Firebase Data Connect umożliwia tworzenie łączników do instancji PostgreSQL zarządzanych za pomocą Google Cloud SQL. Te łączniki to kombinacje schematu, zapytań i mutacji do wykorzystywania danych.
W przewodniku dla początkujących przedstawiliśmy schemat aplikacji do obsługi poczty e-mail dla PostgreSQL, ale w tym przewodniku przyjrzymy się bliżej projektowaniu schematów Data Connect dla PostgreSQL, używając teraz jako przykładu bazy danych recenzji filmów.
W tym przewodniku znajdziesz Data Connect zapytania i mutacje wraz z przykładami schematów. Dlaczego w przewodniku po Data Connect schematach omawiamy zapytania (i mutacje)? Podobnie jak inne platformy oparte na GraphQL,Firebase Data Connect jest platformą programistyczną opartą na zapytaniach. Dlatego jako programista podczas modelowania danych będziesz myśleć o danych, których potrzebują Twoi klienci, co będzie miało duży wpływ na schemat danych, który opracujesz na potrzeby projektu.
Ten przewodnik zaczyna się od nowego schematu opinii o filmach, następnie omawia zapytania i mutacje pochodzące z tego schematu, a na koniec zawiera listę SQL odpowiadającą podstawowemu schematowi Data Connect.
Schemat aplikacji do recenzowania filmów
Załóżmy, że chcesz utworzyć usługę, która umożliwia użytkownikom przesyłanie i wyświetlanie recenzji filmów.
W przypadku takiej aplikacji potrzebujesz początkowego schematu. Później rozszerzysz ten schemat, aby tworzyć złożone zapytania relacyjne.
Tabela filmów
Schemat filmów zawiera podstawowe dyrektywy, takie jak:
@table, która umożliwia ustawianie nazw operacji za pomocą argumentówsingulariplural.@col– aby jednoznacznie ustawić nazwy kolumn.@default, aby zezwolić na ustawienie wartości domyślnych.
# Movies
type Movie
@table(name: "Movies", singular: "movie", plural: "movies", key: ["id"]) {
id: UUID! @col(name: "movie_id") @default(expr: "uuidV4()")
title: String!
releaseYear: Int @col(name: "release_year")
genre: String
rating: Int @col(name: "rating")
description: String @col(name: "description")
}
Wartości z serwera i kluczowe wartości skalarne
Zanim przyjrzymy się aplikacji do oceniania filmów, omówmy Data Connect wartości serwera i skalary kluczy.
Korzystając z wartości serwera, możesz skutecznie zezwolić serwerowi na dynamiczne wypełnianie pól w tabelach za pomocą przechowywanych lub łatwo obliczalnych wartości zgodnie z określonymi wyrażeniami po stronie serwera. Możesz na przykład zdefiniować pole z sygnaturą czasową, która jest stosowana, gdy uzyskuje się dostęp do pola za pomocą wyrażenia updatedAt: Timestamp! @default(expr: "request.time").
Kluczowe wartości skalarne to zwięzłe identyfikatory obiektów, które Data Connect automatycznie tworzy na podstawie kluczowych pól w Twoich schematach. Skalary kluczowe dotyczą wydajności, umożliwiając uzyskanie w jednym wywołaniu informacji o tożsamości i strukturze danych. Są one szczególnie przydatne, gdy chcesz wykonywać sekwencyjne działania na nowych rekordach i potrzebujesz unikalnego identyfikatora do przekazywania do kolejnych operacji, a także gdy chcesz uzyskać dostęp do kluczy relacyjnych, aby wykonywać dodatkowe, bardziej złożone operacje.
Typ identyfikatora
W GraphQL typ ID jest zdefiniowany jako typ nieprzezroczysty, który jest serializowany jako ciąg znaków. GraphQL nie jest zależny od formatu identyfikatora, ale wymusza konwersję ciągów znaków i liczb całkowitych z danych wejściowych.
Klucze PostgreSQL to zwykle liczby całkowite lub identyfikatory UUID, a nie ciągi znaków.
Data Connect automatycznie generuje takie klucze na podstawie Twojego schematu. Generowanie kluczy możesz dostosować za pomocą dyrektywy @default, jak pokazano w definicji pola id w tabeli Actor: id: ID! … @default(generate: "UUID").
Tabela metadanych filmu
Teraz będziemy śledzić reżyserów filmów i skonfigurujemy relację jeden do jednego z Movie.
Aby zdefiniować relacje, dodaj dyrektywę @ref.
# Movie Metadata
# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata
@table(
name: "MovieMetadata"
) {
# @ref creates a field in the current table (MovieMetadata) that holds the
# primary key of the referenced type
# In this case, @ref(fields: "id") is implied
movie: Movie! @ref
# movieId: UUID <- this is created by the above @ref
director: String @col(name: "director")
}
Actor i MovieActor
Następnie chcesz, aby w Twoich filmach występowali aktorzy. Ponieważ między filmami a aktorami istnieje relacja wiele do wielu, utwórz tabelę złączeń.
# Actors
# Suppose an actor can participate in multiple movies and movies can have multiple actors
# Movie - Actors (or vice versa) is a many to many relationship
type Actor @table(name: "Actors", singular: "actor", plural: "actors") {
id: UUID! @col(name: "actor_id") @default(expr: "uuidV4()")
name: String! @col(name: "name", dataType: "varchar(30)")
}
# Join table for many-to-many relationship for movies and actors
# The 'key' param signifies the primary key(s) of this table
# In this case, the keys are [movieId, actorId], the generated fields of the reference types [movie, actor]
type MovieActor @table(key: ["movie", "actor"]) {
# @ref creates a field in the current table (MovieActor) that holds the primary key of the referenced type
# In this case, @ref(fields: "id") is implied
movie: Movie! @ref
# movieId: UUID! <- this is created by the above @ref, see: implicit.gql
actor: Actor! @ref
# actorId: UUID! <- this is created by the above @ref, see: implicit.gql
role: String! @col(name: "role") # "main" or "supporting"
# optional other fields
}
Użytkownik
Na koniec użytkownicy Twojej aplikacji.
# Users
# Suppose a user can leave reviews for movies
# user:reviews is a one to many relationship, movie:reviews is a one to many relationship, movie:user is a many to many relationship
type User
@table(name: "Users", singular: "user", plural: "users", key: ["id"]) {
id: UUID! @col(name: "user_id") @default(expr: "uuidV4()")
auth: String @col(name: "user_auth") @default(expr: "auth.uid")
username: String! @col(name: "username", dataType: "varchar(30)")
# The following are generated from the @ref in the Review table
# reviews_on_user
# movies_via_Review
}
Obsługiwane typy danych
Data Connect obsługuje te skalarne typy danych, które są przypisane do typów PostgreSQL za pomocą @col(dataType:).
| Data Connect type | Wbudowany typ GraphQL lub Data Connect typ niestandardowy |
Domyślny typ PostgreSQL | Obsługiwane typy PostgreSQL (alias w nawiasach) |
|---|---|---|---|
| Ciąg znaków | GraphQL | tekst | text bit(n), varbit(n) char(n), varchar(n) |
| Liczba całkowita | GraphQL | int | Int2 (smallint, smallserial), int4 (integer, int, serial) |
| Liczba zmiennoprzecinkowa | GraphQL | float8 | float4 (real) float8 (double precision) numeric (decimal) |
| Wartość logiczna | GraphQL | Wartość logiczna | Wartość logiczna |
| UUID | Niestandardowy | uuid | uuid |
| Int64 | Niestandardowy | bigint | int8 (bigint, bigserial) numeric (decimal) |
| Data | Niestandardowy | date | data |
| Sygnatura czasowa | Niestandardowy | timestamptz | timestamptz Uwaga: informacje o lokalnej strefie czasowej nie są przechowywane. |
| Wyliczenie | Niestandardowy | enum | enum | typ wyliczeniowy |
| Wektor | Niestandardowy | vector | wektor Zobacz Przeprowadzanie wyszukiwania podobieństw wektorowych za pomocą Vertex AI. |
- GraphQL
Listjest mapowany na tablicę jednowymiarową.- Na przykład
[Int]jest mapowany naint5[], a[Any]najsonb[]. - Data Connect nie obsługuje zagnieżdżonych tablic.
- Na przykład
Zapytania i mutacje domyślne i zdefiniowane wstępnie
Zapytania i mutacje Data Connect rozszerzą zestaw niejawnych zapytań i niejawnych mutacji wygenerowanych przez Data Connect na podstawie typów i relacji między typami w schemacie. Zapytania i mutacje niejawne są generowane przez lokalne narzędzia za każdym razem, gdy edytujesz schemat.
W procesie tworzenia aplikacji zaimplementujesz zdefiniowane wcześniej zapytania i zdefiniowane wcześniej mutacje na podstawie tych operacji domyślnych.
Nazywanie zapytań i mutacji w sposób pośredni
Data Connect wnioskuje odpowiednie nazwy dla zapytań i mutacji niejawnych na podstawie deklaracji typów schematu. Jeśli na przykład pracujesz ze źródłem PostgreSQL i zdefiniujesz tabelę o nazwie Movie, serwer wygeneruje niejawnie:
- Zapytania dotyczące przypadków użycia pojedynczej tabeli z przyjaznymi nazwami
movie(w liczbie pojedynczej, do pobierania pojedynczych wyników z argumentami takimi jakeq) imovies(w liczbie mnogiej, do pobierania list wyników z argumentami takimi jakgti operacjami takimi jakorderby). Data Connect generuje też zapytania dotyczące operacji relacyjnych w wielu tabelach z wyraźnymi nazwami, takimi jakactors_on_movieslubactors_via_actormovie. - Mutacje o nazwach
movie_insert,movie_upsert...
Język definicji schematu umożliwia też jawne ustawianie nazw operacji za pomocą argumentów dyrektyw singular i plural.
Zapytania do bazy danych recenzji filmów
Definiujesz Data Connect zapytanie za pomocą deklaracji typu operacji zapytania, nazwy operacji, zera lub większej liczby argumentów operacji oraz zera lub większej liczby dyrektyw z argumentami.
W tym krótkim wprowadzeniu przykładowe zapytanie listEmails nie miało parametrów. Oczywiście w wielu przypadkach dane przekazywane do pól zapytania będą dynamiczne. Aby używać zmiennych jako jednego ze składników definicji zapytania, możesz użyć składni $variableName.
Zapytanie:
- Definicja typu
query - Nazwa operacji (zapytania)
ListMoviesByGenre - Argument operacji na jednej zmiennej
$genre - Jedna dyrektywa,
@auth.
query ListMoviesByGenre($genre: String!) @auth(level: USER)
Każdy argument zapytania wymaga deklaracji typu, wbudowanego typu, takiego jak String, lub niestandardowego typu zdefiniowanego w schemacie, takiego jak Movie.
Przyjrzyjmy się sygnaturze coraz bardziej złożonych zapytań. Na koniec przedstawimy zaawansowane, zwięzłe wyrażenia relacji dostępne w zapytaniach niejawnych, które możesz wykorzystać w zapytaniach zdefiniowanych.
Kluczowe wartości skalarne w zapytaniach
Najpierw jednak uwaga dotycząca kluczowych wartości skalarnych.
Data Connect definiuje specjalny typ dla skalarów kluczy, oznaczony symbolem _Key. Na przykład typ klucza skalarnego w przypadku naszej tabeli Movie to Movie_Key.
Kluczowe wartości skalarne możesz pobrać jako odpowiedź zwracaną przez większość mutacji niejawnych lub oczywiście z zapytań, w których pobrano wszystkie pola potrzebne do utworzenia klucza skalarnego.
Pojedyncze zapytania automatyczne, takie jak movie w naszym przykładzie, obsługują argument klucza, który przyjmuje skalarną wartość klucza.
Możesz przekazać skalar klucza jako literał. Możesz jednak zdefiniować zmienne, aby przekazywać skalarne klucze dostępu jako dane wejściowe.
query GetMovie($myKey: Movie_Key!) {
movie(key: $myKey) { title }
}
Możesz je podać w żądaniu JSON w ten sposób (lub w innych formatach serializacji):
{
# …
"variables": {
"myKey": {"foo": "some-string-value", "bar": 42}
}
}
Dzięki niestandardowej analizie skalarnej można też utworzyć Movie_Key za pomocą składni obiektu, która może zawierać zmienne. Jest to przydatne głównie wtedy, gdy z jakiegoś powodu chcesz podzielić poszczególne komponenty na różne zmienne.
Aliasy w zapytaniach
Data Connect obsługuje w zapytaniach aliasy GraphQL. Za pomocą aliasów możesz zmieniać nazwy danych zwracanych w wynikach zapytania. Pojedyncze zapytanie Data Connect może stosować wiele filtrów lub innych operacji w ramach jednego wydajnego żądania do serwera, co w praktyce oznacza wysyłanie kilku „podzapytań” jednocześnie. Aby uniknąć kolizji nazw w zwróconym zbiorze danych, użyj aliasów do odróżnienia podzapytań.
Oto zapytanie, w którym wyrażenie używa aliasu mostPopular.
query ReviewTopPopularity($genre: String) {
mostPopular: review(first: {
where: {genre: {eq: $genre}},
orderBy: {popularity: DESC}
}) { … }
}
Proste zapytania z filtrami
Zapytania Data Connect są mapowane na wszystkie typowe filtry SQL i operacje porządkowania.
Operatory where i orderBy (zapytania w liczbie pojedynczej i mnogiej)
Zwraca wszystkie dopasowane wiersze z tabeli (i zagnieżdżonych powiązań). Zwraca pustą tablicę, jeśli żaden rekord nie pasuje do filtra.
query MovieByTopRating($genre: String) {
mostPopular: movies(
where: { genre: { eq: $genre } }, orderBy: { rating: DESC }
) {
# graphql: list the fields from the results to return
id
title
genre
description
}
}
query MoviesByReleaseYear($min: Int, $max: Int) {
movies(where: {releaseYear: {le: $max, ge: $min}}, orderBy: [{releaseYear: ASC}]) { … }
}
Operatory limit i offset (zapytania w liczbie pojedynczej i mnogiej)
Możesz podzielić wyniki na strony. Te argumenty są akceptowane, ale nie są zwracane w wynikach.
query MoviesTop10 {
movies(orderBy: [{ rating: DESC }], limit: 10) {
# graphql: list the fields from the results to return
title
}
}
includes w przypadku pól tablicy
Możesz sprawdzić, czy pole tablicy zawiera określony element.
# Filter using arrays and embedded fields.
query ListMoviesByTag($tag: String!) {
movies(where: { tags: { includes: $tag }}) {
# graphql: list the fields from the results to return
id
title
}
}
Operacje na ciągach znaków i wyrażenia regularne
Zapytania mogą korzystać z typowych operacji wyszukiwania i porównywania ciągów znaków, w tym z wyrażeń regularnych. Uwaga: w celu zwiększenia wydajności łączysz tu kilka operacji i rozróżniasz je za pomocą aliasów.
query MoviesTitleSearch($prefix: String, $suffix: String, $contained: String, $regex: String) {
prefixed: movies(where: {title: {startsWith: $prefix}}) {...}
suffixed: movies(where: {title: {endsWith: $suffix}}) {...}
contained: movies(where: {title: {contains: $contained}}) {...}
matchRegex: movies(where: {title: {pattern: {regex: $regex}}}) {...}
}
or i and w przypadku filtrów złożonych.
W przypadku bardziej złożonej logiki użyj elementów or i and.
query ListMoviesByGenreAndGenre($minRating: Int!, $genre: String) {
movies(
where: { _or: [{ rating: { ge: $minRating } }, { genre: { eq: $genre } }] }
) {
# graphql: list the fields from the results to return
title
}
}
Złożone zapytania
Zapytania Data Connect mogą uzyskiwać dostęp do danych na podstawie relacji między tabelami. Możesz używać relacji obiektów (jeden do jednego) lub tablic (jeden do wielu) zdefiniowanych w schemacie, aby tworzyć zagnieżdżone zapytania, czyli pobierać dane jednego typu wraz z danymi z zagnieżdżonego lub powiązanego typu.
Takie zapytania używają w generowanych zapytaniach niejawnych składni magicznej Data Connect, _on_ i _via.
Będziesz wprowadzać zmiany w schemacie na podstawie naszej wersji początkowej.
Wiele do jednego
Dodajmy do aplikacji opinie za pomocą Review tabeli i zmian w User.
# Users
# Suppose a user can leave reviews for movies
# user:reviews is a one to many relationship,
# movie:reviews is a one to many relationship,
# movie:user is a many to many relationship
type User
@table(name: "Users", singular: "user", plural: "users", key: ["id"]) {
id: UUID! @col(name: "user_id") @default(expr: "uuidV4()")
auth: String @col(name: "user_auth") @default(expr: "auth.uid")
username: String! @col(name: "username", dataType: "varchar(30)")
# The following are generated from the @ref in the Review table
# reviews_on_user
# movies_via_Review
}
# Reviews
type Review @table(name: "Reviews", key: ["movie", "user"]) {
id: UUID! @col(name: "review_id") @default(expr: "uuidV4()")
user: User! @ref
movie: Movie! @ref
rating: Int
reviewText: String
reviewDate: Date! @default(expr: "request.time")
}
Zapytanie typu „wiele do jednego”
Przyjrzyjmy się teraz zapytaniu z aliasami, aby zilustrować składnię _via_.
query UserMoviePreferences($username: String!) @auth(level: USER) {
users(where: { username: { eq: $username } }) {
likedMovies: movies_via_review(where: { rating: { ge: 4 } }) {
title
genre
description
}
dislikedMovies: movies_via_review(where: { rating: { le: 2 } }) {
title
genre
description
}
}
}
Jeden do jednego
Widać wzór. Poniżej schemat został zmodyfikowany w celu ilustracyjnym.
# Movies
type Movie
@table(name: "Movies", singular: "movie", plural: "movies", key: ["id"]) {
id: UUID! @col(name: "movie_id") @default(expr: "uuidV4()")
title: String!
releaseYear: Int @col(name: "release_year")
genre: String
rating: Int @col(name: "rating")
description: String @col(name: "description")
tags: [String] @col(name: "tags")
}
# Movie Metadata
# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata
@table(
name: "MovieMetadata"
) {
# @ref creates a field in the current table (MovieMetadata) that holds the primary key of the referenced type
# In this case, @ref(fields: "id") is implied
movie: Movie! @ref
# movieId: UUID <- this is created by the above @ref
director: String @col(name: "director")
}
extend type MovieMetadata {
movieId: UUID! # matches primary key of referenced type
...
}
extend type Movie {
movieMetadata: MovieMetadata # can only be non-nullable on ref side
# conflict-free name, always generated
movieMetadatas_on_movie: MovieMetadata
}
Zapytanie o relację 1:1
Zapytania możesz wysyłać przy użyciu składni _on_.
# One to one
query GetMovieMetadata($id: UUID!) @auth(level: PUBLIC) {
movie(id: $id) {
movieMetadatas_on_movie {
director
}
}
}
Wiele do wielu
Filmy potrzebują aktorów, a aktorzy potrzebują filmów. Łączy je relacja „wiele do wielu”, którą możesz modelować za pomocą MovieActorstabeli złączeń.
# MovieActors Join Table Definition
type MovieActors @table(
key: ["movie", "actor"] # join key triggers many-to-many generation
) {
movie: Movie!
actor: Actor!
}
# generated extensions for the MovieActors join table
extend type MovieActors {
movieId: UUID!
actorId: UUID!
}
# Extensions for Actor and Movie to handle many-to-many relationships
extend type Movie {
movieActors: [MovieActors!]! # standard many-to-one relation to join table
actors: [Actor!]! # many-to-many via join table
movieActors_on_actor: [MovieActors!]!
# since MovieActors joins distinct types, type name alone is sufficiently precise
actors_via_MovieActors: [Actor!]!
}
extend type Actor {
movieActors: [MovieActors!]! # standard many-to-one relation to join table
movies: [Movie!]! # many-to-many via join table
movieActors_on_movie: [MovieActors!]!
movies_via_MovieActors: [Movie!]!
}
Zapytanie dotyczące relacji wiele do wielu
Przyjrzyjmy się zapytaniu z aliasami, aby zilustrować składnię _via_.
query GetMovieCast($movieId: UUID!, $actorId: UUID!) @auth(level: PUBLIC) {
movie(id: $movieId) {
mainActors: actors_via_MovieActor(where: { role: { eq: "main" } }) {
name
}
supportingActors: actors_via_MovieActor(
where: { role: { eq: "supporting" } }
) {
name
}
}
actor(id: $actorId) {
mainRoles: movies_via_MovieActor(where: { role: { eq: "main" } }) {
title
}
supportingRoles: movies_via_MovieActor(
where: { role: { eq: "supporting" } }
) {
title
}
}
}
Mutacje w bazie danych recenzji filmów
Jak wspomnieliśmy, gdy zdefiniujesz tabelę w schemacie, Data Connectwygeneruje podstawowe niejawne mutacje dla każdej tabeli.
type Movie @table { ... }
extend type Mutation {
# Insert a row into the movie table.
movie_insert(...): Movie_Key!
# Upsert a row into movie."
movie_upsert(...): Movie_Key!
# Update a row in Movie. Returns null if a row with the specified id/key does not exist
movie_update(...): Movie_Key
# Update rows based on a filter in Movie.
movie_updateMany(...): Int!
# Delete a single row in Movie. Returns null if a row with the specified id/key does not exist
movie_delete(...): Movie_Key
# Delete rows based on a filter in Movie.
movie_deleteMany(...): Int!
}
Dzięki nim możesz wdrażać coraz bardziej złożone podstawowe przypadki CRUD. Powiedz to 5 razy szybko!
Utwórz
Zacznijmy od podstawowych działań.
# Create a movie based on user input
mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Int!) {
movie_insert(data: {
title: $title
releaseYear: $releaseYear
genre: $genre
rating: $rating
})
}
# Create a movie with default values
mutation CreateMovie2 {
movie_insert(data: {
title: "Sherlock Holmes"
releaseYear: 2009
genre: "Mystery"
rating: 5
})
}
lub upsert.
# Movie upsert using combination of variables and literals
mutation UpsertMovie($title: String!) {
movie_upsert(data: {
title: $title
releaseYear: 2009
genre: "Mystery"
rating: 5
genre: "Mystery/Thriller"
})
}
Przeprowadzanie aktualizacji
Oto aktualności. Producenci i reżyserzy z pewnością mają nadzieję, że te średnie oceny są zgodne z trendami.
mutation UpdateMovie(
$id: UUID!,
$genre: String!,
$rating: Int!,
$description: String!
) {
movie_update(id: $id, data: {
genre: $genre
rating: $rating
description: $description
})
}
# Multiple updates (increase all ratings of a genre)
mutation IncreaseRatingForGenre($genre: String!, $ratingIncrement: Int!) {
movie_updateMany(
where: { genre: { eq: $genre } },
update: { rating: { inc: $ratingIncrement } }
)
}
Usuwanie
Możesz oczywiście usunąć dane filmu. Osoby zajmujące się konserwacją filmów z pewnością będą chciały, aby fizyczne kopie filmów były przechowywane jak najdłużej.
# Delete by key
mutation DeleteMovie($id: UUID!) {
movie_delete(id: $id)
}
Możesz tu użyć _deleteMany.
# Multiple deletes
mutation DeleteUnpopularMovies($minRating: Int!) {
movie_deleteMany(where: { rating: { le: $minRating } })
}
Zapisywanie mutacji w relacjach
Zobacz, jak używać niejawnej mutacji _upsert w relacji.
# Create or update a one to one relation
mutation MovieMetadataUpsert($movieId: UUID!, $director: String!) {
movieMetadata_upsert(
data: { movie: { id: $movieId }, director: $director }
)
}
Odpowiednik w schemacie SQL
-- Movies Table
CREATE TABLE Movies (
movie_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
title VARCHAR(255) NOT NULL,
release_year INT,
genre VARCHAR(30),
rating INT,
description TEXT,
tags TEXT[]
);
-- Movie Metadata Table
CREATE TABLE MovieMetadata (
movie_id UUID REFERENCES Movies(movie_id) UNIQUE,
director VARCHAR(255) NOT NULL,
PRIMARY KEY (movie_id)
);
-- Actors Table
CREATE TABLE Actors (
actor_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
name VARCHAR(30) NOT NULL
);
-- MovieActor Join Table for Many-to-Many Relationship
CREATE TABLE MovieActor (
movie_id UUID REFERENCES Movies(movie_id),
actor_id UUID REFERENCES Actors(actor_id),
role VARCHAR(50) NOT NULL, # "main" or "supporting"
PRIMARY KEY (movie_id, actor_id),
FOREIGN KEY (movie_id) REFERENCES Movies(movie_id),
FOREIGN KEY (actor_id) REFERENCES Actors(actor_id)
);
-- Users Table
CREATE TABLE Users (
user_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
user_auth VARCHAR(255) NOT NULL
username VARCHAR(30) NOT NULL
);
-- Reviews Table
CREATE TABLE Reviews (
review_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
user_id UUID REFERENCES Users(user_id),
movie_id UUID REFERENCES Movies(movie_id),
rating INT,
review_text TEXT,
review_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
UNIQUE (movie_id, user_id)
FOREIGN KEY (user_id) REFERENCES Users(user_id),
FOREIGN KEY (movie_id) REFERENCES Movies(movie_id)
);
-- Self Join Example for Movie Sequel Relationship
ALTER TABLE Movies
ADD COLUMN sequel_to UUID REFERENCES Movies(movie_id);
Co dalej?
- Dowiedz się, jak wywoływać zapytania i mutacje z automatycznie wygenerowanego pakietu SDK na potrzeby internetu, Android SDK, pakietu SDK na iOS i pakietu SDK na Fluttera.