What are the trade-offs between normalization and denormalization?

Question

IT Interview Practice · Accepted Answer

**Normalization** డేటాను ఎలా వ్యవస్థీకరిస్తుందంటే ప్రతి fact సరిగ్గా ఒకే చోట ఉంటుంది, redundancy ను తొలగిస్తుంది. **Denormalization** reads ను వేగవంతం చేయడానికి ఉద్దేశపూర్వకంగా డేటాను duplicate చేస్తుంది. చాలా schemas normalized గా ప్రారంభమవుతాయి మరియు కొలతలు డిమాండ్ చేసిన చోట మాత్రమే denormalize అవుతాయి.

## Normalization (3NF వరకు)

ప్రతి table ఒక entity ను వివరిస్తుంది; సంబంధిత డేటా foreign key ద్వారా referenced చేయబడుతుంది.

```sql
-- Normalized: a customer's city is stored once
customers(id, name, city_id)
cities(id, name)
orders(id, customer_id, total)
```

- **Pros** — update anomalies లేవు (ఒకే row లో city పేరును మార్చండి), చిన్న storage, foreign keys ద్వారా integrity.
- **Cons** — reads కు JOINs అవసరం; చాలా entities ను తాకే report ఐదు tables ను join చేయవచ్చు.

## Denormalization

```sql
-- Denormalized: city copied onto every order for fast reporting
orders(id, customer_id, city_name, total)
-- + a summary table maintained by the app or triggers
order_daily_totals(day, city_name, total_sales)
```

- **Pros** — తక్కువ joins, వేగవంతమైన reads, చౌకైన aggregates.
- **Cons** — duplicate చేయబడిన డేటాను sync లో ఉంచాలి (ఎక్కువ write, drift ప్రమాదం), ఎక్కువ storage, మరియు ప్రతి writer ప్రతి copy ను update చేయడాన్ని గుర్తుంచుకోవాలి.

## ఎలా నిర్ణయించాలి

correctness కోసం normalized ను default గా ఉంచండి. EXPLAIN, joins అనేవి bottleneck అని చూపించిన తర్వాత మాత్రమే ఒక **నిర్దిష్ట hot read path** ను denormalize చేయండి — మరియు మీరు rebuild చేయగల derived copy (summary table, materialized cache) ను నిర్వహిస్తూ source of truth ను normalized గా ఉంచడానికి ప్రాధాన్యత ఇవ్వండి.

## ఇది ఎందుకు ముఖ్యం

ఇది ఒక కీలకమైన schema-design trade-off: అతిగా normalize చేయడం dashboards ను నెమ్మదిగా చేస్తుంది, అతిగా denormalize చేయడం reconcile చేయడానికి ఖరీదైన inconsistent డేటాను పెంచుతుంది. డేటాను *ఎందుకు* duplicate చేస్తారో — మరియు copy ను నమ్మదగినదిగా ఎలా ఉంచాలో — తెలుసుకోవడం, scale అయ్యే schema ను కుళ్లిపోయే దాని నుండి వేరు చేస్తుంది.

Normalization (3NF వరకు)

Denormalization

ఎలా నిర్ణయించాలి

ఇది ఎందుకు ముఖ్యం

సంబంధిత ప్రశ్నలు