denormalisaatio

Denormalisaatio on tietokantasuunnittelun käytäntö, jossa tietokannan rakenne suunnitellaan lisäten tarkoituksellista redundanssia. Se on vastakohta normaalisoinnille, jonka tavoite on minimoida toistuvat tiedot ja parantaa eheyttä. Denormalisaation tarkoituksena on nopeuttaa lukukyselyitä ja yksinkertaistaa raportointi- ja analytiikkakuormaa erityisesti suurissa järjestelmissä.

Toteutustapoja ovat tietojen duplicoiminen eri tauluihin, useiden taulujen yhteen liittäminen yhdeksi suuremmaksi tauluksi, laskettujen tai esilaskettujen kenttien tallentaminen sekä käyttöönotto materialisoituna näkymänä tai pre-aggregointeina. Näin kyselyt voivat välttää monimutkaisia liitoksia ja skaalata paremmin suurella datamäärällä.

Käyttökohteita ovat erityisesti data warehouset ja BI-raportointiin tukeva ympäristö, reaaliaikaiset dashboards sekä tilastointiin ja liiketoimintalaskentaan painottuvat sovellukset. Denormalisaatiota käytetään myös operatiivisissa järjestelmissä, kun lukukyselyiden vasteaikaa halutaan minimoida.

Riski ja haitat liittyvät redundanssin lisäämään päivitys- ja synkronointitarpeeseen, mahdollisiin päivitysvirheisiin sekä suurempaan tallennustarpeeseen. Lisäksi denormalisaatio tekee tietojen eheydestä huolehtimisesta monimutkaisempaa ja vaatii tarkkaa hallintaa ETL-prosessien, migraatioiden ja sovelluslogiikan kautta.

Hyvä hallinta perustuu huolelliseen arviointiin: missä tarvitaan nopeita lukuja, mitkä tiedot voivat olla redundanssian etsimistä, sekä selkeään dokumentaatioon ja versiointiin. Usein käytetään testauskampanjoita ja monitorointia tietojen konsistenssin varmistamiseksi.

Historia: Denormalisaatio juontaa juurensa relaatioalgebran aikakaudelta, mutta sen käyttö yleistyi erityisesti 1990-luvulla data warehousen ja suurten BI-ratkaisujen myötä.