transitiva en EMP_DEPT de la siguiente figura. Decimos que la
dependencia de DMGRSSN el atributo clave SSN es transitiva vía DNUMBER
porque las dependencias SSN→DNUMBER y DNUMBER→DMGRSSN son mantenidas, y
DNUMBER no es un subconjunto de la clave de EMP_DEPT. Intuitivamente,
podemos ver que la dependencia de DMGRSSN sobre DNUMBER es indeseable en
EMP_DEPT dado que DNUMBER no es una clave de EMP_DEPT.
Formalmente, un esquema de relacion

está en 3 Forma Normal
Elmasri-Navathe,
2 si para toda dependencia funcional

, se cumple al menos una de las siguientes condiciones:
es superllave o clave.
es atributo primo de
; esto es, si es miembro de alguna clave en
.
Además el esquema debe cumplir necesariamente, con las condiciones de segunda forma normal.
Forma normal de Boyce-Codd (FNBC)
La
tabla se encuentra en FNBC si cada determinante, atributo que
determina completamente a otro, es clave candidata. Deberá registrarse
de forma anillada ante la presencia de un intervalo seguido de una
formalizacion perpetua, es decir las variantes creadas, en una tabla no
se llegaran a mostrar, si las ya planificadas, dejan de existir.
Formalmente, un esquema de relación

está en FNBC, si y sólo si, para toda dependencia funcional

válida en

, se cumple que
es superllave o clave.
De esta forma, todo esquema

que cumple FNBC, está además en 3FN; sin embargo, no todo esquema

que cumple con 3FN, está en FNBC.
Cuarta Forma Normal (4FN)
Una
tabla se encuentra en 4FN si, y sólo si, para cada una de sus
dependencias múltiples no funcionales X->->Y, siendo X una
super-clave que, X es o una clave candidata o un conjunto de claves
primarias.
Quinta Forma Normal (5FN)
Una tabla se encuentra en 5FN si:
- La tabla está en 4FN
- No existen relaciones de dependencias no triviales que no siguen los
criterios de las claves. Una tabla que se encuentra en la 4FN se dice
que está en la 5FN si, y sólo si, cada relación de dependencia se
encuentra definida por las claves candidatas.
Reglas de Codd
Codd
se percató de que existían bases de datos en el mercado las cuales
decían ser relacionales, pero lo único que hacían era guardar la
información en las tablas, sin estar estas tablas literalmente
normalizadas; entonces éste publicó 12 reglas que un verdadero sistema
relacional debería tener, en la práctica algunas de ellas son difíciles
de realizar. Un sistema podrá considerarse "más relacional" cuanto más
siga estas reglas.
Regla No. 1 - La Regla de la información
Toda la información en un RDBMS está explícitamente representada de una sola manera por valores en una tabla.
Cualquier cosa que no exista en una tabla no existe del todo. Toda la
información, incluyendo nombres de tablas, nombres de vistas, nombres
de columnas, y los datos de las columnas deben estar almacenados en
tablas dentro de las bases de datos. Las tablas que contienen tal
información constituyen el Diccionario de Datos. Esto significa que todo
tiene que estar almacenado en las tablas.
Toda la información en una base de datos relacional se representa
explícitamente en el nivel lógico exactamente de una manera: con valores
en tablas. Por tanto los metadatos (diccionario, catálogo) se
representan exactamente igual que los datos de usuario. Y puede usarse
el mismo lenguaje (ej. SQL) para acceder a los datos y a los metadatos
(regla 4)
Regla No. 2 - La regla del acceso garantizado
Cada
ítem de datos debe ser lógicamente accesible al ejecutar una búsqueda
que combine el nombre de la tabla, su clave primaria, y el nombre de la
columna.
Esto significa que dado un nombre de tabla, dado el valor de la clave
primaria, y dado el nombre de la columna requerida, deberá encontrarse
uno y solamente un valor. Por esta razón la definición de claves
primarias para todas las tablas es prácticamente obligatoria.
Regla No. 3 - Tratamiento sistemático de los valores nulos
La información inaplicable o faltante puede ser representada a través de valores nulos
Un RDBMS (Sistema Gestor de Bases de Datos Relacionales) debe ser capaz
de soportar el uso de valores nulos en el lugar de columnas cuyos
valores sean desconocidos.
Regla No. 4 - La regla de la descripción de la base de datos
La
descripción de la base de datos es almacenada de la misma manera que
los datos ordinarios, esto es, en tablas y columnas, y debe ser
accesible a los usuarios autorizados.
La información de tablas, vistas, permisos de acceso de usuarios
autorizados, etc, debe ser almacenada exactamente de la misma manera: En
tablas. Estas tablas deben ser accesibles igual que todas las tablas, a
través de sentencias de SQL (o similar).
Regla No. 5 - La regla del sub-lenguaje Integral
Debe
haber al menos un lenguaje que sea integral para soportar la
definición de datos, manipulación de datos, definición de vistas,
restricciones de integridad, y control de autorizaciones y transacciones.
Esto significa que debe haber por lo menos un lenguaje con una sintaxis
bien definida que pueda ser usado para administrar completamente la
base de datos.
Regla No. 6 - La regla de la actualización de vistas
Todas las vistas que son teóricamente actualizables, deben ser actualizables por el sistema mismo.
La mayoría de las RDBMS permiten actualizar vistas simples, pero deshabilitan los intentos de actualizar vistas complejas.
Regla No. 7 - La regla de insertar y actualizar
La
capacidad de manejar una base de datos con operandos simples aplica no
sólo para la recuperación o consulta de datos, sino también para la
inserción, actualización y borrado de datos'.
Esto significa que las cláusulas para leer, escribir, eliminar y
agregar registros (SELECT, UPDATE, DELETE e INSERT en SQL) deben estar
disponibles y operables, independientemente del tipo de relaciones y
restricciones que haya entre las tablas o no.
Regla No. 8 - La regla de independencia física
El
acceso de usuarios a la base de datos a través de terminales o
programas de aplicación, debe permanecer consistente lógicamente cuando
quiera que haya cambios en los datos almacenados, o sean cambiados los
métodos de acceso a los datos.
El comportamiento de los programas de aplicación y de la actividad de
usuarios vía terminales debería ser predecible basados en la definición
lógica de la base de datos, y éste comportamiento debería permanecer
inalterado, independientemente de los cambios en la definición física de
ésta.
Regla No. 9 - La regla de independencia lógica
Los
programas de aplicación y las actividades de acceso por terminal deben
permanecer lógicamente inalteradas cuando quiera que se hagan cambios
(según los permisos asignados) en las tablas de la base de datos.
La independencia lógica de los datos especifica que los programas de
aplicación y las actividades de terminal deben ser independientes de la
estructura lógica, por lo tanto los cambios en la estructura lógica no
deben alterar o modificar estos programas de aplicación.
Regla No. 10 - La regla de la independencia de la integridad
Todas
las restricciones de integridad deben ser definibles en los datos, y
almacenables en el catalogo, no en el programa de aplicación.
Las reglas de integridad
- Ningún componente de una clave primaria puede tener valores en blanco o nulos (ésta es la norma básica de integridad).
- Para cada valor de clave foránea deberá existir un valor de clave
primaria concordante. La combinación de estas reglas aseguran que haya
integridad referencial. Regla No. 11 - La regla de la distribución
El sistema debe poseer un lenguaje de datos que pueda soportar
que la base de datos esté distribuida físicamente en distintos lugares
sin que esto afecte o altere a los programas de aplicación.
El soporte para bases de datos distribuidas significa que una colección
arbitraria de relaciones, bases de datos corriendo en una mezcla de
distintas máquinas y distintos sistemas operativos y que esté conectada
por una variedad de redes, pueda funcionar como si estuviera
disponible como en una única base de datos en una sola máquina.
Regla No. 12 - Regla de la no-subversión
Si
el sistema tiene lenguajes de bajo nivel, estos lenguajes de ninguna
manera pueden ser usados para violar la integridad de las reglas y
restricciones expresadas en un lenguaje de alto nivel (como SQL).
Algunos productos solamente construyen una interfaz relacional para sus
bases de datos No relacionales, lo que hace posible la subversión
(violación) de las restricciones de integridad. Esto no debe ser
permitido.
En esta pagina se ve un ejemplo: