डेटाबेस
Learn normalization techniques for data cleaning and preparation. Improve data quality and analysis with this essential skill.
Course Content
डेटाबेस is a beginner-level Udemy course taught by Piyush Kulkarni. It runs 38m and is taught in English. Learners rate it 4.5 out of 5 from 17 reviews, with 223 students enrolled. It is free to enroll, last updated April 2022.
डेटाबेस डिझाइन: सामान्य चुका टाळण्यासाठी नॉर्मलायझेशन
डेटाबेस डिझाइन करताना डेटा व्यवस्थित ठेवण्यासाठी किती तक्त्यांमध्ये डेटा विभागलायचा आहे आणि प्रत्येक तक्त्यातील आवश्यक कॉलम कोणते असावेत, याचा विचार करणे महत्त्वाचे आहे. डेटाबेस डिझाइनमध्ये कोणत्या प्रकारच्या चुका होऊ शकतात, हे समजून घेणे आवश्यक आहे. डेटाबेस डिझाइन करताना 3 मुख्य डेटाबेस ॲ Anomalies टाळणे आवश्यक आहे:
- इन्सर्शन ॲनॅमली (Insertion Anomaly): नवीन माहिती डेटाबेसमध्ये टाकताना येणारी समस्या. उदाहरणार्थ, धर्मेश नावाच्या नवीन कर्मचाऱ्याची माहिती डेटाबेसमध्ये साठवायची असल्यास, त्याच्याकडे अजून कोणताही प्रोजेक्ट नसल्यामुळे 'प्रोजेक्ट' कॉलममध्ये 'Null' व्हॅल्यू ठेवता येत नाही. यामुळे डेटाबेसमध्ये माहिती इन्सर्ट करता येत नाही.
- अपडेशन ॲनॅमली (Update Anomaly): डेटा अपडेट करताना येणारी समस्या. अनेक प्रोजेक्टवर काम करत असलेल्या सुरेशच्या माहितीमध्ये बदल करायचा असल्यास, प्रत्येक रो मध्ये त्याचे डिपार्टमेंट अपडेट करणे आवश्यक आहे. अपडेट करताना काही रो अपडेट झाले आणि काहींमध्ये जुने डिपार्टमेंट राहिल्यास डेटाबेसमध्ये विसंगती निर्माण होते. याला अपडेट ॲनॅमली म्हणतात.
- डिलिशन ॲनॅमली (Deletion Anomaly): डेटाबेस मधून माहिती डिलीट करताना येणारी समस्या. उदाहरणार्थ, प्रोजेक्ट क्रमांक 3 पूर्ण झाल्यावर डेटाबेस मधून काढल्यास, त्यासोबत गणेश आणि त्याच्या डिपार्टमेंटची माहिती देखील डिलीट होते. याला डिलीशन ॲनॅमली म्हणतात.
या चुका कशा टाळायच्या?
चांगला डेटाबेस डिझाइन करण्यासाठी डेटाबेस नॉर्मलायझेशन (Database Normalization) करणे आवश्यक आहे. नॉर्मलायझेशन म्हणजे डेटाबेसची रचना अशा प्रकारे करणे की डेटा redundancy (एकाच डेटाची पुनरावृत्ती) कमी होईल आणि डेटाची अखंडता (integrity) टिकून राहील. नॉर्मलायझेशनचे मुख्य फॉर्म्स खालीलप्रमाणे आहेत:
- 1NF (First Normal Form):
- प्रत्येक 1NF तक्त्यामध्ये प्रायमरी की (Primary Key) असणे आवश्यक आहे. प्रायमरी की कॉलममध्ये कोणतीही Null व्हॅल्यू नसावी आणि प्रत्येक व्हॅल्यू युनिक (unique) असावी. एकापेक्षा जास्त कॉलम एकत्र करून देखील प्रायमरी की तयार करता येते.
- एका कॉलममध्ये वेगवेगळ्या प्रकारची माहिती (मिक्स्ड इन्फॉर्मेशन) नसावी. उदाहरणार्थ, नाव आणि जन्मतारीख वेगवेगळ्या कॉलममध्ये असाव्यात.
- एकाच प्रकारच्या डेटा ग्रुपमध्ये डेटा रिपीट (repeat) होऊ नये.
- 2NF (Second Normal Form): 1NF मध्ये असणे आवश्यक आहे, तसेच नॉन-की (non-key) विशेषता पूर्णपणे प्रायमरी की वर अवलंबून नसावी.
- 3NF (Third Normal Form): 2NF मध्ये असणे आवश्यक आहे, तसेच नॉन-की विशेषता एकमेकांवर अवलंबून नसाव्यात.
- 4NF (Fourth Normal Form): 3NF मध्ये असणे आवश्यक आहे, तसेच मल्टी-व्हॅल्यू रिलेशनशिप्स (multi-valued relationships) टाळणे.
- 5NF (Fifth Normal Form): 4NF मध्ये असणे आवश्यक आहे, तसेच हायरarchical डेटा (hierarchical data) टाळणे.
या नॉर्मल फॉर्म्सचे नियम पाळल्यास डेटाबेसमध्ये चुका होण्याची शक्यता कमी होते आणि डेटा अधिक कार्यक्षमतेने वापरला जाऊ शकतो.
Hire the developers behind TutorialSearch.io
We built this site — full-stack web apps, AI integration & automation. Tell us what you need and we'll build yours.