Denormalisierung

aus Wikipedia, der freien Enzyklopädie

Unter Denormalisierung versteht man die fehlerhaft nicht durchgeführte oder bewusste Rücknahme einer Normalisierung zum Zweck der Verbesserung des Laufzeitverhaltens einer Datenbankanwendung.

Die Zugriffszeit einer SQL-Abfrage hängt wesentlich davon ab, wie viele Tabellen miteinander verknüpft werden müssen. Ein logisch ideales ("normalisiertes") Datenmodell enthält keinerlei Redundanz. Sämtliche mehrfach auftretenden Datenbankinhalte (z.B. ein Branchenname in einer Firmentabelle) werden in separate Datenbanktabellen (in diesem Beispiel eine Branchenkatalog-Tabelle) ausgelagert. Dies ist aber mit dem Nachteil verbunden, dass bei jeder Abfrage zusätzliche Tabellen mit einbezogen werden müssen. Unter bestimmten Umständen kann dies die Zugriffszeit vervielfachen.

Dem kann man nun begegnen, indem man in einzelnen kritischen Fällen die Normalisierung unter Inkaufnahme der dadurch entstehenden Redundanz wieder zurücknimmt. Im Einzelnen stehen dem Datenbankexperten eine Vielzahl von Denormalisierungsmöglichkeiten zur Verfügung, z.B.:

• Auflösen von ausgelagerten Katalogen,
• Ersetzen von numerischen durch "sprechende" Schlüssel oder verständliche Abkürzungen, die an vielen Stellen der Anwendungssoftware für ein Verständnis der Daten ausreichen (z.B. das Kennzeichen "D" als sprechender Schlüssel für Deutschland),
• Verwendung der Kataloginhalte selbst als Schlüssel, so dass der Katalog selbst nur selten mit einbezogen werden muss,
• Redundante Speicherung von Detaildaten an mehreren Stellen, z.B. einmal in einer separaten Detailtabelle, und zusätzlich in einer Liste der eigentlichen Tabelle.

Mit Denormalisierungen lassen sich oftmals wesentlich größere Performance-Verbesserungen erreichen als mit einem Tuning der Datenbankinstallation. Nachteilig ist aber eine der zusätzliche Aufwand, der getrieben werden muss, um die redundanten Daten konsistent zu halten und die Gefahr von Datenananomalien auf Grund der redundanten Speicherung.

Nachteilig ist auch, dass bereits fertiggestellte Programme im Zuge der Performance-Optimierung wieder geändert werden müssen. Der dadurch entstehende Mehraufwand kann nur vermieden werden,

• wenn die Programme bereits auf einem realitätsnahen Datenbestand unter voller Lastsimulation entwickelt werden, so dass der Optimierungsbedarf bereits zu Beginn der Entwicklung erkannt wird, oder
• indem solche Softwaretechnologien eingesetzt werden, die nachträgliche Softwareänderungen infolge von Datenstrukturänderungen weitgehend automatisieren.

Ein weiterer Einsatzfall für denormalisierte Datenbanken ist das Sternschema für ein Data Warehouse (Datenlager).