Normalizacin de una base de datos

El proceso de normalizacin de una base de datos consiste en aplicar una serie de reglas a las relaciones obtenidas tras el paso del modelo E-R (entidad-relacin) al modelo relacional. Las bases de datos relacionales se normalizan para: Evitar la redundancia de los datos. Evitar problemas de actualizacin de los datos en las tablas. Proteger la integridad de los datos.

En el modelo relacional es frecuente llamar tabla a una relacin, aunque para que una tabla bidimensional sea considerada como una relacin tiene que cumplir con algunas restricciones: Cada columna debe tener su nombre nico. No puede haber dos filas iguales. No se permiten los duplicados. Todos los datos en una columna deben ser del mismo tipo.

Tabla de contenidos 1 Terminologa equivalente 2 Claves o 2.1 Clave ajena o 2.2 Clave candidata o 2.3 Clave alternativa o 2.4 Clave simple o 2.5 Clave compuesta 3 Formas Normales o 3.1 Primera Forma Normal (1NF) o 3.2 Segunda Forma Normal (2NF) o 3.3 Tercera Forma Normal (3NF) o 3.4 Cuarta Forma Normal (5NF) 4 Reglas de Codd 5 Vase tambin 6 Enlaces externos

Terminologa equivalente entidad = tabla o archivo tupla = registro, fila o rengln atributo = campo o columna base de datos = banco de datos dependencia multivaluada = dependencia multivalor clave = llave clave primaria = superclave clave ajena = clave externa o clave fornea RDBMS = del ingls Relational Data Base Manager System que significa, Sistema Gestor de Bases de Datos Relacionales

Dependencia funcional Una dependencia funcional son conexiones entre uno o ms atributos. Por ejemplo si conocemos el valor de FechaDeNacimiento podemos conocer el valor de Edad. Las dependencias funcionales se escriben utilizando una flecha, de la siguiente manera: FechaDeNacimiento->Edad Aqu a FechaDeNacimiento se le conoce como un determinante. Se puede leer de dos formas FechaDeNacimiento determina a Edad o Edad es funcionalmente dependiente de FechaDeNacimiento. De la normalizacin (lgica) a la implementacin (fsica o real) puede ser sugerible tener stas dependencias funcionales para lograr mayor eficiencia en las tablas. Dependencia funcional transitiva Supongamos que en la relacin de la figura 3.0 los estudiantes solo pueden estar matriculados en un solo curso y supongamos que los profesores solo pueden dar un curso. ID_Estudiante -> Curso_Tomando Curso_Tomando -> Profesor_Asignado ID_Estudiante -> Curso_Tomando -> Profesor_Asignado Entonces tenemos que ID_Estudiante determina a Curso_Tomando y el Curso_Tomando determina a Profesor_Asignado, indirectamente podemos saber a travs del ID_estudiante el Profesor_Asignado. Entonces en la figura 3.0 tenemos una dependencia transitiva. Claves Clave ajena Cuando se tienen dos tablas o ms, una clave ajena es aquella columna de una tabla que hace referencia a una clave primaria de otra tabla. Supongamos que tenemos una base de datos con las dos tablas. Como podemos ver en la tabla de la figura 4.0 la columna NumeroCliente hace de clave primaria, pero en la tabla de la figura 5.0 la columna de NumeroCliente hace de clave externa. La clave primaria NumeroCliente de la figura 4.0 hace referencia a toda la fila, evitando as errores tipogrficos y ahorrando espacio fsico. Tambin existe el caso de Relaciones Autoreferenciales. Sucede cuando en la misma relacin se tiene una clave ajena que hace referencia a la clave primeria de la misma relacin. Un ejemplo es EMP (NumEmp, Nombre,... ,NumEmp-Ger). En este caso NumEmp-Ger es una clave ajena que hace referencia a la clave primaria NumEmp. Por otro lado las claves ajenas pueden tomar valores nulos, como por ejemplo para un Gerente, el valor NumEmp-Ger sera nulo, ya que no posee ninguna persona a nivel superior.

Regla de Integridad Referencial La base de datos no debe contener valores de clave ajena sin concordancia. As como los valores de clave primaria representan identificadores de entidades, las claves ajenas representan referencia a entidades. La regla dice: Si B hace referencia a A entonces A debe existir. Surgen los siguientes dos puntos: - La integridad referencial exige concordancia en las claves ajenas, con las claves primarias, no con la claves alternativas. - Los conceptos de clave ajena e integridad referencial se definen uno en termino del otro. Clave candidata En la figura 1.0 podemos ver que tenemos al atributo ID_empleado como clave primaria, aunque podemos ver que tenemos a otro atributo llamado Seguro Social que tambin lo podemos utilizar de clave primaria, puesto que se supone que ste sea unvoco para cada persona, entonces decimos que tanto ID_empleado como Seguro Social son claves candidatas. Por lo general la forma ms eficiente y segura para escoger o hacer la clave primaria es poniendo un nmero y aumentando ste a medida que se van aadiendo filas, pero si de casualidad se diera el caso de que existan varias claves candidatas de las cuales se deba escoger la clave primaria, esta eleccin se hace utilizando el sentido comn. Clave alternativa Son aquellas claves candidatas que no han sido elegidas. En el ejemplo anterior Seguro Social pasara a ser una clave alternativa en caso de no ser elegida como clave primaria. Clave simple Es una clave que esta compuesta solo de un atributo. Clave compuesta Es una clave que esta compuesta por ms de un atributo. Formas Normales Las primeras tres formas normales son suficientes para cubrir las necesidades de la mayora de las bases de datos. El creador de estas 3 primeras formas normales (o reglas) fue Edgar F. Codd, ste introdujo la normalizacin en un artculo llamado A Relational Model of Data for Large Shared Data Banks Communications of the ACM, Vol. 13, No. 6, June 1970, pp. 377-387[1]. Primera Forma Normal (1NF) Una relacin est en Primera Forma Normal si y slo si todos los dominios son atmicos. Un dominio es atmico si los elementos del dominio son indivisibles. Por ejemplo: La Relacin:

cursos: nombre, cdigo, vacantes, horario, bibliografa

Queda despus de aplicar la Forma Normal 1 de la siguiente manera: cursos1: nombre, cdigo, vacantes horario1: cdigo, da, mdulo bibliografia1: cdigo, nombre, autor

Una columna no puede tener multiples valores. Los datos estan atomicos (Si a cada valor de X le pertenece un valor de Y, entonces a cada valor de Y le pertenece un valor de X). La regla de la Primera Forma Normal establece que las columnas repetidas deben eliminarse y colocarse en tablas separadas Segunda Forma Normal (2NF) Dependencia completa. Esta en 2NF si esta en 1NF y si sus atributos no principales dependen de forma completa de la clave principal. Toda columna que no sea clave debe depender por completo de la clave primaria. Los atributos dependen de la clave. Varia la clave y varian los atributos. Dependencia completa. Sus atributos no principales dependen de forma completa de la clave principal. Tercera Forma Normal (3NF) Est en forma normal de Boyce-Codd y se eliminan las dependencias multivaluadas y se generan todas las relaciones externas con otras tablas u otras bases de datos. Esta se hace a base de claves Cuarta Forma Normal (5NF) Est en cuarta forma normal y toda dependencia-join viene implicada por claves candidatas. Reglas de Codd Codd se dio de cuenta que existan bases de datos en el mercado las cuales decan ser relacionales, pero lo nico que hacan era guardar la informacin en las tablas, sin estas tablas estar literalmente normalizadas; entonces ste public 12 reglas que un verdadero sistema relacional debera de tener, en la prctica algunas de ellas son difciles de realizar.Un sistema podr considerarse "ms relacional" cuanto ms siga estas reglas. Regla No. 1 - La Regla de la informacin "Toda la informacin en un RDBMS est explcitamente representada de una sola manera por valores en una tabla". Cualquier cosa que no exista en una tabla no existe del todo. Toda la informacin, 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 informacin constituyen el Diccionario de Datos. Regla No. 2 - La regla del acceso garantizado

"Cada tem de datos debe ser lgicamente accesible al ejecutar una bsqueda 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, deber encontrarse uno y solamente un valor. Por esta razn la definicin de claves primarias para todas las tablas es prcticamente obligatoria. Regla No. 3 - Tratamiento sistemtico de los valores nulos "La informacin inaplicable o faltante puede ser representada a travs 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 o inaplicables. Regla No. 4 - La regla de la descripcin de la base de datos "La descripcin 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 informacin 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 travs de sentencias de SQL. Regla No. 5 - La regla del sub-lenguaje Integral "Debe haber al menos un lenguaje que sea integral para soportar la definicin de datos, manipulacin de datos, definicin 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 actualizacin de vistas "Todas las vistas que son tericamente actualizables, deben ser actualizables por el sistema mismo". La mayora 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 solo para la recuperacin o consulta de datos, sino tambin para la insercin, actualizacin y borrado de datos". Esto significa que las clusulas SELECT, UPDATE, DELETE e INSERT deben estar disponibles y operables sobre los registros, independientemente del tipo de relaciones y restricciones que haya entre las tablas. Regla No. 8 - La regla de independencia fsica "El acceso de usuarios a la base de datos a travs de terminales o programas de aplicacin, debe permanecer consistente lgicamente cuando

quiera que haya cambios en los datos almacenados, o sean cambiados los mtodos de acceso a los datos". El comportamiento de los programas de aplicacin y de la actividad de usuarios va terminales debera ser predecible basados en la definicin lgica de la base de datos, y ste comportamiento debera permanecer inalterado, independientemente de los cambios en la definicin fsica de sta. Regla No. 9 - La regla de independencia lgica "Los programas de aplicacin y las actividades de acceso por terminal deben permanecer lgicamente inalteradas cuando quiera que se hagan cambios (segn los permisos asignados) en las tablas de la base de datos". La independencia lgica de los datos especifica que los programas de aplicacin y las actividades de terminal deben ser independientes de la estructura lgica, por lo tanto los cambios en la estructura lgica no deben alterar o modificar estos programas de aplicacin. 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 aplicacin". Las reglas de integridad son: 1. Ningn componente de una clave primaria puede tener valores en blanco o nulos. (esta es la norma bsica de integridad). 2. Para cada valor de clave fornea deber existir un valor de clave primaria concordante. La combinacin de estas reglas aseguran que haya Integridad referencial. Regla No. 11 - La regla de la distribucin "El sistema debe poseer un lenguaje de datos que pueda soportar que la base de datos est distribuida fsicamente en distintos lugares sin que esto afecte o altere a los programas de aplicacin". El soporte para bases de datos distribuidas significa que una coleccin arbitraria de relaciones, bases de datos corriendo en una mezcla de distintas mquinas y distintos sistemas operativos y que este conectada por una variedad de redes, pueda funcionar como si estuviera disponible como en una nica base de datos en una sola mquina. Regla No. 12 - Regla de la no-subversin "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 subversin (violacin) de las restricciones de integridad. Esto no debe ser permitido.

El Modelo Entidad/Relacin (E/R) es un concepto de modelado para bases de datos, propuesto por Peter Chen, mediante el cual se pretende 'visualizar' los objetos que pertenecen a la Base de Datos como entidades (esto es similar al modelo de Programacin Orientada a Objetos) las cuales tienen unos atributos y se vinculan mediante relaciones.

El modelo E-R es una representacin lgica de la informacin. Mediante una serie de procedimientos se puede pasar del modelo E-R a otros, como por ejemplo el modelo relacional.

Modelo relacional ste es el modelo ms utilizado en la actualidad para modelar problemas reales y administrar datos dinmicamente. Tras ser postulados sus fundamentos en 1970 por Edgar Frank Codd, de los laboratorios IBM en San Jos (California), no tard en consolidarse como un nuevo paradigma en los modelos de base de datos. El modelo relacional para la gestin de una base de datos es un modelo de datos basado en la lgica de predicado y en la teora de conjuntos. Este modelo considera la base de datos como una coleccin de relaciones. De manera simple, una relacin representa una tabla, en que cada fila representa una coleccin de valores que describen una entidad del mundo real. Cada fila se denomina tupla o registro y cada columna campo. Entre las ventajas de este modelo estn: 1. Garantiza herramientas para evitar la duplicidad de registros, a travs de campos claves o llaves. 2. Garantiza la integridad referencial: As al eliminar un registro elimina todos los registros relacionados dependientes. 3. Favorece la normalizacin por ser ms comprensible y aplicable. Se basa en describir la informacin usando tablas. Estas tablas se intentan estructurar de forma que cumplan unos formatos llamados Formas Normales. Cuanto ms alta la forma normal, ms estrictos son los criterios que cumple la tabla y ms fcil resulta tratarla. Primera FN: No hay campos mltiples Segunda FN: Cada atributo que no forme parte de la clave primaria mantiene una dependencia funcional total respecto a la clave primaria (no depende funcionalmente de un subconjunto de la clave primaria). Tercera FN: No hay dependencias transitivas Tercera FN de Boyce-Codd: No hay ms de una clave primarias que determine funcionalmente (de forma redundante) algn atributo. Cuarta FN y Quinta FN: No se describe porque no suele utilizarse.

El Modelo Relacional se puede dividir en tres partes:

1. Estructura de datos

2. Integridad de datos 3. Manipulacin de datos

Estructura de datos En programacin, una estructura de datos es una forma de organizar un conjunto de datos elementales (un dato elemental es la mnima informacin que se tiene en el sistema) con el objetivo de facilitar la manipulacin de estos datos como un todo o individualmente. Una estructura de datos define la organizacin e interrelacionamiento de estos, y un conjunto de operaciones que se pueden realizar sobre l. Las operaciones bsicas son: Alta, adicionar un nuevo valor a la estructura. Baja, borrar un valor de la estructura. Bsqueda, encontrar un determinado valor en la estructura para realizar una operacin con este valor, en forma SECUENCIAL o BINARIO (siempre y cuando los datos estn ordenados)...

Otras operaciones que se pueden realizar son: Ordenamiento, de los elementos pertenecientes a la estructura. Apareo, dadas dos estructuras originar una nueva ordenada y que contenga a las apareadas.

Cada estructura ofrece ventajas y desventajas en relacin a la simplicidad y eficiencia para la realizacin de cada operacin. De esta forma, la eleccin de la estructura de datos apropiada para cada problema depende de factores como la frecuencia y el orden en que se realiza cada operacin sobre los datos.