為什麼要資料庫正規化
📝 TL;DR：資料庫正規化透過 1NF、2NF、3NF 漸進式拆表，消除資料冗餘與插入/更新/刪除異常，提升資料完整性。OLTP 系統優先正規化，OLAP/報表系統可適度反正規化以提升查詢效能。
前置知識
在開始之前，建議你先了解以下概念：
- 關聯式資料庫基礎 - 理解資料表、主鍵、外鍵的基本概念
- SQL 基本查詢 - 熟悉 SELECT、JOIN 等基礎語法
- 函數相依性 - 了解欄位間的相依關係（A → B 表示 B 依賴於 A）
什麼是資料庫正規化？
為什麼需要學習它？
資料庫正規化是關聯式資料庫設計中的核心方法論，透過一系列規則將資料表結構優化：
- 解決什麼問題？ 減少資料冗餘、避免資料異常、提升資料一致性
- 有什麼優勢？ 節省儲存空間、降低維護成本、確保資料正確性
- 什麼時候會用到？ 設計新系統、重構舊資料庫、優化資料結構時
核心概念
正規化（Normalization）是一種系統化的方法，將複雜的資料表分解成更小、更具邏輯性的表格，透過定義主鍵和外鍵來建立表格間的關聯。主要目的是消除資料冗餘和避免資料異常。
⚠️ 注意
正規化並非越高階越好！過度正規化可能導致查詢複雜度提升，需根據實際場景權衡。一般系統達到 3NF 已足夠。
資料庫正規化解決的核心問題
問題 1：資料冗餘（Data Redundancy）
什麼是資料冗餘？ 相同的資料在多個地方重複儲存。
範例：未正規化的訂單表
| order_id | customer_name | customer_email | product_name | price |
|---|---|---|---|---|
| 1 | 張三 | zhang@example.com | 筆記型電腦 | 30000 |
| 2 | 張三 | zhang@example.com | 滑鼠 | 500 |
| 3 | 李四 | li@example.com | 鍵盤 | 1200 |
問題：
- 張三的姓名和 email 重複出現，浪費儲存空間
- 當張三改 email 時，需要更新多筆記錄
問題 2：資料異常（Data Anomalies）
三種異常類型視覺化
1. 插入異常（Insertion Anomaly）
定義： 無法在缺少其他相關資料的情況下插入新記錄。
範例： 想新增一門課程「資料庫設計」，但還沒有學生選修時，無法將課程資訊插入資料庫（因為需要學生資料才能建立記錄）。
2. 更新異常（Update Anomaly）
定義： 更新某項資料時，必須同時更新多個記錄，否則造成資料不一致。
範例： 教師「王老師」改名為「王教授」，需要修改所有包含該教師的課程記錄，若遺漏某筆就會產生不一致。
3. 刪除異常（Deletion Anomaly）
定義： 刪除某筆記錄時，意外遺失其他有用的資訊。
範例： 刪除最後一個選修「演算法」課程的學生時，該課程的資訊（課程名稱、教師等）也一併被刪除。
視覺化說明：正規化流程圖
正規化步驟流程
第一正規化（1NF）
第一正規化的主要目標是確保每個欄位都包含原子值（不可再分割的值）：
- 消除重複群組：不允許在單一欄位中儲存多個值
- 建立主鍵：每張表必須有唯一識別每筆記錄的主鍵
- 確保原子性：每個欄位只能包含單一值
第二正規化（2NF）
第二正規化在1NF的基礎上，進一步消除部分功能相依：
- 符合1NF要求：必須先滿足第一正規化的所有條件
- 消除部分相依：所有非主鍵欄位必須完全依賴於整個主鍵
- 分離表格：將部分相依的欄位分離到獨立的表格中
第三正規化（3NF）
第三正規化進一步消除遞移功能相依：
- 符合2NF要求：必須先滿足第二正規化的所有條件
- 消除遞移相依：非主鍵欄位之間不應該存在功能相依關係
- 獨立表格：將遞移相依的欄位獨立成新的表格
正規化的優點與效益
主要優點
正規化帶來多項顯著的效益：
- 減少資料冗餘：每項資料只儲存一次，大幅節省儲存空間
- 提高資料完整性：透過消除冗餘，確保資料的一致性和正確性
- 簡化維護工作：資料更新只需在一個地方進行，降低維護複雜度
- 防止資料異常：有效避免插入、更新、刪除異常的發生
- 增強擴展性：結構化的設計使資料庫更容易適應未來的變更需求
效能考量
雖然正規化帶來許多好處，但也需要考慮一些效能影響：
- 查詢複雜性增加：可能需要更多的JOIN操作來獲取完整資訊
- 查詢速度影響：複雜的JOIN操作可能影響查詢效能
- 設計複雜度：高度正規化的資料庫結構可能較難理解
何時考慮反正規化
在某些特定情況下，可能需要考慮反正規化來改善效能：
適合反正規化的場景
- 讀取密集型系統：當讀取頻率遠高於寫入頻率時
- 複雜查詢優化：當JOIN操作嚴重影響效能時
- 報表與分析：針對特定的報表需求進行優化
- 資料倉儲環境：使用星型或雪花模式架構
- 歷史資料查詢：保留歷史快照以提高查詢效率
反正規化的注意事項
實施反正規化時必須謹慎考慮以下因素：
- 資料一致性維護：需要建立機制確保冗餘資料的一致性
- 維護成本評估：評估效能改善是否值得增加的維護複雜度
- 同步機制設計：建立適當的資料同步和更新策略
正規化與反正規化的比較
| 比較項目 | 正規化 | 反正規化 |
|---|---|---|
| 資料冗餘 | 最小化，幾乎無冗餘 | 有冗餘，資料重複儲存 |
| 資料一致性 | 高，容易維持一致性 | 較低，需要額外維護 |
| 儲存空間 | 較少，節省空間 | 較多，增加儲存成本 |
| 查詢速度 | 可能較慢（需要JOIN） | 較快，減少JOIN操作 |
| 更新效能 | 快速，只需更新一處 | 較慢，需更新多處 |
| 維護複雜度 | 較低，邏輯清晰 | 較高，需考慮一致性 |
| JOIN操作 | 經常需要多表JOIN | 較少或無JOIN |
| 擴展性 | 佳，容易擴展 | 較差，變更影響範圍大 |
| 適用場景 | OLTP，頻繁更新的系統 | OLAP |
正規化和反正規化各有其適用場景。OLTP系統（線上交易處理）通常適合使用正規化設計，因為這類系統需要頻繁的資料更新和高度的資料一致性。而OLAP系統（線上分析處理）或資料倉儲環境則可能受益於適度的反正規化，以提高查詢效能。
實務應用建議
設計原則
- 從正規化開始：始終以正規化為設計起點，確保資料結構的邏輯性
- 效能導向優化：根據實際使用模式和效能需求進行選擇性調整
- 平衡考量：在資料一致性和查詢效能之間找到適當的平衡點
- 階段性實施：可以先實施完整正規化，再根據效能測試結果進行調整
最佳實踐
- 明確主鍵設計：確保每張表都有適當的主鍵
- 建立外鍵關係：透過外鍵維護表格間的參照完整性
- 遵循命名規範：採用一致的命名慣例，提高可維護性
- 定期檢視優化：隨著業務需求變化，定期檢視和優化資料庫結構
結論
資料庫正規化是確保資料品質和系統可靠性的基礎技術。通過系統性的正規化過程，我們可以建立結構清晰、邏輯合理的資料庫系統，有效避免資料冗餘和各種異常問題。雖然在某些特定場景下可能需要考慮反正規化來優化效能，但正規化仍然是資料庫設計的根本原則。
對於現代的資料庫設計師和開發人員而言，深入理解正規化的原理和實踐方法，並能靈活運用於不同的業務場景，是構建高品質資料系統的關鍵能力。無論是傳統的企業系統還是現代的雲端應用，正規化都為資料管理提供了堅實的理論基礎和實踐指導。
Contributors
lucashsu95