- डेटाबेस अॅनॅमलिज
- नॉर्मलायझेशन(1 NF)
- नॉर्मलायझेशन (2 NF)
- नॉर्मलायझेशन ( 3 NF)
- नॉर्मलायझेशन ( 4NF )
- नॉर्मलायझेशन (5 NF)
- अॅनॅमलिज आणि रिलेशन
What you'll learn
- डेटाबेस अॅनॅमलिज
- इन्सर्शन अॅनॅमली
- अपडेशन अॅनॅमली
- डिलिशन अॅनॅमली
Description
डेटाबेस डिझाइन करताना किती तक्त्यांमध्ये आपण डेटा ठेवणार आहोत, प्रत्येक तक्त्यामधले कुठले कॉलम्स आपल्याला ठेवायला हवेत ह्याचा नीट विचार करायला हवा. कुठल्या प्रकारच्या चुका होऊ नये याचा विचार करुया.
डेटाबेस डिझाइन करताना नेहमी 3 अॅनॅमलिज लक्षात ठेवायला हवीत.
1. इन्सर्शन अॅनॅमली
2. अपडेशन अॅनॅमली
3. डिलिशन अॅनॅमली
मग नक्की ह्या चुका कशा टाळायच्या?
अपडेशन अॅनॅमली
सुरेश अनेक प्रोजेक्टवर काम करत आहे. म्हणून अनेक वेळा त्याची माहिती रिपीट झालेली दिसते. याला रिडंडन्सी म्हंटल जातं. जर त्याची ट्रान्सफर दुसर्या डिपार्टमेंट मध्ये झाली तर प्रत्येक रो मध्ये त्याचं डिपार्टमेंट बदलावं लागेल. अपडेट करताना असं होऊ शकतं की काही रो अपडेट केल्या गेल्या आणि काहींमध्ये जुनं डिपार्टमेंटच राहिलं. असं झालं तर लॉजिकल इन्कसिस्टंसी निर्माण होणार. ह्याला म्हणतात अपडेट अॅनॅमली.
डिलिशन अॅनॅमली
जर समजा प्रोजेक्ट क्र. 3 पूर्ण झाला असेल आणि जर तो डेटाबेसमध्ये नकोय, तर त्यासोबत गणेश आणि त्याची डिपार्टमेंटची माहिती पण डिलिट होणार. ह्याला म्हणतात डिलिशन अॅनॅमली.
इन्सर्शन अॅनॅमली
जर नवीन एम्प्लॉयी धर्मेशला अपॉइंट केलं आणि त्याला अजून कुठलाही प्रोजेक्ट मिळालेला नाही. प्रोजेक्ट कॉलममध्ये आपण नल व्हॅल्यूज जर ठेवणार नसू, तर धर्मेशची माहिती ह्या डेटाबेस मध्ये आपल्याला सेव्ह करता येणार नाही. ह्याला म्हणतात इन्सर्शन अॅनॅमली.
आपण मागच्या पोस्टमध्ये बघितलेल्या अॅनॅमलीज शक्य तेव्हढ्या टाळण्याचा प्रयत्न करत असतो. चांगला डेटाबेस डिझाईन करण्यासाठी डाटाबेसच नॉर्मलायझेशन करणं गरजेचं असतं.
1NF, 2NF, 3NF, 4NF आणि 5NF अशा पाच नॉर्मल फॉर्मच्या लेव्हल आहेत. त्या आपण समजून घेऊ. नॉर्मल फॉर्म्सचे नियम पाळले तर डेटाबेस मध्ये चुका होण्याची शक्यता कमी होते.
1 NF
पहिला नियम: प्रत्येक 1NF च्या तक्त्यात प्रायमरी की हवी.
प्रायमरी की एखाद्या कॉलमला बनवायचा असेल तर त्या कॉलम मध्ये एकही नल व्हॅल्यू नसली पाहिजे आणि त्यातली प्रत्येक व्हॅल्यू यूनिक असली पाहिजे . एका पेक्षा जास्त कॉलम्सला मिळून सुद्धा आपण प्रायमरी की बनवू शकतो.
दुसरा नियम: एखाद्या कॉलममध्ये मिक्स्ड इन्फॉरमेशन नसली पाहिजे.
उदा. एका कॉलममध्ये आपण नाव आणि जन्मतारीख दोन्ही लिहिलं. जन्मतारीख आणि नाव हे दोन अॅट्रीब्युट्स आहेत आणि त्यांना दोन वेगवेगळ्या कॉलम्समध्ये ठेवायला पाहिजे.
तिसरा नियम: एकाच प्रकारच्या डेटा गृपमध्ये रिपीट व्हायला नको.
आपण १ NF ते ५ NF अशे ५ नॉर्मलायझेशन चे फॉर्म्स आपण उदाहरणांसोबत समजून घेतले.
Other Courses
GNS3 & Packet Tracer Quick Start Guides (vs VIRL & Physical)
Learn which is best. Learn how to download and install Cisco Packet Tracer and GNS3. Quick Start for CCNA, CCENT exams!
Intro to technical writing
Learn everything you need to know about technical writing and discover if it's the right career for you
Evil Nmap for Hackers: Beginner to Advanced
Unlock the Power of Nmap: A Comprehensive Guide to Nmap for Security Professionals and Enthusiasts | ethical hacking
About the instructors
- 4.75 Calificación
- 171 Estudiantes
- 1 Cursos
Piyush Kulkarni
Data Scientist
Just want to share my understanding of the concepts I am familiar with. I work as a Data Scientist. I am writing Books on Data Science, AI and full stack development. I am always happy to connect with people professionally and teach the aspirants to achieve heights in their careers. I would love to create more digital content on Tech. I feel you learn much faster in your mother tongue. It's important to keep languages alive and learn as many as you can.
Student feedback
Course Rating
Reviews
Excellent! Simplified! Easy!
It's just amazing you will understand each and everything perfectly without any doubts all the concepts are explained neatly and briefly if anyone wishes to start a Database from scratch it's the best course to start with.
Great videos about normalization. I found it very helpful and short enough!
The course has cleared the concept of Normalization and addressed a lot of doubts I had. The content was amazing and it was great to know a lot of new things.
Normalization is one of the important concept in database designing. When the data is huge and needs to be stored in multiple tables then there is always chance that anomalies will occur at some point. This care should be taken by the creator at the time of database creation and for that you need these all 5 NF rules clear. I am glad that these important concepts are well explained with the most easiest and logical examples and also in MARATHI language. Amazing content ! Waiting for more such content.
Content and explanation is very good. Really well described.
Thanks a lot for providing such a complex information in very lucid and simple way. I highly recommend this course to beginners. Do join and share knowledge !
Very well explained..!