如果要求你把這世界所有的資訊全部記錄在一張表格上，那麼可想而知資料絕對亂七八糟，醜到一個不行對吧?資料正規化(Normalization)就是為了處理這個亂象，把資料轉換梳理的很舒服。

什麼是Normalization

簡單的說，正規化就是在拆表格這件事，不過不是隨便拆表格都叫正規化，而會依據一些原則去拆解表格，資料庫設計師會去思考該怎麼拆比較好，不同的設計師可能會有不同的觀點，拆分的表格就會不一樣，不過目的是一樣的。

先來看看沒有進行正規化會有什麼問題?

1. 相同的資料重覆儲存
2. 動資料的時候容易有異常

• 相同的資料重覆儲存什麼意思?什麼意思?
  • 直接來看一個例子，假設我們執行一個計畫，聘用100名計畫人員，我們就必須寫入一百次計畫編號、名稱、主持人等一樣的資訊。
• 動資料的時候容易有異常什麼意思?什麼意思?
  • 當我們要更新計畫編號2011C00001的主持人的時候，因為資料有一百筆，必需確保一百筆都有被更新，否則資料就產生不一致的異常了。
  • 成立計畫的時候，資料寫入會發生因為，因為要寫入主持人跟計畫人員，否則會發生寫入的資料不完整的異常。
  • 想把計畫編號2011C00002的計畫人員刪除，但是會發生把整筆的計畫資料都刪除的異常。

我們再來看一個簡單的例子，有一個資料表是記錄課程與上課老師，看似沒有問題，但是如果今天來了一位新老師，但是這位老師還沒有教的課程，那麼資料怎麼寫入呢?

上述這個問題，我們不得不寫入一筆沒有course只有teacher的不完整資料。(異常)

為什麼要Normalization?

回到主命題，沒有經過正規化的資料，會被迫儲存不完整的資料，資料正規化(Normalization)就是為了處理這個亂象，把資料轉換梳理。

1. 減少資料重覆儲存的問題(data redundancy)
2. 提高資料可維護性，避免動資料的時候所會遇到的異常。

如何Normalization?

用真實世界的實體去思考，例如我們可以把上例拆成課程跟老師，課程表當中把原本老師的名稱替換成id，而我們要使用這個id去對應老師表的名稱，如此一來就能梳理出乾淨的資料了。

Normalization Level

0NF : 沒有正規化的資料。
1NF : 一個欄位一個值。
2NF : 把資料放到合適的表格。
3NF : 欄位之間不可以推導。

後續還有BCNF、4NF、5NF、6NF有著更加嚴格的條件，但是正規化不是萬靈丹，當表格拆分太多的時候，效能也會降低，因此多數時候我們會把正規化的等級選擇在2NF或3NF，是兼具資料整齊與資料庫效能的平衡方案。

0NF 沒有正規化的資料

1NF 一個欄位一個值

2NF : 把資料放到合適的表格

3NF : 欄位之間不可以推導

反正規化

我們有時候考慮把3NF正規化調回2NF正規化，以避免切分太多資料表之後反而效率變差，以上面這個例子來說只相差一個表格，但是實務上2NF跟3NF會差距的表格數肯定更多，所以這邊就呼應到了上一段所說的內容，選擇2NF或3NF是依據實務狀況進行判斷後所決定。