تنظيم البيانات
يتناول هذا الدليل بعض المفاهيم الأساسية في بنية البيانات وأفضل الممارسات لتنظيم بيانات JSON في Firebase Realtime Database.
يتطلب إنشاء قاعدة بيانات هيكلة بشكل صحيح الكثير من التفكير. الأهم من ذلك، أنك تحتاج إلى التخطيط لكيفية حفظ البيانات واستردادها لاحقًا لجعل هذه العملية سهلة قدر الإمكان.
بنية البيانات: هي شجرة JSON
يتم تخزين جميع بيانات Firebase Realtime Database كعناصر JSON. يمكنك اعتبار
قاعدة البيانات شجرة JSON مستضافة على السحابة الإلكترونية. على عكس قاعدة بيانات SQL، لا تتضمّن قاعدة بيانات NoSQL
جداول أو سجلّات. عند إضافة بيانات إلى شجرة JSON، تصبح هذه البيانات عقدة في
بنية JSON الحالية مع مفتاح مرتبط بها. يمكنك تقديم مفاتيحك الخاصة،
مثل أرقام تعريف المستخدمين أو الأسماء الدلالية، أو يمكن أن يتم تقديمها لك باستخدام
طريقة Push().
إذا أنشأت مفاتيح خاصة بك، يجب أن تكون بترميز UTF-8، ويمكن أن تبلغ سعتها القصوى
768 بايت، ولا يمكن أن تحتوي على . أو $ أو # أو [ أو ] أو / أو أحرف التحكّم ASCII من 0 إلى 31 أو 127. ولا يمكنك أيضًا استخدام أحرف التحكم ASCII
في القيم نفسها.
على سبيل المثال، ضع في اعتبارك تطبيقًا للدردشة يتيح للمستخدمين تخزين ملف شخصي أساسي وقائمة جهات اتصال. يمكن العثور على ملف مستخدم نموذجي في مسار، مثل
/users/$uid. قد يكون لدى المستخدم alovelace إدخال قاعدة
بيانات يبدو على النحو التالي:
{ "users": { "alovelace": { "name": "Ada Lovelace", "contacts": { "ghopper": true }, }, "ghopper": { ... }, "eclarke": { ... } } }
على الرغم من أنّ قاعدة البيانات تستخدِم شجرة JSON، يمكن تمثيل البيانات المخزّنة في قاعدة البيانات كأنواع أصلية معيّنة تتوافق مع أنواع JSON المتاحة لمساعدتك في كتابة رمز برمجي يمكن صيانته بسهولة أكبر.
أفضل الممارسات المتعلقة ببنية البيانات
تجنُّب تداخل البيانات
قد تميل إلى الاعتقاد بأنّ هذه السمة هي البنية التلقائية، لأنّ السمة Firebase Realtime Database تسمح بتداخل البيانات يصل عمقها إلى 32 مستوى. ومع ذلك، عند جلب البيانات في موقع معيّن في قاعدة بياناتك، ستسترجع أيضًا كل العقد الفرعية. بالإضافة إلى ذلك، عند منح مستخدم إذن الوصول للقراءة أو الكتابة في عقدة في قاعدة بياناتك، فإنّك تمنح هذا المستخدم أيضًا إذن الوصول إلى جميع البيانات ضمن هذه العقدة. لذلك، من الأفضل من الناحية العملية الحفاظ على بنية البيانات سطرية قدر الإمكان.
للحصول على مثال عن سبب عدم صحة البيانات المتداخلة، ضع في اعتبارك البنية المتعددة المتداخلة التالية:
{ // This is a poorly nested data architecture, because iterating the children // of the "chats" node to get a list of conversation titles requires // potentially downloading hundreds of megabytes of messages "chats": { "one": { "title": "Historical Tech Pioneers", "messages": { "m1": { "sender": "ghopper", "message": "Relay malfunction found. Cause: moth." }, "m2": { ... }, // a very long list of messages } }, "two": { ... } } }
مع هذا التصميم المتداخل، يصبح التكرار عبر البيانات مشكلة. على سبيل المثال، يتطلب إدراج عناوين محادثات المحادثة تنزيل chats
الشجرة بأكملها، بما في ذلك جميع الأعضاء والرسائل، إلى العميل.
تسطيح هياكل البيانات
في حال تقسيم البيانات إلى مسارات منفصلة، ما يُعرف أيضًا باسم إزالة التطبيع، يمكن تنزيلها بكفاءة في طلبات بحث منفصلة حسب الحاجة. راجِع هذه البنية المسطّحة:
{ // Chats contains only meta info about each conversation // stored under the chats's unique ID "chats": { "one": { "title": "Historical Tech Pioneers", "lastMessage": "ghopper: Relay malfunction found. Cause: moth.", "timestamp": 1459361875666 }, "two": { ... }, "three": { ... } }, // Conversation members are easily accessible // and stored by chat conversation ID "members": { // we'll talk about indices like this below "one": { "ghopper": true, "alovelace": true, "eclarke": true }, "two": { ... }, "three": { ... } }, // Messages are separate from data we may want to iterate quickly // but still easily paginated and queried, and organized by chat // conversation ID "messages": { "one": { "m1": { "name": "eclarke", "message": "The relay seems to be malfunctioning.", "timestamp": 1459361875337 }, "m2": { ... }, "m3": { ... } }, "two": { ... }, "three": { ... } } }
أصبح من الممكن الآن التنقّل في قائمة الغرف من خلال تنزيل بضع بايتات فقط لكل محادثة، ما يتيح جلب البيانات الوصفية بسرعة لعرض الغرف في واجهة مستخدِم أو إدراجها. يمكن جلب الرسائل بشكل منفصل وعرضها فور وصولها، مما يسمح لواجهة المستخدم بالبقاء سريعة الاستجابة.
إنشاء بيانات قابلة للتوسّع
عند إنشاء التطبيقات، من الأفضل غالبًا تنزيل مجموعة فرعية من قائمة. وهذا أمر شائع بوجهٍ خاص إذا كانت القائمة تحتوي على آلاف السجلات. عندما تكون هذه العلاقة ثابتة أحادية الاتجاه، يمكنك ببساطة دمج الكائنات الفرعية ضمن العنصر الرئيسي.
في بعض الأحيان، تكون هذه العلاقة أكثر ديناميكية، أو قد يكون من الضروري إلغاء تطبيع هذه البيانات. في كثير من الأحيان، يمكنك إزالة التحويل العادي للبيانات باستخدام استعلام لاسترداد مجموعة فرعية من البيانات، كما هو موضّح في مقالة استرداد البيانات.
لكن حتى هذا قد لا يكون كافيًا. على سبيل المثال، ضع في اعتبارك علاقة ثنائية بين المستخدمين والمجموعات. يمكن أن ينتمي المستخدمون إلى مجموعة، وتتألف المجموعات من قائمة بالمستخدمين. عندما يحين وقت تحديد المجموعات التي ينتمي إليها المستخدم، تصبح الأمور معقّدة.
ما عليك سوى استخدام طريقة أنيقة لعرض المجموعات التي ينتمي إليها المستخدم و retrieving فقط بيانات هذه المجموعات. يمكن أن يساعدك فهرس المجموعات في حلّ العديد من المشاكل:
// An index to track Ada's memberships { "users": { "alovelace": { "name": "Ada Lovelace", // Index Ada's groups in her profile "groups": { // the value here doesn't matter, just that the key exists "techpioneers": true, "womentechmakers": true } }, ... }, "groups": { "techpioneers": { "name": "Historical Tech Pioneers", "members": { "alovelace": true, "ghopper": true, "eclarke": true } }, ... } }
قد تلاحظ أنّ هذا الإجراء يؤدي إلى تكرار بعض البيانات من خلال تخزين العلاقة
ضمن سجلّ "آدا" وضمن المجموعة. تمّ الآن فهرسة alovelace ضمن مجموعة، وتم إدراج techpioneers في ملف مستخدمة Ada الشخصي. وبالتالي، لحذف Ada
من المجموعة، يجب تعديلها في مكانَين.
ويعتبر هذا التكرار ضروريًا للعلاقات في الاتجاهين. يتيح لك الإجراء retrieving استرداد عضويات Ada بسرعة وكفاءة، حتى عندما تتوسع قائمة المستخدمين أو المجموعات إلى ملايين المستخدمين أو عندما تمنع Realtime Database قواعد الأمان الوصول إلى بعض السجلات.
إنّ هذا النهج، الذي يقضي بعكس البيانات من خلال إدراج المعرّفات كمفاتيح وضبط القيمة على "صحيح"، يجعل البحث عن مفتاح بسيطًا مثل قراءة /users/$uid/groups/$group_id والتحقّق مما إذا كان null. يكون الفهرس أسرع وأكثر كفاءة بكثير من الاستعلام عن البيانات أو مسحها ضوئيًا.