SQL Normalization & Optimization Eğitimi

Eğitim Hakkında

İlişkisel şemayı normalize etme ve sorguları indeksle optimize etme

SQL Normalization & Optimization Eğitimi, sağlam bir ilişkisel şema tasarlamayı ve sorguları ölçülebilir biçimde hızlandırmayı öğretir. Katılımcılar fonksiyonel bağımlılıkları belirler; 1NF, 2NF, 3NF ve BCNF normal formlarını uygular, veri anomalilerini giderir. Ardından bilinçli denormalizasyon, kümelenmiş ve kapsayıcı indeksler, yürütme planı okuma ve sorgu yeniden yazımı SQL Server, PostgreSQL ve MySQL üzerinde uygulamalı işlenir.

Süre ve Format

3 Gün. Her gün dört modül; fonksiyonel bağımlılık ve normal formlardan denormalizasyona, indekslemeye ve sorgu optimizasyonuna ilerlenir.

Seviye

Orta Seviye — Normalizasyon, fonksiyonel bağımlılık, indeksleme ve sorgu optimizasyonu

Öğrenme Metodu

Her konu gerçek bir şema üzerinde tablo yeniden tasarlanıp sorgu çalıştırılarak, yürütme planı ile öncesi-sonrası karşılaştırılarak işlenir.

Neden Bu Eğitim?

🏗️Sağlam tasarım

Normalizasyonla ekleme, silme ve güncelleme anomalilerini önleyerek tutarlı ve bakımı kolay bir şema kurarsınız.

⚡Ölçülü hızlanma

Doğru indeks ve sorgu yeniden yazımıyla yürütme planını iyileştirir, ölçülebilir performans artışı elde edersiniz.

🎯Doğru denge

Normalizasyon ile denormalizasyon arasında iş yüküne göre bilinçli karar vererek okuma ve yazmayı dengelersiniz.

Anahtar Konular

sql normalizasyon eğitimiveritabanı normalizasyonunormal formlarindekslemesorgu optimizasyonufonksiyonel bağımlılıkveritabanı tasarımı3nf bcnfsql performansindeks tasarımı

“İyi bir veritabanı, doğru normalize edilmiş şema ile akıllı indekslemenin buluştuğu yerdir; tasarım ve optimizasyon birlikte çalışır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

SQL bilgisi

SELECT, JOIN ve GROUP BY içeren sorgular yazabilecek düzeyde SQL bilgisi gereklidir.

2

Tablo tasarımı

Tablo, sütun, birincil ve yabancı anahtar kavramlarına temel aşinalık beklenir.

3

Plan okuma

Yürütme planı kavramına aşinalık faydalıdır; temelden gözden geçirilerek ilerlenir.

4

Çalışma ortamı

SQL Server, PostgreSQL veya MySQL örneği ve örnek şemaya erişimin olduğu bir ortam gereklidir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı fonksiyonel bağımlılıkları ve aday anahtarları belirler, 1NF, 2NF ve 3NF normal formlarını uygulayarak veri anomalilerini giderir.

Modül 1

İlişkisel Model ve Anahtarlar

İlişkisel model ve ilişki (relation) kavramı
Aday anahtar, birincil anahtar ve süper anahtar
Yabancı anahtar ve referans bütünlüğü
Fonksiyonel bağımlılık tanımı ve gösterimi
Kısmi ve geçişli bağımlılıkların tanınması
Bağımlılık kapanışı (closure) mantığı

Modül 2

Veri Anomalileri

Ekleme (insertion) anomalisi örnekleri
Silme (deletion) anomalisi ve veri kaybı
Güncelleme (update) anomalisi ve tutarsızlık
Tekrarlı verinin yol açtığı bakım yükü
Anomalilerin gerçek tablo üzerinde gösterimi
Normalizasyonun anomalileri gidermesi

Modül 3

1NF ve 2NF Uygulaması

Birinci normal form ve atomik değer kuralı
Tekrarlı grup ve çok değerli sütun giderme
İkinci normal form ve tam fonksiyonel bağımlılık
Kısmi bağımlılığın tabloya ayrıştırılması
Bileşik anahtarlarda 2NF ihlallerinin bulunması
Tabloların uygun biçimde bölünmesi

Modül 4

3NF ve BCNF Uygulaması

Üçüncü normal form ve geçişli bağımlılık
3NF'e taşıma için tablo ayrıştırma
Boyce-Codd normal formu (BCNF) tanımı
BCNF ile 3NF arasındaki farkın kavranması
Kayıpsız (lossless) ayrıştırma kontrolü
Bağımlılık koruyan ayrıştırma dengesi

Günün hedefiKatılımcı okuma ağırlıklı iş yüklerinde bilinçli denormalizasyon kararı verir, kümelenmiş ve kümelenmemiş indeksler ile kapsayıcı indeksleri doğru tasarlar.

Modül 1

Bilinçli Denormalizasyon

Normalizasyon ile performans dengesinin kurulması
Okuma ağırlıklı iş yükünde denormalizasyon
Hesaplanan ve türetilmiş sütun kullanımı
Özet (summary) ve materialized view yaklaşımı
Denormalizasyonun tutarlılık maliyeti
Tetikleyici ve iş katmanıyla senkronizasyon

Modül 2

İndeks Türleri ve Yapıları

Kümelenmiş (clustered) indeks ve veri sırası
Kümelenmemiş (nonclustered) indeks yapısı
B-tree indeksin arama ve sıralama mantığı
Kapsayıcı (covering) indeks ve INCLUDE sütunları
Filtrelenmiş (filtered) indeks kullanımı
PostgreSQL'de GIN ve GiST indeks türleri

Modül 3

İndeks Tasarım İlkeleri

Sorgu desenine göre indeks sütun sırası
Seçicilik (selectivity) ve indeks etkinliği
Eşitlik ve aralık sütunlarının sırası
Eksik indeks önerilerinin değerlendirilmesi
Aşırı indeksin yazma işlemine maliyeti
Kullanılmayan indekslerin tespiti ve kaldırılması

Modül 4

İndeks Bakımı ve Sağlık

İndeks parçalanması (fragmentation) ölçümü
Reorganize ve rebuild arasındaki fark
Fill factor ayarının sayfa dolumuna etkisi
İstatistiklerin indekslerle ilişkisi
Bakım planı ve otomatik güncelleme
PostgreSQL'de REINDEX ve VACUUM etkisi

Günün hedefiKatılımcı yürütme planını okuyarak pahalı adımları bulur, sorguları yeniden yazar, SARGable koşullar kurar ve iyileştirmenin etkisini ölçerek doğrular.

Modül 1

Yürütme Planı Okuma

Tahmini ve gerçek yürütme planının elde edilmesi
Scan ile seek operatörlerinin ayırt edilmesi
Key lookup maliyeti ve kapsayıcı indeks çözümü
Join operatörlerinin maliyet yorumu
PostgreSQL'de EXPLAIN ANALYZE ile plan okuma
Pahalı adımların önceliklendirilmesi

Modül 2

SARGable Sorgular

SARGability kavramı ve indeks kullanımı
Sütun üzerinde fonksiyonun seek'i engellemesi
Implicit conversion kaynaklı tarama
LIKE ile joker karakter konumunun etkisi
Koşulları SARGable biçimde yeniden yazma
OR koşullarının UNION ile dönüştürülmesi

Modül 3

Sorgu Yeniden Yazımı

Alt sorgu yerine JOIN kullanımı
EXISTS ve IN performans karşılaştırması
DISTINCT ve GROUP BY alternatifleri
Gereksiz sütun ve satır seçiminin azaltılması
CTE ve türetilmiş tabloların plan etkisi
Sayfalama sorgularının verimli yazımı

Modül 4

Ölçüm ve Doğrulama

STATISTICS IO ve TIME ile maliyet ölçümü
Mantıksal okuma sayısının karşılaştırılması
Öncesi ve sonrası plan karşılaştırması
Örnek veriyle gerçekçi test ortamı kurma
İyileştirmenin regresyon riskinin kontrolü
Kararların ve kazanımların belgelenmesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Bağımlılık analizi

Fonksiyonel bağımlılıkları ve aday anahtarları belirler, kısmi ve geçişli bağımlılıkları doğru tespit edebilirsiniz.

✅

Normalizasyon

1NF, 2NF, 3NF ve BCNF normal formlarını uygulayarak veri anomalilerini gideren sağlam şemalar tasarlayabilirsiniz.

✅

Denormalizasyon kararı

Okuma ağırlıklı iş yüklerinde bilinçli denormalizasyon yapar, tutarlılık maliyetini yönetebilirsiniz.

✅

İndeks tasarımı

Kümelenmiş, kümelenmemiş ve kapsayıcı indeksleri sorgu desenine ve seçiciliğe göre doğru tasarlayabilirsiniz.

✅

İndeks bakımı

İndeks parçalanmasını ölçer, reorganize ve rebuild ile istatistik güncelliğini yöneterek bakımı sürdürebilirsiniz.

✅

Plan okuma

Yürütme planını okuyarak scan/seek ve lookup maliyetlerini yorumlar, pahalı adımları önceliklendirebilirsiniz.

✅

SARGable sorgu

Koşulları SARGable biçimde yazarak indeks kullanımını artırır ve gereksiz taramaları önleyebilirsiniz.

✅

Ölçümlü iyileştirme

STATISTICS IO ile mantıksal okumayı ölçer ve iyileştirmelerin etkisini öncesi-sonrası karşılaştırarak doğrulayabilirsiniz.

Kimler İçin Uygundur?

Veritabanı şeması tasarlayan ve sorguları hızlandırması gereken yazılım geliştiriciler
veri modelleyiciler
veritabanı yöneticileri
analistler için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veritabanı şeması tasarlayan ve sorguları hızlandırması gereken yazılım geliştiriciler, veri modelleyiciler, veritabanı yöneticileri ve analistler için uygundur. SELECT, JOIN ve GROUP BY yazabilecek SQL bilgisi ile tablo ve anahtar kavramlarına aşinalık beklenir.

Normalizasyon ve optimizasyon neden aynı eğitimde?

İkisi birbirini tamamlar. Normalizasyon veri bütünlüğü ve tutarlılık sağlar; ancak aşırı bölünmüş şema çok sayıda JOIN gerektirip sorguyu yavaşlatabilir. Optimizasyon ise indeks ve sorgu yeniden yazımıyla bunu dengeler. Eğitim, tasarım kararlarının performansa etkisini bütüncül gösterir.

Denormalizasyon ne zaman doğru bir karardır?

Okuma ağırlıklı, çok sayıda JOIN gerektiren ve yazma sıklığı düşük iş yüklerinde bilinçli denormalizasyon faydalı olabilir. Türetilmiş sütun, özet tablo veya materialized view ile sorgu hızlanır; karşılığında tutarlılığı tetikleyici veya iş katmanıyla korumak gerekir. Eğitim bu dengeyi örneklerle işler.

Hangi veritabanı sistemleri kullanılıyor?

Normal formlar standart ilişkisel teori olduğundan her sistemde geçerlidir. İndeks ve optimizasyon örnekleri SQL Server, PostgreSQL ve MySQL üzerinde gösterilir; kümelenmiş indeks, kapsayıcı indeks, GIN/GiST ve EXPLAIN ANALYZE gibi ürün farkları ayrıca ele alınır.

Eğitim sonunda sertifika veriliyor mu?

Programı tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası alır. Eğitim online veya yüz yüze yapılabilir ve kurumun kullandığı veritabanı sistemi ile mevcut şemasına göre uyarlanabilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika