Normalización hasta la tercera forma normal y cuándo desnormalizar

Qué es

La descripción de Microsoft que se cita enuncia las tres reglas clásicas. Primera forma normal: eliminar los grupos repetitivos (nada de columnas phone1, phone2, phone3; una fila por valor en una tabla aparte con su clave). Segunda forma normal: trasladar a su propia tabla los conjuntos de valores que se aplican a varios registros, relacionándola mediante una clave foránea. Tercera forma normal: eliminar los campos que no dependen de la clave. La fórmula abreviada habitual es que toda columna no clave depende de la clave, de toda la clave y de nada más que la clave. La misma fuente señala que la tercera forma normal se considera el nivel más alto necesario para la mayoría de las aplicaciones.

Por qué importa

Un dato almacenado en dos lugares acaba desincronizándose: si la dirección de un cliente se copia en cada pedido, queda desactualizada cuando el cliente se muda, a menos que se actualicen todas las copias. Con tablas normalizadas, cada dato se actualiza en un solo sitio y la base de datos puede garantizar la consistencia mediante claves foráneas. El precio es el coste de los joins en la lectura y una estructura menos cómoda para generar informes.

Cómo aplicarlo

• Modela primero las entidades y sus relaciones; asigna a cada tabla una clave primaria estable y guarda cada dato donde dependa únicamente de esa clave.
• Las columnas con sufijos numéricos, las listas separadas por comas en una sola columna y las columnas de «tipo» que cambian el significado de las columnas vecinas son las infracciones habituales de la primera forma normal; extráelas a filas.
• Desnormaliza solo ante un problema de lectura demostrado: un contador, un total en cache, un nombre para mostrar copiado. Indica en el nombre que la copia es derivada (cached_total, denormalised_customer_name) y documenta qué proceso la mantiene.
• Conserva los datos normalizados como fuente de verdad; un proceso que recalcule las columnas derivadas a partir de ellos y informe de las diferencias es la prueba de que la desnormalización sigue siendo correcta.
• Las instantáneas (snapshots) no son desnormalización: la línea de una factura debe conservar el precio y la descripción tal como eran en el momento de la venta, aunque la fila del producto cambie después.

Trampas

Sobrenormalizar los datos de referencia en tablas de una sola columna, que añaden joins sin proteger nada. Tratar una columna JSON como una vía de escape para evitar el modelado. Desnormalizar antes de que el plan de ejecución de una consulta demuestre que el problema es el join. Confundir el historial (instantáneas que no deben cambiar) con las copias derivadas (que deben seguir a su fuente).