Quels sont les compromis entre normalisation et dénormalisation ?

Question

IT Interview Practice · Accepted Answer

La **normalisation** organise les données de sorte que chaque fait réside à un seul endroit, éliminant la redondance. La **dénormalisation** duplique délibérément des données pour accélérer les lectures. La plupart des schémas commencent normalisés et ne se dénormalisent que là où les mesures l'exigent.

## Normalisation (jusqu'à la 3NF)

Chaque table décrit une entité ; les données associées sont référencées par clé étrangère.

```sql
-- Normalisé : la ville d'un client est stockée une seule fois
customers(id, name, city_id)
cities(id, name)
orders(id, customer_id, total)
```

- **Avantages** — aucune anomalie de mise à jour (changez le nom d'une ville dans une seule ligne), stockage plus réduit, intégrité via les clés étrangères.
- **Inconvénients** — les lectures nécessitent des JOIN ; un rapport touchant de nombreuses entités peut joindre cinq tables.

## Dénormalisation

```sql
-- Dénormalisé : la ville est copiée sur chaque commande pour un reporting rapide
orders(id, customer_id, city_name, total)
-- + une table de synthèse maintenue par l'application ou des triggers
order_daily_totals(day, city_name, total_sales)
```

- **Avantages** — moins de jointures, lectures plus rapides, agrégats moins coûteux.
- **Inconvénients** — les données dupliquées doivent rester synchronisées (plus d'écritures, risque de divergence), plus de stockage, et chaque écriture doit penser à mettre à jour chaque copie.

## Comment décider

Par défaut, restez normalisé pour la justesse. Ne dénormalisez un **chemin de lecture chaud spécifique** qu'après qu'EXPLAIN ait montré que les jointures sont le goulot d'étranglement — et préférez garder la source de vérité normalisée tout en maintenant une copie dérivée (table de synthèse, cache matérialisé) que vous pouvez reconstruire.

## Pourquoi c'est important

C'est un compromis fondamental de conception de schéma : trop normaliser ralentit les tableaux de bord, trop dénormaliser engendre des données incohérentes coûteuses à réconcilier. Savoir *pourquoi* dupliquer des données — et comment garder la copie digne de confiance — distingue un schéma qui passe à l'échelle d'un schéma qui pourrit.

Normalisation (jusqu'à la 3NF)

Dénormalisation

Comment décider

Pourquoi c'est important

Questions connexes