Денормализация на собеседовании системного аналитика

Зачем denormalization

Normalization (3НФ) — minimize duplication. Хорошо для writes / consistency.

Но joins дороги. Read-heavy workload + complex joins → slow queries.

Denormalization — duplicate data для read performance.

Trade-off. Faster reads, slower writes (need sync), risk inconsistency.

Виды denormalization

Pre-computed columns. Add denormalized field на main table.

Wide tables. Combine multiple tables в одну.

Materialized views. Pre-computed query results.

Aggregates. Daily / hourly summaries сохранены.

Pre-computed columns

Часто нужный data в FK related table → copy.

-- normalized
orders: id, customer_id, ...
customers: id, name, country, ...

-- denormalized
orders: id, customer_id, customer_name, customer_country, ...

Pros: join not needed для display.

Cons: при изменении customer_name — нужно update orders.

Sync. ON UPDATE trigger / async job / CDC.

Wide tables

Combine fact + frequently-used dimensions.

fact_orders + dim_customer + dim_product → fact_orders_wide

В DWH analytics — стандартный подход. ClickHouse loves wide tables (no joins).

Materialized views

Query result сохранён как table. Refresh периодически.

CREATE MATERIALIZED VIEW daily_revenue AS
SELECT DATE, SUM(amount) FROM orders GROUP BY DATE;

REFRESH MATERIALIZED VIEW daily_revenue;

В Postgres — manual refresh. В ClickHouse — auto-refresh при insert (incrementally maintained).

Trade-off. Read fast (already aggregated). Write slower (need refresh).

Sync challenges

Главная боль denormalization — keep duplicate data в sync.

Strategies:

• Trigger-based. ON UPDATE — sync. Tightly coupled с DB.
• Application-level. Code updates everywhere. Easy to miss.
• CDC. Listen на source changes, propagate. Standard в modern.
• Recompute. Drop denormalized, rebuild периодически.

Eventual consistency. Window когда old data visible. Часто OK для analytics, не для финансов.

Связанные темы

• Нормализация БД на собесе SA
• Data modeling подходы для SA
• Cache strategies для SA
• Star schema vs Snowflake для DE
• Подготовка к собесу системного аналитика

FAQ

Это официальная информация?

Нет. Статья основана на стандартных подходах database design.

Тренируйте системный анализ — откройте тренажёр с 1500+ вопросами для собесов.