പട്ടികകളും ആട്രിബ്യൂട്ടുകളും ഓർഗനൈസുചെയ്യുന്നതിന് ഡാറ്റാബേസ് രൂപകൽപ്പനയിൽ ഉപയോഗിക്കുന്ന ഒരു പ്രക്രിയയാണ് നോർമലൈസേഷൻ, ഇത് റിലേഷണൽ ഡാറ്റാബേസുകളിലെ ഒരു പ്രധാന ആശയമാണ്. ഡാറ്റാ കൃത്രിമത്വ പ്രവർത്തനങ്ങളിൽ സംഭവിക്കുന്ന ചില തരത്തിലുള്ള ഡാറ്റാ അപാകതകളുടെ സാധ്യത കുറയ്ക്കുക (അല്ലെങ്കിൽ ഇല്ലാതാക്കുക) എന്നതാണ് നോർമലൈസേഷന്റെ ലക്ഷ്യം. ഈ പ്രക്രിയയിൽ സാധാരണയായി ഒരു ഡാറ്റാബേസിന്റെ പട്ടികകളെ ചെറുതും കൂടുതൽ കൈകാര്യം ചെയ്യാവുന്നതും ബന്ധപ്പെട്ടതുമായ ഗ്രൂപ്പുകളായി വിഭജിക്കുന്നത് ഉൾപ്പെടുന്നു.
ഒരു ഡാറ്റാബേസ് അതിന്റെ ഏറ്റവും ചെറിയ ഭാഗങ്ങളായി വിഘടിപ്പിക്കുക എന്ന ആശയത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് നോർമലൈസേഷൻ, റിലേഷണൽ ഡാറ്റാബേസുകളിൽ സാധാരണയായി "സാധാരണ രൂപങ്ങൾ" എന്ന് വിളിക്കപ്പെടുന്നു. സാധാരണവൽക്കരണം സാധാരണയായി ഒരു കൂട്ടം ഘട്ടങ്ങളിലൂടെയാണ് നടത്തുന്നത്. ആദ്യത്തെ സാധാരണ ഫോം ഏറ്റവും അടിസ്ഥാനപരമാണ്, കൂടാതെ അധിക സാധാരണ ഫോമുകൾ ആവശ്യമായി കണക്കാക്കുന്ന ഡാറ്റാബേസ് ഡിസൈനിൽ പ്രയോഗിക്കുന്നു.
നോർമലൈസേഷന്റെ മൂന്ന് അടിസ്ഥാന തത്വങ്ങൾ ഇപ്രകാരമാണ്:
* ആവർത്തിച്ചുള്ള ഗ്രൂപ്പുകളെ പ്രത്യേക പട്ടികകളായി വിഭജിച്ച് ഒഴിവാക്കുക.
* പട്ടികകൾക്കിടയിലുള്ള ആവർത്തനം കുറയ്ക്കുന്നു.
* ഡാറ്റാബേസിന്റെ മറ്റ് ഭാഗങ്ങളെ ബാധിക്കാതെ ഒന്നിലധികം ആട്രിബ്യൂട്ട്-അടിസ്ഥാന പ്രവർത്തനങ്ങൾ ചെയ്യാൻ കഴിയുന്ന തരത്തിൽ ഡാറ്റ ഒറ്റപ്പെടുത്തുന്നു.
അസാധാരണമായ ഒരു ഡാറ്റാബേസ്, ഡാറ്റ റിഡൻഡൻസി, പൊരുത്തക്കേട്, ഡാറ്റ അപ്ഡേറ്റ് ചെയ്യുന്നതിനും അന്വേഷിക്കുന്നതിനുമുള്ള ബുദ്ധിമുട്ട് തുടങ്ങിയ പ്രശ്നങ്ങളിലേക്ക് നയിച്ചേക്കാം. ഡാറ്റയുടെ സ്ഥിരത, കൃത്യത, സമഗ്രത എന്നിവ ഉറപ്പാക്കി ഇത്തരം പ്രശ്നങ്ങൾ ഒഴിവാക്കാൻ നോർമലൈസേഷൻ സഹായിക്കുന്നു.
മിക്ക ഡാറ്റാബേസ് സിസ്റ്റങ്ങളും റിലേഷണൽ ഡാറ്റാ മോഡൽ ഉപയോഗിക്കുന്നു, അവയുടെ കഴിവുകൾ വിപുലീകരിക്കുന്നതിന് നോർമലൈസ്ഡ് ഡിസൈനുകൾ നടപ്പിലാക്കേണ്ടതുണ്ട്. നോർമലൈസേഷന് ഡാറ്റാബേസ് പ്രകടനം മെച്ചപ്പെടുത്താനും സംഭരണ വലുപ്പം കുറയ്ക്കാനും മികച്ച അന്വേഷണ പ്രതികരണ സമയം നൽകാനും കഴിയും. ഈ കാരണങ്ങളാൽ ഓർഗനൈസേഷനുകൾ അവരുടെ ഡാറ്റാബേസുകൾ ശരിയായി നോർമലൈസ് ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കേണ്ടത് നിർണായകമാണ്.