Ma'lumotlarni normalizatsiyalash nazariyasi va uning amaliy ahamiyati. (OTM talabalari ma'lumotlar bazasi asosida)

187 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ Ma’lumotlarni normalizatsiyalash nazariyasi va uning amaliy ahamiyati. (OTM talabalari ma’lumotlar bazasi asosida) Mahammadjonova Shukrona Elmurod qizi, Farg’ona davlat texnika universiteti, Axborot xavfsizligi yo’nalishi talabasi e-mail: shukronamahamm[email protected] Zokirov Sanjar Ikromjon o’g’li Farg’ona davlat texnika universiteti, fizika-matematika fanlari falsafa doktori (PhD), dotsent e-mail: [email protected] Scopus ID: 58769583900 ORCID: 0000-0002-3596-1464 Annotatsiya. Bugungi axborot texnologiyalari rivojlanayotgan davrda ma’lumotlarni to‘g‘ri saqlash, qayta ishlash va boshqarish har qanday tashkilot uchun muhim omil hisoblanadi. Ayniqsa oliy ta’lim muassasalarida talabalar, fanlar, baholar va o‘quv jarayoniga oid ma’lumotlarning yil sayin ortib borishi ma’lumotlar bazasi tuzilishini yanada puxta tashkil etishni talab qiladi. Ma’lumotlar takrorlanishi, yangilanish anomaliyalari va noto‘g‘ri bog‘lanishlar tizimning sekin ishlashiga va xatolar sonining ortishiga olib keladi. Ushbu maqolada ma’lumotlar bazasini normallashtirish jarayoni va uning OTM talabalari ma’lumotlar bazasidagi amaliy samaradorligi tahlil qilingan. Kalit so‘zlar: Normalizatsiya, ma’lumotlar bazasi, redundans, anomaliya, 1NF–3NF, avtomatlashtirilgan normallashtirish, RDBNorma, AdventureWorks Kirish Axborot texnologiyalari jadal rivojlanayotgan hozirgi davrda har qanday tashkilotda maʼlumotlar bilan ishlashning to‘g‘ri tashkil etilishi muhim ahamiyat kasb etadi. Ayniqsa oliy taʼlim muassasalarida talabalar haqida to‘plangan maʼlumotlar soni yil sayin ortib borayotgan bir paytda, bu maʼlumotlarning tartibli, takrorlanishsiz va oson boshqarilishi taʼlim jarayonining sifatiga bevosita taʼsir qiladi. Maʼlumotlar bazasi qanday qurilgani tizimning ham tezligi, ham aniqligi, ham barqarorligini belgilaydi. Shu jihatdan normallashtirish nazariyasi axborot tizimlarining asosiy poydevorlaridan biridir. Normalizatsiya — bu maʼlumotlar bazasini funksional bog‘lanishlar asosida qayta tartibga solish jarayoni bo‘lib, uning bosh maqsadi maʼlumotlar takrorlanishini bartaraf etish, yangilashdagi xatolarning oldini olish va maʼlumotlar bazasining mantiqiy tuzilishini mustahkamlashdan iborat. Normal formalarning 1NF, 2NF, 3NF va BCNF kabi turlari mavjud bo‘lib, ularning har biri bazani yanada toza va izchil ko‘rinishga keltiradi. OTM talabalari maʼlumotlar bazasida ko‘pincha uchraydigan asosiy muammolar — bir xil maʼlumotlarning bir nechta joyda qayta yozilishi, talaba maʼlumotlarini yangilashda ko‘plab jadvallarni o‘zgartirish zarurati, guruh yoki fan haqidagi maʼlumotlar noto‘g‘ri bog‘lanishi kabi holatlardir. Bular nafaqat tizimni sekinlashtiradi, balki xatolarni ko‘paytiradi. Bunday xatolarning oldini olish maqsadida bir necha tadqiqotlar amalga oshirilgan. Ushbu maqolada tadqiqotlardan olingan natijalar haqida so’z yuritiladi hamda ulardan olingan xulosalar yoritib beriladi. Adabiyotlar tahlili Ushbu tadqiqotda ommabop jamoat maʼlumotlar to‘plami (IMDb) relatsion bazaga yuklanib, avval 1NF shaklida saqlanadi, keyin 2NF va 4NF ga transformatsiya qilinadi. Postgres maʼlumotlar bazasi qo‘llanilgan. Natijalar quyidagicha: diskda saqlanish hajmi 1NF → 2NF ga o‘tishda ~10% kamaygan; tranzaksiya (yozish/oqish) tezligi 1NF ga nisbatan 2NF da 4 baravar oshgan; har bir tranzaksiya bo‘yicha energiya sarfi 74% ga kamaygan. Ammo 2NF 188 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ dan 4NF ga o‘tishda qo‘lga kiritilgan samaralar deyarli yo‘q, hajm esa yana~7%oshgan.[1] Bundan tashqari 2011-yilda Dongare, Dhabe va Deshmukh tomonidan tadqiqot o’tkazilgan va RDBNorma vositasi yordamida jadvallar 3NF ga o'tkazilgan. Tajriba natijalari shuni ko’rsatadiki, qo‘l bilan normallashtirishga nisbatan 2,89 baravar tezroq amalga oshirildi, xotira hajmi ham yarmiga kamaygan va ma’lumotlar butunligi hamda tuzilishi soddalashtirilgan. [2] Shuningdek, ma’lumotlarni normalizatsiya qilish jarayoni relatsion ma’lumotlar bazalarida redundansni kamaytirish, ma’lumot anomaliyalarini bartaraf etish va saqlash hajmini optimallashtirishga xizmat qiladi. Scientific.Net (2018) tadqiqotida MS Access, SQL Server va Oracle DBMSlarida turli darajadagi normalizatsiya (1NF, 2NF, 3NF) sinovdan o‘tkazilgan. Tadqiqot maqsadi — turli DBMSlarda normalizatsiyaning saqlash hajmi, redundans va ma’lumot anomaliyalariga ta’sirini aniqlash. Tadqiqot natijalari shuni ko’rsatadiki, 1NF dan 2NF / 3NF ga o‘tishda redundans 15–22% ga kamaygan. Bu esa ma’lumotlar takrorlanishini sezilarli darajada kamaytiradi. Bundan tashqari normalizatsiya jarayoni orqali ma’lumotlar bazasining umumiy hajmi 20–30% ga qisqargan. Bu OTM talabalari ma’lumotlar bazasida talabalar, kurslar va baholar jadvallarini samarali saqlash imkonini beradi. Shuningdek, 1NF da 17–18% ga teng bo‘lgan anomaliyalar 3NF da 1,5–2% ga kamaygan, ya’ni ma’lumotlar yaxlitligi sezilarli darajada oshgan.[3] 2017-yilda o’tkazilgan Albarak, Alrazgan va Bahsoon tomonidan o’tkazilgan tadqiqotda AdventureWorks bazasida avtomatlashtirilgan yondashuv yordamida normalizatsiya qarorlari qabul qilindi. Natijalar: normallashtirilmagan jadvaldagi ma’lumot anomaliyasi 17% bo‘lsa, avtomatlashtirilgan normallashtirilgan jadvalda bu ko‘rsatkich 3% ga kamaydi va tizim samaradorligi 1,8 baravar oshdi.[4] Qo’llanilgan metodlar Birinchi tadqiqot, ya’ni, IMDb misolida bosqichma-bosqich normalizatsiya usulidan foydalanilgan, ya’ni bu usulda ommabop jamoat ma’lumotlar to‘plami (IMDb) avval 1NF shaklida saqlanadi, keyin 2NF va 4NF ga transformatsiya qilinadi. Bundan tashqari ushbu ma’lumotlar bazasida postgres ma’lumotlar bazasi ishlatilgan. Dongare, Dhabe va Deshmukh tomonidan o‘tkazilgan tadqiqotda RDBNorma vositasi yordamida ma’lumotlar bazasi jadvallari 3NF darajasiga o'tkazilgan. Tadqiqotda avtomatlashtirilgan vosita bilan normallashtirish jarayoni qo‘l bilan normallashtirish bilan solishtirilgan. Natijalar shuni ko‘rsatdiki, avtomatlashtirilgan yondashuv qo‘l bilan normallashtirishga nisbatan 2,89 baravar tezroq amalga oshirilgan. Shu bilan birga, xotira hajmi yarmiga kamaygan va ma’lumotlar butunligi hamda jadvallar tuzilishi sezilarli darajada soddalashtirilgan. Ushbu tadqiqot avtomatlashtirilgan normallashtirish vositalarining samaradorligini aniq ko‘rsatib, amaliy tizimlarda qo‘llash uchun muhim asos yaratadi. Scientific.Net tadqiqotida MS Access, SQL Server va Oracle DBMSlarida turli darajadagi normalizatsiya (1NF, 2NF, 3NF) sinovdan o‘tkazilgan. Har bir normal forma darajasi uchun redundans, saqlash hajmi va ma’lumot anomaliyalari kvantitativ jihatdan o‘lchangan. AdventureWorks bazasida avtomatlashtirilgan yondashuv yordamida normallashtirish qarorlari qabul qilingan. Tadqiqot natijalariga ko‘ra, normallashtirilmagan jadvaldagi ma’lumot anomaliyasi 17% bo‘lsa, avtomatlashtirilgan normallashtirilgan jadvalda bu ko‘rsatkich 3% ga kamaygan va tizim samaradorligi 1,8 baravar oshgan. Har bir normalizatsiya jarayoni OTM ma’lumotlar bazalari uchun amaliy ahamiyatga ega: disk hajmi kamayadi, so‘rov tezligi oshadi va ma’lumotlar butunligi ta’minlanadi. Avtomatlashtirilgan vositalar yordamida normallashtirish jarayoni tezlashadi, xatolik ehtimoli kamayadi. Turli DBMSlarda (MS Access, SQL Server, Oracle, Postgres) normalizatsiyaning foydasi deyarli bir xil bo‘lib, DBMS turidan mustaqil ishlaydi. Shu bilan birga, yuqori darajadagi normalizatsiya (4NF) har doim qo‘shimcha samaralar bermasligi mumkin; optimal daraja 2NF yoki 3NF bo‘lishi ko‘pincha amaliy jihatdan yetarli hisoblanadi. 189 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ Natijalar Ma’lumotlar bazalarini normalizatsiya qilish bo‘yicha o‘tkazilgan tadqiqotlar shuni ko‘rsatadiki, normalizatsiya jarayoni relatsion modellarda redundansni kamaytirish, ma’lumot anomaliyalarini bartaraf etish va tizim samaradorligini oshirishda muhim ahamiyatga ega. Birinchi tadqiqotda (IMDb ma’lumotlar to‘plamida) Postgres DBMSidan foydalanilgan bo‘lib, ma’lumotlar avval 1NF ko‘rinishida saqlanib, so‘ng 2NF va 4NF ga transformatsiya qilingan. Natijalarga ko‘ra, 1NF dan 2NF ga o‘tishda diskda saqlash hajmi 10% ga kamaygan, tranzaksiya tezligi 4 baravar oshgan va energiya sarfi 74% ga qisqargan. Biroq 2NF dan 4NF ga o‘tish jarayoni sezilarli samarani bermagan, aksincha saqlash hajmi yana 7% ga oshgan. Bu natijalar normallashtirishning optimal darajasi mavjudligini ko‘rsatadi va haddan tashqari normallashtirish doimo ijobiy natija bermasligini tasdiqlaydi. 2011-yilda Dongare, Dhabe va Deshmukh tomonidan o‘tkazilgan tadqiqotda RDBNorma avtomatlashtirilgan vositasi qo‘llanilib, jadvallar 3NF ga keltirilgan. Tajribalar ko‘rsatganidek, qo‘l bilan bajariladigan normallashtirishga nisbatan bu jarayon 2,89 baravar tezroq bajarilgan, xotira sarfi yarmiga kamaygan va ma’lumotlar tuzilishi ancha izchil shaklga keltirilgan. Bu esa avtomatlashtirilgan yondashuvning amaliy samaradorligini yaqqol tasdiqlaydi. Scientific.Net (2018) tadqiqotida MS Access, SQL Server va Oracle kabi turli DBMSlarda 1NF, 2NF va 3NF darajalarda normalizatsiya taqqoslangan. Tadqiqot natijalariga ko‘ra, normallashtirish redundansni 15–22% ga kamaytirgan, bazaning umumiy hajmi 20–30% ga qisqargan va 1NF dagi 17– 18% lik ma’lumotlar anomaliyasi 3NF da 1,5–2% gacha tushgan. Bu natijalar normalizatsiyaning nafaqat ma’lumotlar takrorlanishini, balki umuman tizim ishonchliligi va yaxlitligini oshirishga katta hissa qo‘shishini ko‘rsatadi. 2017-yilda Albarak, Alrazgan va Bahsoon tomonidan AdventureWorks bazasida normalizatsiya qarorlarini avtomatlashtirish bo‘yicha olib borilgan tadqiqotda ham ijobiy natijalar kuzatilgan. Dastlabki normallashtirilmagan jadvalda 17% bo‘lgan ma’lumot anomaliyasi avtomatlashtirilgan yondashuvdan so‘ng 3% ga tushgan va tizim samaradorligi 1,8 baravar oshgan. Bu holat avtomatlashtirilgan normallashtirish vositalari nafaqat aniqlikni, balki ish unumdorligini ham sezilarli oshirishi mumkinligini ko‘rsatadi. Umuman olganda, ko‘rib chiqilgan adabiyotlar shuni tasdiqlaydiki, normallashtirish ma’lumotlar bazasining samaradorligini oshirishning muhim omili bo‘lib, redundansni kamaytiradi, anomaliyalarni bartaraf etadi va tizimning umumiy ishlash sifatini yaxshilaydi. Ayniqsa avtomatlashtirilgan vositalar qo‘llanilganda normalizatsiya jarayoni tezlashadi, xatoliklar kamayadi va saqlash resurslari optimallashtiriladi. Shu boisdan, zamonaviy katta hajmdagi ma’lumotlar bilan ishlovchi tizimlar uchun optimal normallashtirish darajasini tanlash va avtomatlashtirilgan usullardan foydalanish muhim hisoblanadi. 1-jadval. Tadqiqot natijalari jadvali Analiz va muhokama Tadqiqotlar tahlili shuni ko‘rsatadiki, normallashtirish jarayoni turli ma’lumotlar bazasi platformalarida bir xil ijobiy natija berishiga qaramay, optimal normal forma darajasi hamma holat uchun bir xil emas. IMDb, AdventureWorks va boshqa amaliy bazalar ustida o‘tkazilgan tajribalar normalizatsiyaning nafaqat ma’lumotlar takrorlanishini qisqartirishi, balki energiya sarfini kamaytirishi, tranzaksiya samaradorligini oshirishi va xotira iste’molini ilmiy asosda sezilarli darajada optimallashtirishi mumkinligini tasdiqladi. Biroq ma’lumotlar soni ortgani sari yuqori normal formalarning foydasi pasayib, ayrim hollarda ortiqcha bo‘lishi mumkin. Ayniqsa 4NF darajasida kuzatilgan qo‘shimcha hajm 190 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ ortishi shuni ko‘rsatadiki, chuqur normallashtirish har doim texnik samaradorlikni oshirmaydi. Avtomatlashtirilgan vositalar (RDBNorma va AdventureWorks uchun qo‘llanilgan yondashuvlar) natijalari shuni ko‘rsatadiki, inson omili bilan bog‘liq xatolar kamayadi, jarayonning tezligi bir necha baravar oshadi va murakkab funksional bog‘lanishlarni qayta tashkil etish samaradorligi ancha yuqori bo‘ladi. Bugungi kunda OTMlarda, ayniqsa katta hajmdagi talabalar ma’lumotlari bilan ishlanadigan tizimlarda, qo‘l mehnatiga asoslangan normallashtirish amaliy jihatdan samarasiz bo‘lib bormoqda. Bu holat avtomatlashtirilgan normalizatsiya algoritmlarini joriy etish zaruriyatini kuchaytiradi. Shuningdek, turli DBMSlarda (MS Access, SQL Server, Oracle, Postgres) o‘tkazilgan tajribalar umumiy bir natijaga olib keladi: ma’lumotlar tarkibi murakkablashgan sari normallashtirishning ta’siri kuchayadi, ammo tizimning so‘rovga ishlov berish uslubi, indekslash strategiyasi va tranzaksiya mexanizmlari yakuniy samaraga sezilarli ta’sir ko‘rsatadi. Shu sababli normallashtirishni baholashda faqat strukturaviy mezonlarga emas, balki DBMSning ichki arxitekturasiga ham e’tibor qaratish lozim. Yuqorida aytib o’tilgan tadqiqot natijalarini quyidagi formulalar yordamida tekshirishimiz mumkin bo’ladi: Redundans kamayishini hisoblash: 𝑅𝑘=𝐷𝑜𝑙𝑑 −𝐷𝑛𝑒𝑤 𝐷𝑜𝑙𝑑 ×100% Bu yerda: 𝐷𝑜𝑙𝑑= normallashtirilmagan bazadagi redundant ma’lumotlar miqdori; 𝐷𝑛𝑒𝑤 = normallashtirilgan bazadagi redundant ma’lumotlar miqdori. Tranzaksiya tezligining o’zgarishi: 𝑆𝑡=𝑇𝑛𝑒𝑤 𝑇𝑜𝑙𝑑 Bu yerda: 𝑇𝑜𝑙𝑑 = avvalgi tranzaksiya vaqti; 𝑇𝑛𝑒𝑤 = normallashtirishdan keyingi tranzaksiya vaqti. Disk hajmi o’zgarishi: ∆𝑉 =𝑉𝑛𝑒𝑤 −𝑉𝑜𝑙𝑑 𝑉𝑜𝑙𝑑 ×100% Bu yerda: 𝑉𝑜𝑙𝑑= normallashtirilmagan jadval hajmi; 𝑉𝑛𝑒𝑤 = normallashtirilgan jadval hajmi. 𝐴𝑟=𝐴𝑜𝑙𝑑 −𝐴𝑛𝑒𝑤 𝐴𝑜𝑙𝑑 ×100% Bu yerda: 𝐴𝑜𝑙𝑑= 1NF dagi anomaliya foizi; 𝐴𝑛𝑒𝑤 = 3NF dagi anomaliya foizi. So’rovlarning bajarilish samaradorligi AdventureWorksbazasida 1.8 marta o’sishi quyidagi formula orqali tekshirib olishimiz ham mumkin: 𝑄 = 1 𝑚∑𝑞𝑗 𝑚 𝑗=1 Ko‘p tadqiqotlar shuni ko‘rsatadiki: 𝑂𝑝𝑡𝑖𝑚𝑎𝑙 𝑁𝐹 ≈ 2 𝑁𝐹 𝑦𝑜𝑘𝑖 3𝑁𝐹 Juda yuqori normalizatsiya (4NF va undan yuqori) har doim samarali bo‘lmaydi, ba’zan disk hajmi ortishi va tranzaksiya samaradorligi kamayishi kuzatiladi. Avtomatlashtirilgan vositalar (RDBNorma, AdventureWorks) normalizatsiya jarayonini tezlashtiradi va inson xatosini kamaytiradi. 1-diagramma. Anomaliya va Redundans. Taxminiy qiymatlar: 1NF: Redundans ≈ 25%, Anomaliya ≈ 17–18% 2NF: Redundans ≈ 12–15%, Anomaliya ≈ 6– 8% 3NF: Redundans ≈ 3–5%, Anomaliya ≈ 1,5–2% Grafikdan ko‘rinib turibdiki, ma’lumotlar bazasi normallashtirish darajasi oshgani sari redundans va ma’lumot anomaliyalari keskin kamayadi. Ayniqsa 191 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 4 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 4 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 4 | 2025 год https://al-fargoniy.uz/ 1NF dan 2NF ga o‘tish bosqichida sezilarli ijobiy o‘zgarish kuzatiladi, bu funksional bog‘lanishlarning to‘g‘ri ajratilishi bilan izohlanadi. 3NF darajasida esa redundans minimal qiymatga tushib, ma’lumotlar yaxlitligi deyarli to‘liq ta’minlanadi. Shu bilan birga, grafik shuni ko‘rsatadiki, 3NF dan yuqori normal formalarga o‘tish (masalan, 4NF) har doim ham sezilarli qo‘shimcha foyda bermaydi. Bu holat OTM talabalari ma’lumotlar bazalari uchun 2NF yoki 3NF darajasi amaliy jihatdan eng maqbul yechim ekanligini tasdiqlaydi. Xulosa Xulosa qilib aytganda, normalizatsiya nazariyasi nafaqat nazariy, balki juda amaliy qiymatga ega bo‘lgan jarayondir. OTM talabalari maʼlumotlar bazasiga to‘g‘ri qo‘llanilganda, tizimning aniqligi, ishlash tezligi va maʼlumotlar ishonchliligi bir necha barobarga oshadi. Ilmiy maqolalar tahlili ham shuni ko‘rsatadiki, normallashtirilgan maʼlumotlar bazasi taʼlim tizimlarining puxta va barqaror ishlashi uchun eng maqbul yechimdir. FOYDALANILGAN ADABIYOTLAR 1. Taipalus, T. (2025). On the effects of logical database design on database size, query complexity, query performance, and energy consumption. 2. Dongare, Y. V., Dhabe, P. S., & Deshmukh, S. V. (2011). RDBNorma: A semi-automated tool for relational database schema normalization up to third normal form. 3. Scientific.Net (2018). Comparison between Normalized Databases Implemented with Different Database Systems. https://www.scientific.net/AMR.774-776.1827 4. Albarak, M., Alrazgan, M., & Bahsoon, R. (2017). Identifying and Managing Technical Debt in Database Normalization Using Machine Learning and Trade-off Analysis