Bad Smells (mal cheiros) em Bancos de Dados

Bad Smells (mal cheiros) em Bancos de Dados
timbira
A empresa brasileira de PostgreSQL
SAADS, IFSul, Bagé/RS, 2017-10-20

Palestrante timbira
• Fabrízio de Royes Mello
• Desenvolvedor PostgreSQL
• Líder do PostgreSQL Brasil
• Pós-Graduado Uniritter (Agile)
• @fabriziomello
• http://fabriziomello.github.io
• Timbira
• Consultor/Mentor/Coach
• A empresa brasileira de PostgreSQL
• Consultoria
• Desenvolvimento
• Suporte 24x7
• Treinamento
Timbira - A empresa brasileira de PostgreSQL 2 / 48

Background timbira

Resumo timbira
1 Introdução
2 Bad Smells
3 Considerações Finais

Software Quality Assurance timbira
”Consiste em uma forma de monitorar os Processos e Métodos de
Engenharia de Software utilizados afim de garantir Qualidade.”
(Wikipedia)

Quem não quer um selo destes ?? timbira

Ou talvez um destes ... timbira

Melhoria timbira

Mas e o Banco de Dados????

Bancos de Dados timbira
Tendem a se deteriorar ao longo do tempo. Alguns motivos:

Bancos de Dados timbira
Tendem a se deteriorar ao longo do tempo. Alguns motivos:
• crescimento volume de dados/transações;
• aumento natural de usuários que o utilizam;
• dificuldades na evolução do schema;
• estratégias de manutenção.

Refatoração em Bancos de Dados timbira
Deterioração + Mudanças em Requisitos =
Necessidade de Refatoração.

Mas não é tão simples assim, sabem porque?

Mas não é tão simples assim, sabem porque?
• além de manter comportamento também é preciso manter
informação (dados);
• acoplamento com diversas origens (apps, bds, integrações,
3rd, ...)

Resumo timbira
1 Introdução
2 Bad Smells

Code Smell timbira
É uma categoria comum de problema no código fonte que indica
a necessidade de refatoração. (Martin Fowler)

Database Smell timbira
Similarmente aos Code Smells existem problemas comuns em
bancos de dados que indicam uma potencial necessidade de
refatoração. (Scott Ambler)

Multi-purpose column
Se uma coluna for utilizada para vários fins, é provável que
exista um código extra para garantir que a mesma seja
usada corretamente e, muitas vezes, verificando valores de
uma ou mais colunas.

Multi-purpose column timbira
^Î^ÎCREATE TABLE pessoa (
^Î^Î id SERIAL PRIMARY KEY,
^Î^Î tipo CHAR(1) CHECK (tipo IN ('F', 'J')),
^Î^Î nome VARCHAR(100) NOT NULL,
^Î^Î data DATE
^Î^Î);
^Î

^Î^Î tipo CHAR(1) CHECK (tipo IN ('F', 'J')),
^Î^Î data DATE
^Î^Î);
^Î
• Se tipo = ’F’ então DATA = nascimento
• Se tipo = ’J’ então DATA = inicio atividades

Sugestão(ões) Database Refactoring:
• Split Column
• Move Column

Multi-purpose table
Quando uma tabela é utilizada para
armazenar vários tipos de entidades provavelmente existe uma
falha de projeto.

Multi-purpose table timbira
^Î^Î nome_fantasia VARCHAR(100),
^Î^Î cnpj CHAR(14),
^Î^Î cpf CHAR(11),
^Î^Î rg CHAR(10),
^Î^Î data DATE
^Î^Î);
^Î

^Î^Î nome_fantasia VARCHAR(100),
^Î^Î rg CHAR(10),
^Î^Î data DATE
^Î^Î);
^Î
• Se cnpj e nome_fantasia = NULL então NOME = nome
pessoa física
• Se cpf e rg = NULL então NOME = razão social

• Move Column
• Split Table

Redundant data
É um problema sério em bases de dados porque quando o
dado é armazenado em vários locais, existe risco de ocorrer
inconsistência.

Redundant data timbira
^Î^ÎCREATE TABLE sys.usuario (
^Î^Î endereco VARCHAR(100),
^Î^Î numero INTEGER,
^Î^Î complemento VARCHAR(40)
^Î^Î);
^Î^ÎCREATE TABLE rh.funcionario (
^Î^Î endereco VARCHAR(100),
^Î^Î numero INTEGER,
^Î^Î complemento VARCHAR(40)
^Î^Î);
^Î

Redundant data timbira
• Merge Tables
• Move Data
• Drop Column

Tables with too many columns
Quando uma tabela tem muitas colunas é
indicativo de falta de coesão, pois está armazenando dados de
várias entidades.

Tables with too many columns timbira
^Î^Î end_entrega VARCHAR(200),
^Î^Î end_cobranca VARCHAR(200),
^Î^Î end_residenc VARCHAR(200),
^Î^Î end_profiss VARCHAR(200),
^Î^Î fone_celular VARCHAR(20),
^Î^Î fone_casa VARCHAR(20),
^Î^Î fone_fax VARCHAR(20),
^Î^Î fone_contato VARCHAR(20)
^Î^Î);
^Î

^Î^ÎCREATE TABLE parametro (
^Î^Î parametro1 VARCHAR(100),
^Î^Î ...
^Î^Î parametroN VARCHAR(100)
^Î^Î);
^Î

• Split Table
• Move Column

Tables with too many rows
Tabelas muito grandes podem nos levar a problemas de
performance.
O custo (memória e tempo) para buscar ou alterar dados em uma
tabela varia de acordo com o número de linhas.

Tables with too many rows timbira
^ÎCREATE TABLE log (
^Î logtime TIMESTAMP,
^Î user_name TEXT,
^Î context CHAR(10),
^Î message TEXT,
^Î detail TEXT
^Î);
^ÎCREATE TABLE log_201401() INHERITS (log);
^Î...
^Î

• Split Table
• Move Rows
• Move Column

• Split Table
• Move Rows
• Move Column
OBS: Em Bancos de Dados Relacionais conhecemos essa técnica
como ”Particionamento de Tabelas”

Smart columns
Coluna que armazena informações de mais de um contexto
(concatenação de informações).

Smart columns timbira
^Î^ÎCREATE TABLE processo (
^Î^Î numero CHAR(10) PRIMARY KEY,
^Î^Î ...
^Î^Î);
^Î^ÎCREATE TABLE debito (
^Î^Î processamento CHAR(15) PRIMARY KEY
^Î^Î ...
^Î^Î);
^Î

^Î^ÎCREATE TABLE processo (
^Î^Î numero CHAR(10) PRIMARY KEY,
^Î^Î ...
^Î^Î);
^Î^ÎCREATE TABLE debito (
^Î^Î processamento CHAR(15) PRIMARY KEY
^Î^Î ...
^Î^Î);
^Î
• numero = 4 digitos ano + 6 digitos sequencial
• processamento = 4 digitos ano + 6 digitos sequencial + 2
digitos parcela + 2 digitos total parcelas + 1 digito verificador

• Split Column

Phantom foreign-key
Quando uma coluna em uma tabela pode receber um valor, que
dependendo de outra coluna, estabelece relacionamento de chave
estrangeira com outra tabela.

Phantom foreign-key timbira
^Î^ÎCREATE TABLE tabela (
^Î^Î ...
^Î^Î tipo INTEGER,
^Î^Î codigo INTEGER,
^Î^Î ...
^Î^Î);
^Î

^Î^ÎCREATE TABLE tabela (
^Î^Î ...
^Î^Î codigo INTEGER,
^Î^Î ...
^Î^Î);
^Î
• Se TIPO = 1 entao CODIGO é ref. TABELA1
• ...

• Introduce new table
• Introduce table constraint
• Move Column

Wrong data type
Tipos de dados possuem uma assinatura, que descreve as
validações mínimas para seu uso.

Wrong data type timbira
^Î^Î rg CHAR(10)
^Î^Î);
^Î^ÎCREATE TABLE atributo_dinamico (
^Î^Î nome VARCHAR(100),
^Î^Î valor TEXT
^Î^Î);
^Î

^Î^Î rg CHAR(10)
^Î^Î);
^Î^ÎCREATE TABLE atributo_dinamico (
^Î^Î nome VARCHAR(100),
^Î^Î valor TEXT
^Î^Î);
^Î
• CNPJ, CPF e RG não são números?
• VALOR é um campo ”flex”, WTF?

• Replace column

Trigger Spaghetti
Quando existe uma trigger em uma tabela A que realiza operações
(insert/update/delete) em uma tabela B e esta possui trigger que,
dependendo de condições (valores das colunas), faz operações na
tabela C, onde também existe outra trigger, que também
dependendo de algumas condições faz operações na tabela A, onde
de certa forma garante que nao seja gerado um loop infinito.
WTF??

Trigger Spaghetti
Se você tem isso, saiba que existe um lugarzinho especial reservado
pra você ”In the Hell” !!!
Sério... NÂO FAÇA ISSO!!!.

Smells detectados pela minha experiência (ainda não estão
na literatura):
• Phantom foreign-key
• Wrong data type
• Trigger Spaghetti

Fear of change
Dentre os database smells citados, devemos ter atenção especial a
este, pois pode ser considerado o pior de todos, pois:

Fear of change
Dentre os database smells citados, devemos ter atenção especial a
este, pois pode ser considerado o pior de todos, pois:
• inibe a inovação,
• reduz a efetividade,
• produz ainda mais bagunça e
• ao longo do tempo a situação fica cada vez pior.

Fear of change
A solução para esse smell é mais uma questão de
postura positiva do time aliada a adoção de boas práticas, tais
como:

Fear of change
A solução para esse smell é mais uma questão de
postura positiva do time aliada a adoção de boas práticas, tais
como:
• database refactoring;
• database unit and regression tests;
• database continuous integration;
• schema versioning.

Resumo timbira
1 Introdução
2 Bad Smells

Considerações Finais timbira
Área com campo vasto a ser explorado
• Taxonomia dos Database Smells
• Database Smells primitivos e compostos
Explorar outras formas de detecção
• métricas, visualização, engenharia reversa, dependência cíclica
Ferramentas de apoio

Dúvidas timbira
?
Fabrízio de Royes Mello
@fabriziomello
fabrizio@timbira.com.br
fabriziomello@gmail.com
http://www.timbira.com.br
http://slideshare.net/fabriziomello

Referências timbira
• Refactoring Improving the Desing of Existing Code (Martin
Fowler)
• Refactoring Databases: Evolutionary Database Design (Scott
Ambler e Pramod Sadalage)
• http://martinfowler.com/books/refactoring.html
• http:
//agiledata.org/essays/databaseRefactoring.html
• http://www.agiledata.org/essays/
databaseRefactoringSmells.html

Bad Smells (mal cheiros) em Bancos de Dados

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Bad Smells (mal cheiros) em Bancos de Dados

Ähnlich wie Bad Smells (mal cheiros) em Bancos de Dados (20)

Mehr von Fabrízio Mello

Mehr von Fabrízio Mello (20)

Bad Smells (mal cheiros) em Bancos de Dados