规范化：
它是一种安排数据模型以将数据有效地存储在信息库中的方法。完成后的效果是清除了繁琐的数据，只在表内部处理与属性相关的数据。规范化通常将信息库隔离到至少两个表中，并描述表之间的关联。目的是隔离数据，以便在一张表中进行扩展、删除和更改国外数据，然后通过用于描述的关联方法从信息库中保留下来的任何内容进行乘法。
共有三种标准的习惯结构，每种结构都有如下扩展的标准化级别。
- 第一范式 (1 NF) –
表中的每个字段都包含特定信息。例如，在专家概览中，每个表都可能包含独立的起始日期字段。 - 第二范式 (2 NF) –
表中不是替代字段实质的决定因素的每个字段本身必须是表中替代字段的限制。 - 第三范式 (3 NF) –
不允许双重信息。因此，例如，如果两个表都具有一个起始日期字段，则可以将起始日期信息隔离到不同的表中，然后这两个不同的表可以通过起始日期中的列表字段的方法获取起始日期信息桌子。对起始日期的任何更改通常会反映在与起始日期表相关联的所有表中。
笔记 –
还有其他标准化级别，例如，Boyce Codd Normal Form (BCNF)、第四习惯结构 (4nf) 和第五普通结构 (5nf)。虽然标准化使数据集更有能力提供帮助，但它们也会以类似的方式使它们更加不稳定，因为数据被划分到无数特定的表中。数据处理中的两个，一种与集合中的所有数据相关联的方法，该方法更改特定的可量化属性。一个有效的例子是一个月内的每个利用率都可以被总量隔离，考虑所有因素，以处理速率。三、在编程中，改变一个略读点数的设计，使尾数最左边的数字绝对不是零。
归一化的优点：
在这里，我们可以理解为什么规范化在 RDBMS 思想中是一种诱人的可能性。
- 随着复制信息的标准化处理，可以保持更适度的信息库。一般而言，信息库的大小因此减小。
- 可以保证更好的执行，可以连接到上述点。随着信息库的规模变得越来越小，通过这种方式来提高反应时间和速度的信息变得更快和更有限。
- 更窄的表格是可以想象的，因为标准化的表格将被调整，并且将有更少的段，这会考虑每页更多的信息记录。
- 每个表较少的文件保证了更快的支持分配(文件修改)。
- 还了解仅加入所需表的选择。
归一化的缺点：
- 由于将信息分散到更多的表中，需要加入更多的表，连接表的增量和任务变得更加乏味。信息库也越来越热情地承认。
- 表格将包含代码而不是真实信息，因为重新散列的信息将作为代码行而不是真实信息存放起来。因此，始终需要转到查询表。
- 事实证明，数据模型非常难以质疑，因为信息模型是针对应用程序而不是即兴提问的。 (即兴问题是在问题发出之前无法解决的询问。它由逐步开发的 SQL 组成，通常由工作区亲切问题设备构建。)。随后很难在不了解客户想要什么的情况下显示信息库。
- 随着典型结构类型的发展，展览变得越来越慢。
- 需要有关不同普通结构的正确信息才能有效地执行标准化周期。鲁莽使用可能会导致糟糕的计划，其中包含显着的特殊性和信息不规则性。