Questa guida copre alcuni dei concetti chiave dell'architettura dei dati e le best practice per strutturare i dati JSON nel tuo Firebase Realtime Database.
Costruire un database adeguatamente strutturato richiede un po' di lungimiranza. Ancora più importante, è necessario pianificare il modo in cui i dati verranno salvati e successivamente recuperati per rendere il processo il più semplice possibile.
Come sono strutturati i dati: è un albero JSON
Tutti i dati del Firebase Realtime Database vengono archiviati come oggetti JSON. Puoi pensare al database come a un albero JSON ospitato sul cloud. A differenza di un database SQL, non sono presenti tabelle o record. Quando aggiungi dati all'albero JSON, diventa un nodo nella struttura JSON esistente con una chiave associata. Puoi fornire le tue chiavi, come ID utente o nomi semantici, oppure possono essere fornite utilizzando la richiesta POST
.
Se crei le tue chiavi, devono essere codificate UTF-8, possono avere una lunghezza massima di 768 byte e non possono contenere file .
, $
, #
, [
, ]
, /
o caratteri di controllo ASCII 0-31 o 127. Non è possibile utilizzare caratteri di controllo ASCII nemmeno nei valori stessi.
Ad esempio, considera un'applicazione di chat che consente agli utenti di memorizzare un profilo di base e un elenco di contatti. Un tipico profilo utente si trova in un percorso, ad esempio /users/$uid
. L'utente alovelace
potrebbe avere una voce nel database simile a questa:
{ "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.
Migliori pratiche per la struttura dei dati
Evitare di annidare i dati
Poiché Firebase Realtime Database consente di annidare dati fino a 32 livelli di profondità, potresti essere tentato di pensare che questa dovrebbe essere la struttura predefinita. Tuttavia, quando recuperi i dati in una posizione nel tuo database, recuperi anche tutti i relativi nodi figlio. Inoltre, quando concedi a qualcuno l'accesso in lettura o scrittura su un nodo del tuo database, gli concedi anche l'accesso a tutti i dati sotto quel nodo. Pertanto, in pratica, è meglio mantenere la struttura dei dati quanto più piatta possibile.
Per un esempio del motivo per cui i dati nidificati non sono validi, considera la seguente struttura nidificata 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 questa progettazione nidificata, l'iterazione dei dati diventa problematica. Ad esempio, per elencare i titoli delle conversazioni in chat è necessario scaricare sul client l'intero albero chats
, inclusi tutti i membri e i messaggi.
Appiattire le strutture dati
Se invece i dati vengono suddivisi in percorsi separati, detta anche denormalizzazione, possono essere scaricati in modo efficiente in chiamate separate, a seconda delle necessità. Considera questa struttura appiattita:
{ // 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 scorrere l'elenco delle 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 non appena arrivano, consentendo all'interfaccia utente di rimanere reattiva e veloce.
Crea dati scalabili
Quando si creano app, spesso è meglio scaricare un sottoinsieme di un elenco. Ciò è particolarmente comune se l'elenco contiene migliaia di record. Quando questa relazione è statica e unidirezionale, puoi semplicemente nidificare gli oggetti figlio sotto il genitore.
A volte, questa relazione è più dinamica o potrebbe essere necessario denormalizzare questi dati. Molte volte è possibile denormalizzare i dati utilizzando una query per recuperare un sottoinsieme di dati, come discusso in Recuperare dati .
Ma anche questo potrebbe essere insufficiente. Consideriamo, ad esempio, una relazione bidirezionale tra utenti e gruppi. Gli utenti possono appartenere a un gruppo e i gruppi comprendono un elenco di utenti. Quando arriva il momento 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 per tali gruppi. Un indice dei gruppi può aiutare molto qui:
// 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 questo duplica alcuni dati memorizzando la relazione sia nel record di Ada che 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 aggiornarlo in due posti.
Questa è 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 ammonta a milioni o quando le regole di sicurezza di Realtime Database impediscono l'accesso ad alcuni record.
Questo approccio, invertendo i dati elencando gli ID come chiavi e impostando il valore su true, rende il controllo di una chiave semplice come leggere /users/$uid/groups/$group_id
e verificare se è null
. L'indice è più veloce e molto più efficiente rispetto all'esecuzione di query o alla scansione dei dati.