Questa guida illustra alcuni dei concetti chiave dell'architettura dei dati e le best practice per strutturare i dati JSON in Firebase Realtime Database.
La creazione di un database strutturato correttamente richiede una pianificazione piuttosto accurata. Ancora più importante, devi pianificare la modalità di salvataggio e recupero dei dati per semplificare il più possibile la procedura.
Come sono strutturati i dati: si tratta di 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 sul cloud. A differenza di un database SQL, non ci sono
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,
come ID utente o nomi semantici, oppure possono essere fornite per te utilizzando
il metodo push().
Se crei le tue chiavi, queste devono essere codificate in UTF-8, possono avere una dimensione massima di 768 byte e non possono contenere ., $, #, [, ], / o caratteri di controllo ASCII 0-31 o 127. Non puoi utilizzare caratteri di controllo ASCII neanche nei valori stessi.
Ad esempio, considera un'applicazione di chat che consente agli utenti di memorizzare un profilo e un elenco di contatti di base. Un profilo utente tipico si trova in un percorso, ad esempio
/users/$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 una struttura JSON, i dati archiviati 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
Evitare i dati nidificati
Poiché Firebase Realtime Database consente di nidificare i dati fino a 32 livelli di profondità, potresti pensare che questa dovrebbe 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 qualcuno l'accesso in lettura o scrittura a un nodo del tuo database, gli concedi anche l'accesso a tutti i dati presenti in 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 validi, considera la seguente struttura con più livelli di nidificazione:
{ // 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 struttura nidificata, l'iterazione dei dati diventa problematica. Ad esempio,
l'elenco dei titoli delle conversazioni di chat richiede il download dell'intero albero chats
sul client, inclusi tutti i membri e i messaggi.
Appiattire le strutture di dati
Se invece i dati vengono suddivisi in percorsi separati, operazione chiamata anche denormalizzazione, possono essere scaricati in modo efficiente in chiamate separate, in base alle necessità. Prendi in considerazione questa struttura piatta:
{ // 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 virtuali scaricando solo pochi byte per conversazione, recuperando rapidamente i metadati per elencare o visualizzare le stanze virtuali in un'interfaccia utente. I messaggi possono essere recuperati separatamente e visualizzati man mano che arrivano, consentendo all'interfaccia utente di rimanere reattiva e veloce.
Crea dati scalabili
Quando crei 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 secondari sotto l'oggetto principale.
A volte, questa relazione è più dinamica o potrebbe essere necessario denormalizzare questi dati. Molte volte puoi denormalizzare i dati utilizzando una query per recuperare un sottoinsieme dei dati, come descritto in Recuperare i dati.
Ma anche questo potrebbe non essere sufficiente. Prendi in considerazione, ad esempio, una relazione bidirezionale tra utenti e gruppi. Gli utenti possono far parte di 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 di questi gruppi. Un indice dei gruppi può essere molto utile 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. Pertanto, per eliminare Ada
dal gruppo, deve essere aggiornata in due posizioni.
Si tratta di una ridondanza necessaria per le relazioni bidirezionali. Ti consente di recuperare in modo rapido ed efficiente le appartenenze di Ada, anche quando l'elenco di utenti o gruppi raggiunge milioni di elementi 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, 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.