Denormalization is a strategy used on a previously-normalized database to increase performance. In computing, denormalization is the process of trying to improve the read performance of a database, at the expense of losing some write performance, by adding redundant copies of data or by grouping data. It is often motivated by performance or scalability in relational database software needing to carry out very large numbers of read operations. Denormalization differs from the unnormalized form in that denormalization benefits can only be fully realized on a data model that is otherwise normaliz
La denormalizzazione di una banca dati è il processo per cui si portano i dati sottoposti ad un processo di normalizzazione a quelli originari. Per sua natura la denormalizzazione porta a una ripetizione dei dati o all'aggiunta di dati non necessari. Si dice quindi denormalizzata una relazione non in forma normale. In genere la denormalizzazione porta alla rinuncia alla terza forma normale, anche se in certi casi occorre rinunciare anche alla seconda forma normale. Questo è il caso tipico in cui una relazione molti-a-molti viene risolta con una tabella con chiave primaria che sostituisce un insieme di campi che altrimenti sarebbero una chiave candidata multipla. La denormalizzazione è molto usata specie in contesti come il datawarehouse. In quel contesto, dove la velocità di risposta della banca dati a una query ha un'importanza maggiore rispetto all'organizzazione dei dati, è utile avere una denormalizzazione delle tabelle per evitare di fare delle join aggiuntive. Generalmente la denormalizzazione si usa trasformando le relazioni gerarchiche del tipo uno-a-molti in un'unica relazione e quindi in un'unica tabella. Ad esempio nel caso di serie storiche le date dopo essere state normalizzate (ovvero fissate entro un intervallo che si estende da 1 ad infinito, a seconda del periodo considerato), vengono riportate alla loro forma originale.
Abstract from DBpedia / Wikipedia · CC BY-SA
via Wikidata sitelinks · CC0
Discovered by embedding cosine similarity (sentence-transformers MiniLM, 384-dim).