Questa guida illustra alcuni dei concetti chiave dell'architettura dei dati e le best practice per strutturare i dati JSON nel tuo Firebase Realtime Database.
La creazione di un database strutturato correttamente richiede un'attenta pianificazione. Ancora più importante, devi pianificare il modo in cui i dati verranno salvati e successivamente recuperati per semplificare il più possibile questo processo.
Come sono strutturati i dati: è un albero JSON
Tutti i dati di Firebase Realtime Database vengono archiviati come oggetti JSON. Puoi pensare al database come a un albero JSON ospitato nel cloud. A differenza di un database SQL, non esistono tabelle o record. Quando aggiungi dati all'albero JSON, questi diventano un nodo nella struttura JSON esistente con una chiave associata. Puoi fornire le tue chiavi, ad esempio ID utente o nomi semantici, oppure possono essere fornite utilizzando
push().
Ad esempio, considera un'applicazione di chat che consente agli utenti di memorizzare un profilo di base e un elenco contatti. Un profilo utente tipico si trova in un percorso, ad esempio
/users/$uid. L'utente alovelace potrebbe avere una voce di database simile alla seguente:
{ "users": { "alovelace": { "name": "Ada Lovelace", "contacts": { "ghopper": true }, }, "ghopper": { "..." }, "eclarke": { "..." } } }
Sebbene il database utilizzi un albero JSON, i dati archiviati nel database possono essere rappresentati come determinati tipi nativi che corrispondono ai tipi JSON disponibili per aiutarti a scrivere codice più gestibile.
Best practice per la struttura dei dati
Evita di nidificare i dati
Poiché Firebase Realtime Database consente di nidificare i dati fino a 32 livelli di profondità, potresti pensare che questa debba essere la struttura predefinita. Tuttavia, quando recuperi i dati in una posizione del database, recuperi anche tutti i relativi nodi secondari. Inoltre, quando concedi a un utente l'accesso in lettura o scrittura a un nodo del database, gli concedi anche l'accesso a tutti i dati di quel nodo. Pertanto, in pratica, è meglio mantenere la struttura dei dati il più piatta possibile.
Per un esempio del motivo per cui i dati nidificati non sono adatti, considera la seguente struttura con nidificazione multipla:
{ // 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": { "..." } } }
Con questo design nidificato, l'iterazione dei dati diventa problematica. Ad esempio, per elencare i titoli delle conversazioni in chat è necessario scaricare l'intero albero chats sul client, inclusi tutti i membri e i messaggi.
Semplifica le strutture di dati
Se invece i dati vengono suddivisi in percorsi separati, un processo chiamato anche denormalizzazione, possono essere scaricati in modo efficiente in chiamate separate, in base alle esigenze. Considera questa struttura semplificata:
{ // 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": { "..." } } }
Ora è possibile eseguire l'iterazione dell'elenco di stanze scaricando solo pochi byte per conversazione, recuperando rapidamente i metadati per elencare o visualizzare le stanze in un'interfaccia utente. I messaggi possono essere recuperati separatamente e visualizzati man mano che arrivano, consentendo alla UI di rimanere reattiva e veloce.
Crea dati scalabili
Quando crei app, spesso è meglio scaricare un sottoinsieme di un elenco. Questo è particolarmente comune se l'elenco contiene migliaia di record. Quando questa relazione è statica e unidirezionale, puoi semplicemente nidificare gli oggetti secondari sotto l'oggetto principale.
A volte questa relazione è più dinamica o potrebbe essere necessario denormalizzare questi dati. Spesso puoi denormalizzare i dati utilizzando una query per recuperare un sottoinsieme di dati, come descritto in Recupera dati.
Tuttavia, anche questo potrebbe non essere sufficiente. Considera, ad esempio, una relazione bidirezionale tra utenti e gruppi. Gli utenti possono far parte di un gruppo e i gruppi sono costituiti da un elenco di utenti. Quando si tratta di decidere a quali gruppi appartiene un utente, le cose si complicano.
Ciò che serve è un modo elegante per elencare i gruppi a cui appartiene un utente e recuperare solo i dati relativi a questi gruppi. Un indice dei gruppi può essere di grande aiuto in questo caso:
// 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 } }, // ... } }
Potresti notare che alcuni dati vengono duplicati memorizzando la relazione sia nel record di Ada sia nel gruppo. Ora alovelace è indicizzato in un gruppo e techpioneers è elencato nel profilo di Ada. Quindi, per eliminare Ada dal gruppo, è necessario aggiornare due posizioni.
Si tratta di una ridondanza necessaria per le relazioni bidirezionali. Ti consente di recuperare in modo rapido ed efficiente le iscrizioni di Ada, anche quando l'elenco di utenti o gruppi raggiunge i milioni o quando le regole di sicurezza di Realtime Database impediscono l'accesso ad alcuni record.
Questo approccio, che inverte i dati elencando gli ID come chiavi e impostando il valore su true, semplifica il controllo di una chiave, che si riduce alla lettura di /users/$uid/groups/$group_id e alla verifica che sia null. L'indice è più veloce e molto più efficiente rispetto all'esecuzione di query o alla scansione dei dati.