באמצעות Firebase Data Connect אפשר ליצור מחברים למכונות PostgreSQL שמנוהלות באמצעות Google Cloud SQL. המחברים האלה הם שילובים של סכימה, שאילתות ומוטציות לשימוש בנתונים.
במדריך לתחילת העבודה מוצגת סכימה של ביקורת סרטים ב-PostgreSQL, ובמדריך הזה מוסבר איך לעצב סכימות של Data Connect ל-PostgreSQL.
במדריך הזה מוצגות שאילתות ומוטציות של Data Connect עם דוגמאות לסכימות. למה מדברים על שאילתות (ועל מוטציות) במדריך בנושא סכימות של Data Connect? בדומה לפלטפורמות אחרות שמבוססות על GraphQL, Firebase Data Connect היא פלטפורמת פיתוח שמבוססת על שאילתות. לכן, כמפתחים, בתהליך בניית מודל הנתונים עליכם להביא בחשבון את הנתונים שהלקוחות שלכם זקוקים להם, כי הם ישפיעו מאוד על סכימה של הנתונים שתפתחו לפרויקט.
המדריך הזה מתחיל בסכימה חדשה לביקורות על סרטים, ואז עוסק בשאילתות ובמוטציות שמקורן בסכימה הזו. בסוף המדריך מופיעה רשימת SQL ששווה ערך לסכימה המרכזית Data Connect.
הסכימה של אפליקציה לביקורות על סרטים
נניח שאתם רוצים ליצור שירות שמאפשר למשתמשים לשלוח ביקורות על סרטים ולצפות בהן.
כדי ליצור אפליקציה כזו, צריך הסכימה ראשונית. בהמשך תוכלו להרחיב את הסכימה הזו כדי ליצור שאילתות יחסיות מורכבות.
טבלת סרטים
הסכימה של Movies מכילה הנחיות ליבה כמו:
@table
, שמאפשרת לנו להגדיר שמות של פעולות באמצעות הארגומנטיםsingular
ו-plural
@col
כדי להגדיר שמות של עמודות באופן מפורש@default
כדי לאפשר הגדרת ברירות מחדל.
# 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")
}
ערכי שרת ומשתני מפתח סקלריים
לפני שנבחן את האפליקציה לביקורות על סרטים, נציג את Data Connectערכי השרת ואת מאפייני המפתחות (scalars).
באמצעות ערכי שרת אפשר לאפשר לשרת לאכלס באופן דינמי את השדות בטבלאות באמצעות ערכים מאוחסנים או מחושבים מראש, בהתאם לביטויים מסוימים בצד השרת. לדוגמה, אפשר להגדיר שדה עם חותמת זמן שתחול כשמתבצעת גישה לשדה באמצעות הביטוי updatedAt: Timestamp! @default(expr: "request.time")
.
מפתחות סקלריים הם מזהי אובייקטים תמציתיים שמערכת Data Connect אוספת באופן אוטומטי משדות מפתח בסכימות. המטרה של מאפייני מפתח סקלריים היא יעילות, והם מאפשרים למצוא בקריאה אחת מידע על הזהות והמבנה של הנתונים. הם שימושיים במיוחד כשרוצים לבצע פעולות רצופות ברשומות חדשות וצריכים מזהה ייחודי להעברה לפעולות עתידיות, וגם כשרוצים לגשת למפתחות יחסיים כדי לבצע פעולות מורכבות יותר.
טבלת המטא-נתונים של הסרט
עכשיו נעקוב אחרי יוצרי סרטים, ונגדיר קשר אחד לאחד עם Movie
.
מוסיפים את ההוראה @ref
כדי להגדיר קשרי גומלין.
# 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")
}
שחקן ו-MovieActor
בשלב הבא, אתם רוצים ששחקנים יופיעו בסרטים שלכם, וכיוון שיש לכם יחס 'רבים לרבים' בין סרטים לשחקנים, צריך ליצור טבלת צירוף.
# 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
}
משתמש
לבסוף, משתמשים באפליקציה.
# 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
}
סוגי הנתונים הנתמכים
Data Connect תומך בסוגי הנתונים הסקלריים הבאים, עם הקצאות לסוגים של PostgreSQL באמצעות @col(dataType:)
.
סוג Data Connect | סוג של GraphQL מובנה או סוג מותאם אישית Data Connect |
סוג ברירת המחדל של PostgreSQL | סוגי PostgreSQL נתמכים (כינוי בסוגריים) |
---|---|---|---|
String | GraphQL | טקסט | text bit(n), varbit(n) char(n), varchar(n) |
Int | GraphQL | int | Int2 (smallint, smallserial), int4 (integer, int, טורי) |
Float | GraphQL | float8 | float4 (מספר ממשי) float8 (דיוק כפול) numeric (עשרוני) |
בוליאני | GraphQL | בוליאני | בוליאני |
מזהה ייחודי אוניברסלי (UUID) | בהתאמה אישית | uuid | Uuid |
Int64 | בהתאמה אישית | bigint | int8 (bigint, bigserial) numeric (decimal) |
תאריך | בהתאמה אישית | date | תאריך |
חותמת זמן | בהתאמה אישית | timestamptz | timestamptz הערה: פרטי אזור הזמן המקומי לא נשמרים. |
Vector | בהתאמה אישית | vector | וקטור |
List
ב-GraphQL ממופה למערך חד-מימדי.- לדוגמה,
[Int]
ממופה ל-int5[]
, ו-[Any]
ממופה ל-jsonb[]
. - אין תמיכה במערכים בתצוגת עץ ב-Data Connect.
- לדוגמה,
שאילתות ומוטציות מרומזות ומוגדרות מראש
השאילתות והמוטציות של Data Connect יובילו לקבוצה של שאילתות משתמעות ומוטציות מרומזות שנוצרות על ידי Data Connect, על סמך הסוגים והסוגים של קשרי הגומלין בסכימה. שינויים ושיאילתות משתמעים נוצרים על ידי הכלים המקומיים בכל פעם שעורכים את הסכימה.
בתהליך הפיתוח, תטמיעו שאילתות מוגדרות מראש ומוטציות מוגדרות מראש על סמך הפעולות המשתמעות האלה.
מתן שמות מרומזים לשאילתות ולמוטציות
Data Connect מסיק שמות מתאימים לשאילתות ולמוטציות מרומזות מהצהרות הסוג של הסכימה. לדוגמה, בעבודה עם מקור ב-PostgreSQL, אם מגדירים טבלה בשם Movie
, השרת ייצור אובייקט משתמע:
- שאילתות לתרחישי שימוש עם טבלה אחת עם השמות הידידותיים
movie
(יחיד, לאחזור תוצאות בודדות עם העברת ארגומנטים כמוeq
) ו-movies
(רבים, לאחזור רשימות תוצאות עם העברת ארגומנטים כמוgt
ופעולות כמוorderby
). Data Connect יוצר גם שאילתות לפעולות יחסיות עם כמה טבלאות עם שמות מפורשים כמוactors_on_movies
אוactors_via_actormovie
. - שינויים בשם
movie_insert
,movie_upsert
...
שפת הגדרת הסכימה מאפשרת גם להגדיר שמות של פעולות באופן מפורש באמצעות ארגומנטים של ההנחיות singular
ו-plural
.
שאילתות למסד הנתונים של ביקורות על סרטים
מגדירים שאילתה מסוג Data Connect באמצעות הצהרה על סוג פעולת השאילתה, שם הפעולה, אפס או יותר ארגומנטים של פעולה ואפס או יותר הנחיות עם ארגומנטים.
במדריך למתחילים, השאילתה listEmails
לדוגמה לא כללה פרמטרים. כמובן שבמקרים רבים, הנתונים שמועברים לשדות השאילתה יהיו דינמיים. אפשר להשתמש בתחביר $variableName
כדי לעבוד עם משתנים כאחד מהרכיבים של הגדרת השאילתה.
השאילתה הבאה כוללת:
- הגדרת סוג
query
- שם פעולת
ListMoviesByGenre
(שאילתה) - ארגומנט פעולה של משתנה יחיד
$genre
- הוראה יחידה,
@auth
.
query ListMoviesByGenre($genre: String!) @auth(level: USER)
לכל ארגומנט של שאילתה נדרשת הצהרת סוג, סוג מובנה כמו String
או סוג מותאם אישית שמוגדר בסכימה כמו Movie
.
נבחן את החתימה של שאילתות מורכבות יותר ויותר. בסיום, נציג ביטויים קצרים ויעילים של קשרים שזמינים בשאילתות משתמעות, שאפשר להשתמש בהם בשאילתות שהוגדרו מראש.
מפתחות סקלר בשאילתות
אבל קודם, הערה לגבי סקלר של מפתחות.
Data Connect מגדיר סוג מיוחד למשתני מפתח סקלריים, שמזוהים באמצעות _Key
. לדוגמה, הסוג של מפתח סקלרי בטבלה Movie
הוא Movie_Key
.
אפשר לאחזר סקלר של מפתח בתור תגובה שמוחזרת על ידי רוב המוטציות המשתמעות, או כמובן משאילתות שבהן אחזרתם את כל השדות הנדרשים ליצירת המפתח הסקלרי.
שאילתות אוטומטיות של Singular, כמו movie
בדוגמה הפעילה שלנו, תומכות בארגומנט מפתח שמקבל סקלר מפתח.
אתם יכולים להעביר סקלר מפתח כליטרל. עם זאת, אפשר להגדיר משתנים כדי להעביר סקלר של מפתחות כקלט.
query GetMovie($myKey: Movie_Key!) {
movie(key: $myKey) { title }
}
אפשר לספק את הערכים האלה בקובץ JSON בבקשה כמו זה (או בפורמטים אחרים של סריאליזציה):
{
# …
"variables": {
"myKey": {"foo": "some-string-value", "bar": 42}
}
}
בזכות ניתוח סקלרי בהתאמה אישית, אפשר לבנות Movie_Key
גם באמצעות תחביר האובייקט, שעשוי להכיל משתנים. האפשרות הזו שימושית בעיקר כשרוצים לפצל רכיבים נפרדים למשתנים שונים מסיבה כלשהי.
שימוש בכינויים בשאילתות
Data Connect תומך בשמות חלופיים של GraphQL בשאילתות. כשמשתמשים בכינויים, אפשר לשנות את השמות של הנתונים שמוחזרים בתוצאות השאילתה. אפשר להשתמש בשאילתה יחידה מסוג Data Connect כדי להחיל כמה מסננים או פעולות אחרות של שאילתות בבקשה אחת יעילה לשרת, ובכך להנפיק כמה 'שאילתות משנה' בבת אחת. כדי למנוע התנגשויות בין שמות בקבוצת הנתונים שמוחזרת, צריך להשתמש בכינויים כדי להבדיל בין שאילתות המשנה.
זוהי שאילתה שבה ביטוי משתמש בכינוי mostPopular
.
query ReviewTopPopularity($genre: String) {
mostPopular: review(first: {
where: {genre: {eq: $genre}},
orderBy: {popularity: DESC}
}) { … }
}
שאילתות פשוטות עם מסננים
שאילתות Data Connect ממופות לכל המסננים והפעולות הנפוצות של SQL.
אופרטורים where
ו-orderBy
(שאילתות יחיד, שאילתות רבים)
הפונקציה מחזירה את כל השורות התואמות מהטבלה (ואת השיוך המורכב). מחזירה מערך ריק אם אין רשומות שתואמות למסנן.
query MovieByTopRating($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: $min}}, orderBy: [{releaseYear: ASC}]) { … }
}
אופרטורים limit
ו-offset
(שאילתות יחיד, שאילתות רבים)
אפשר לבצע פירוט לדפים בתוצאות. אפשר להעביר את הארגומנטים האלה, אבל הם לא מופיעים בתוצאות.
query MoviesTop10 {
movies(orderBy: [{ rating: DESC }], limit: 10) {
# graphql: list the fields from the results to return
title
}
}
כולל עבור שדות מערך
אפשר לבדוק אם שדה מערך מכיל פריט מסוים.
# Filter using arrays and embedded fields.
query ListMoviesByTag($tag: String!) {
movies(where: { tags: { includes: $tag }}) {
# graphql: list the fields from the results to return
id
title
}
}
פעולות על מחרוזות וביטויים רגולריים
בשאילתות אפשר להשתמש בפעולות חיפוש והשוואה רגילות של מחרוזות, כולל ביטויים רגולריים. הערה: כדי לשפר את היעילות, כאן משלבים כמה פעולות ומבדילים ביניהן באמצעות כינויים.
query MoviesTitleSearch($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: $regex}}}) {...}
}
or
ו-and
למסננים מורכבים
משתמשים ב-or
וב-and
ללוגיקה מורכבת יותר.
query ListMoviesByGenreAndGenre($minRating: Int!, $genre: String) {
movies(
where: { _or: [{ rating: { ge: $minRating } }, { genre: { eq: $genre } }] }
) {
# graphql: list the fields from the results to return
title
}
}
שאילתות מורכבות
שאילתות Data Connect יכולות לגשת לנתונים על סמך היחסים בין הטבלאות. אפשר להשתמש ביחסים של אובייקטים (אחד לאחד) או של מערכי נתונים (אחד לרבים) שמוגדרים בסכימה כדי ליצור שאילתות בתצוגת עץ, כלומר לאחזר נתונים מסוג אחד יחד עם נתונים מסוג בתצוגת עץ או מסוג קשור.
בשאילתות כאלה נעשה שימוש בתחביר הקסום Data Connect _on_
ו-_via
בשאילתות משתמעות שנוצרות.
תבצעו שינויים בסכימה מהגרסה הראשונית שלנו.
רבים לאחד
נוסיף ביקורות לאפליקציה שלנו, באמצעות טבלה Review
ושינוי ב-User
.
# Users
# Suppose a user can leave reviews for movies
# user:reviews is a one to many relationship,
# movie:reviews is a one to many relationship,
# movie:user is a many to many relationship
type User
@table(name: "Users", singular: "user", plural: "users", key: ["id"]) {
id: UUID! @col(name: "user_id") @default(expr: "uuidV4()")
auth: String @col(name: "user_auth") @default(expr: "auth.uid")
username: String! @col(name: "username", dataType: "varchar(30)")
# The following are generated from the @ref in the Review table
# reviews_on_user
# movies_via_Review
}
# Reviews
type Review @table(name: "Reviews", key: ["movie", "user"]) {
id: UUID! @col(name: "review_id") @default(expr: "uuidV4()")
user: User! @ref
movie: Movie! @ref
rating: Int
reviewText: String
reviewDate: Date! @default(expr: "request.time")
}
שאילתות מסוג 'רבים לאחד'
עכשיו נבחן שאילתה עם כינוי כדי להמחיש את תחביר _via_
.
query UserMoviePreferences($username: String!) @auth(level: USER) {
users(where: { username: { eq: $username } }) {
likedMovies: movies_via_review(where: { rating: { ge: 4 } }) {
title
genre
description
}
dislikedMovies: movies_via_review(where: { rating: { le: 2 } }) {
title
genre
description
}
}
}
אחד על אחד
אפשר לראות את התבנית. בהמשך, הסכימה שונתה לצורך המחשה.
# Movies
type Movie
@table(name: "Movies", singular: "movie", plural: "movies", key: ["id"]) {
id: UUID! @col(name: "movie_id") @default(expr: "uuidV4()")
title: String!
releaseYear: Int @col(name: "release_year")
genre: String
rating: Int @col(name: "rating")
description: String @col(name: "description")
tags: [String] @col(name: "tags")
}
# Movie Metadata
# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata
@table(
name: "MovieMetadata"
) {
# @ref creates a field in the current table (MovieMetadata) that holds the primary key of the referenced type
# In this case, @ref(fields: "id") is implied
movie: Movie! @ref
# movieId: UUID <- this is created by the above @ref
director: String @col(name: "director")
}
extend type MovieMetadata {
movieId: UUID! # matches primary key of referenced type
...
}
extend type Movie {
movieMetadata: MovieMetadata # can only be non-nullable on ref side
# conflict-free name, always generated
movieMetadatas_on_movie: MovieMetadata
}
שאילתות ליחס אחד לאחד
אפשר להשתמש בתחביר _on_
כדי לשלוח שאילתות.
# One to one
query GetMovieMetadata($id: UUID!) @auth(level: PUBLIC) {
movie(id: $id) {
movieMetadatas_on_movie {
director
}
}
}
הרבה לרבים
סרטים זקוקים לשחקנים, ושחקנים זקוקים לסרטים. יש ביניהם יחס 'רבים לרבים' שאפשר ליצור לו מודל באמצעות טבלת הצירוף MovieActors
.
# MovieActors Join Table Definition
type MovieActors @table(
key: ["movie", "actor"] # join key triggers many-to-many generation
) {
movie: Movie!
actor: Actor!
}
# generated extensions for the MovieActors join table
extend type MovieActors {
movieId: UUID!
actorId: UUID!
}
# Extensions for Actor and Movie to handle many-to-many relationships
extend type Movie {
movieActors: [MovieActors!]! # standard many-to-one relation to join table
actors: [Actor!]! # many-to-many via join table
movieActors_on_actor: [MovieActors!]!
# since MovieActors joins distinct types, type name alone is sufficiently precise
actors_via_MovieActors: [Actor!]!
}
extend type Actor {
movieActors: [MovieActors!]! # standard many-to-one relation to join table
movies: [Movie!]! # many-to-many via join table
movieActors_on_movie: [MovieActors!]!
movies_via_MovieActors: [Movie!]!
}
שאילתות ליחס 'רבים לרבים'
נבחן שאילתה עם יצירת אימייל חלופי, כדי להמחיש את התחביר של _via_
.
query GetMovieCast($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: $actorId) {
mainRoles: movies_via_MovieActor(where: { role: { eq: "main" } }) {
title
}
supportingRoles: movies_via_MovieActor(
where: { role: { eq: "supporting" } }
) {
title
}
}
}
מוטציות למסד הנתונים של ביקורות על סרטים
כפי שצוין, כשמגדירים טבלה בסכימה, Data Connect יוצר מוטציות סמויות בסיסיות לכל טבלה.
type Movie @table { ... }
extend type Mutation {
# Insert a row into the movie table.
movie_insert(...): Movie_Key!
# Upsert a row into movie."
movie_upsert(...): Movie_Key!
# Update a row in Movie. Returns null if a row with the specified id/key does not exist
movie_update(...): Movie_Key
# Update rows based on a filter in Movie.
movie_updateMany(...): Int!
# Delete a single row in Movie. Returns null if a row with the specified id/key does not exist
movie_delete(...): Movie_Key
# Delete rows based on a filter in Movie.
movie_deleteMany(...): Int!
}
בעזרתם תוכלו להטמיע תרחישים CRUD מורכבים יותר ויותר. צריך לומר את זה חמש פעמים מהר!
יצירה
נלמד איך יוצרים פריטים בסיסיים.
# Create a movie based on user input
mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Int!) {
movie_insert(data: {
title: $title
releaseYear: $releaseYear
genre: $genre
rating: $rating
})
}
# Create a movie with default values
mutation CreateMovie2 {
movie_insert(data: {
title: "Sherlock Holmes"
releaseYear: 2009
genre: "Mystery"
rating: 5
})
}
או הוספה ועדכון (upsert).
# Movie upsert using combination of variables and literals
mutation UpsertMovie($title: String!) {
movie_upsert(data: {
title: $title
releaseYear: 2009
genre: "Mystery"
rating: 5
genre: "Mystery/Thriller"
})
}
ביצוע עדכונים
הנה העדכונים. המפיקים והבמאים בהחלט מקווים שהדירוגים הממוצעים האלה יהיו בכיוון הנכון.
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: $ratingIncrement } }
)
}
ביצוע מחיקה
כמובן שאפשר למחוק נתוני סרטים. מומחים לשמירת סרטים ירצו בוודאי לשמור על הסרטים הפיזיים למשך זמן רב ככל האפשר.
# Delete by key
mutation DeleteMovie($id: UUID!) {
movie_delete(id: $id)
}
כאן אפשר להשתמש ב-_deleteMany
.
# Multiple deletes
mutation DeleteUnpopularMovies($minRating: Int!) {
movie_deleteMany(where: { rating: { le: $minRating } })
}
כתיבת מוטציות ביחסים
נלמד איך להשתמש במוטציה המרומזת של _upsert
על קשר.
# Create or update a one to one relation
mutation MovieMetadataUpsert($movieId: UUID!, $director: String!) {
movieMetadata_upsert(
data: { movie: { id: $movieId }, director: $director }
)
}
סכימה מקבילת של 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);
מה השלב הבא?
- מידע נוסף על קריאה של השאילתות והמוטציות מ-web SDK, מ-Android SDK, מ-iOS SDK ומ-Flutter SDK שנוצרו באופן אוטומטי.