本指南介绍了关于数据架构的几个主要概念，以及在您的 Firebase Realtime Database 中设计 JSON 数据结构的最佳实践。
构建一个结构合理的数据库需要预先进行大量规划。 最重要的是，您需要对如何保存数据及之后如何检索数据做好计划，尽可能地简化流程。
数据的结构形式：JSON 树
所有 Firebase Realtime Database 数据都会存储为 JSON 对象。您可将该数据库视为托管在云端的 JSON 树。与 SQL 数据库不同，该数据库没有表或记录的概念。当您将数据添加至 JSON 树时，它会变为现有 JSON 结构中的一个节点，带有一个关联的键。您可以自行提供键（例如用户 ID 或语义名称），也可以使用 push() 方法由系统为您提供键。
如果您要自行创建键，必须确保您的键采用 UTF-8 编码，长度不超过 768 个字节，且不包含 .、$、#、[、]、/ 或者 ASCII 控制字符 0-31 或 127。值本身也不能使用 ASCII 控制字符。
例如，假设某个聊天应用允许用户存储基本个人资料和联系人列表。通常用户个人资料位于诸如 /users/$uid 之类的路径中。用户 alovelace 的数据库条目可能如下所示：
{ "users": { "alovelace": { "name": "Ada Lovelace", "contacts": { "ghopper": true }, }, "ghopper": { "..." }, "eclarke": { "..." } } }
虽然数据库采用了 JSON 树，但数据库中存储的数据可以使用与可用 JSON 类型对应的某些原生类型来表示，便于您编写更易于维护的代码。
数据结构最佳实践
避免嵌套数据
Firebase Realtime Database 允许嵌套最多 32 层数据，因此您可能会认为这应是默认结构。 然而，当您提取数据库中某个位置的数据时，其所有子节点也会在检索范围内。另外，当您向某用户授予数据库中某个节点的读取或写入权限时，也会将该节点下所有数据的读取或写入权限授予该用户。因此，在实践中，最好使您的数据结构尽量扁平。
现以如下所示的多层嵌套结构为例，说明为什么不应使用嵌套数据：
{ // 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": { "..." } } }
若采用这种嵌套设计，遍历数据就会出现问题。例如，要列出聊天对话标题，就需要将整个 chats 树（包括所有成员和消息数据）都下载到客户端。
扁平化数据结构
如果数据被拆分到不同路径（又称反规范化），则可根据需要通过不同调用高效地下载。请参考以下扁平化结构：
{ // 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": { "..." } } }
现在，只需针对每个对话下载几个字节并快速提取元数据（以便在界面中列出或显示聊天室），即可遍历聊天室列表。消息可单独提取并在到达时显示，从而确保界面及时快速地响应。
创建可扩容的数据
构建应用时，最好下载列表的子集。 当列表含有成千上万条记录时，这种做法尤其常见。 当这种关系属于静态和单向关系时，您只需在父对象下嵌套子对象即可。
有时，这种关系更具动态性，或者需要对数据进行反规范化。通常，您可以通过查询来检索该数据的子集，以便对该数据进行反规范化，如检索数据中所述。
但即使这样也可能无法解决问题。以用户与群组之间的双向关系为例。用户可属于某个群组，群组可包含一系列用户。当需要确定用户属于哪些群组时，情况就会比较复杂。
我们需要的是一种巧妙的方法，不仅要列出用户所属的群组，而且只提取这些群组的数据。群组索引可在此发挥巨大作用：
// 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 } }, // ... } }
您可能注意到了，这种索引会同时在 Ada 的记录下及该群组的记录下存储相应关系数据，因此某些数据会重复。现在，alovelace 在一个群组的索引中，而 techpioneers 则列在 Ada 的个人资料中。所以，要从该群组删除 Ada，有两个地方需要更新。
对于双向关系而言，这是必要的冗余。这样，您就可以快速、高效地提取 Ada 的成员身份，而且即使用户列表或群组列表扩容到数百万条，或 Realtime Database 安全规则阻止访问某些记录，也不会对提取造成影响。
这种方法通过将 ID 列为键并将值设为 true 来反转数据，使得检查键就像读取 /users/$uid/groups/$group_id 然后检查它是否为 null 一样简单。与查询或扫描数据相比，索引的速度更快、效率更高。