História 3: Lory e a Desnormalização no Sistema de E-commerce O Crescimento do Sistema

Lory desenvolveu um sistema de e-commerce. Inicialmente, a aplicação usava um modelo normalizado com tabelas para Ordem, Pedido, Cliente e NotaFiscal. Tudo ia bem, mas conforme o número de pedidos crescia, os problemas começaram a aparecer:

Consultas lentas em horários de pico.

Relatórios demorados, afetando as decisões estratégicas.

Sobrecarregamento do banco de dados, prejudicando integrações como o ERP.

A Desnormalização como Solução

Lory percebeu que muitas das consultas mais lentas envolviam joins complexos entre tabelas grandes. Por exemplo, um relatório básico de pedidos por cliente demorava vários minutos:

sql

Copiar código

SELECT

c.ClienteID,

c.Nome AS Cliente,

COUNT(p.PedidoID) AS TotalPedidos,

SUM(o.Quantidade * o.Preco) AS ValorTotal,

MAX(nf.DataEmissao) AS UltimaNotaFiscal

FROM Cliente c

JOIN Pedido p ON c.ClienteID = p.ClienteID

JOIN Ordem o ON p.PedidoID = o.PedidoID

JOIN NotaFiscal nf ON p.PedidoID = nf.PedidoID

GROUP BY c.ClienteID, c.Nome;

Lory decidiu desnormalizar os dados, criando uma tabela que consolidava as informações frequentemente consultadas:

sql

Copiar código

CREATE TABLE ResumoPedidos (

ClienteID INT,

Nome VARCHAR(100),

TotalPedidos INT,

ValorTotal DECIMAL(18, 2),

UltimaNotaFiscal DATE

);

E preencheu os dados com uma query agendada periodicamente:

sql

Copiar código

INSERT INTO ResumoPedidos

SELECT

c.ClienteID,

c.Nome,

COUNT(p.PedidoID),

SUM(o.Quantidade * o.Preco),

MAX(nf.DataEmissao)

FROM Cliente c

JOIN Pedido p ON c.ClienteID = p.ClienteID

JOIN Ordem o ON p.PedidoID = o.PedidoID

JOIN NotaFiscal nf ON p.PedidoID = nf.PedidoID

GROUP BY c.ClienteID, c.Nome;

Resultados da Desnormalização

Consultas mais rápidas: Dados consolidados reduziram o tempo de execução de queries de minutos para segundos.

Relatórios instantâneos: Relatórios complexos tornaram-se viáveis em tempo real.

Integração facilitada: O ERP agora consumia dados da tabela desnormalizada, diminuindo sua dependência de joins pesados.

Limitações da Desnormalização

Apesar das melhorias, Lory enfrentou alguns desafios:

Manutenção Complexa: Alterar os dados exigia sincronizar tabelas normalizadas e desnormalizadas.

Armazenamento Adicional: Dados duplicados aumentaram o consumo de espaço.

Dados Desatualizados: Se o processo de atualização falhasse, os relatórios poderiam apresentar informações inconsistentes.