Strategier for denormalisering og dataduplisering
Modeller data i Realtime Database for raske lesinger ved å duplisere data bevisst, velge denormaliserte strukturer fremfor joins og holde kopiene konsistente ved skriving.
Strategier for denormalisering og dataduplisering er en gratis leksjon i Apper med Firebase Auth og Realtime Database på CoddyKit. Dette er leksjon 4 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Apper med Firebase Auth og Realtime Database, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Apper med Firebase Auth og Realtime Database inneholder totalt 4 leksjoner.
NoSQL-tenkemåte
Realtime Database har ingen joins. I stedet for å normalisere data som i et relasjonelt skjema former du dataene etter hvordan du leser dem. Dette betyr ofte at den samme verdien lagres flere steder.
Denne bevisste redundansen kalles denormalisering.
Kostnaden ved joins
I en normalisert modell må du lese innlegget og deretter lese brukernoden separat for hvert innlegg for å vise et innlegg med forfatterens navn. Det gir mange rundturer og trege lister.
Duplisere for lesing
Kopier i stedet de små delene du viser sammen med innlegget. Da kan én lesing vise hele elementet i feeden.
{
"posts": {
"p1": {
"text": "Hello",
"authorId": "u9",
"authorName": "Alice",
"authorAvatar": "a9.png"
}
}
}Hva bør du duplisere
Dupliser bare feltene du faktisk viser i lister, ikke komplette poster.
- Navn, avatarer og titler: gode kandidater
- Store eller sensitive felt: behold dem på ett sted
- Data som endres sjelden: tryggest å kopiere
Avveiningen ved konsistens
Kostnaden ved duplisering er å holde kopiene synkronisert. Hvis Alice endrer navnet sitt, må alle kopier av authorName oppdateres. Du bytter kompleksitet ved skriving mot raskere lesing.
Flersporsoppdateringer holder kopiene synkronisert
Oppdater alle kopiene atomisk med én flersporsskriving, slik at ingen kopi blir foreldet.
import { getDatabase, ref, update } from 'firebase/database';
const updates = {};
updates['/users/u9/name'] = 'Alice B.';
updates['/posts/p1/authorName'] = 'Alice B.';
await update(ref(getDatabase()), updates);Indekstabeller
Et annet denormaliseringsmønster er indeksnoden: en oppslagstabell som lar deg finne relaterte elementer uten å skanne. Her knytter vi en bruker til ID-ene for innleggene deres.
{
"userPosts": {
"u9": { "p1": true, "p7": true }
}
}Unngå dyp nøsting
Når du leser en node, lastes alt under den ned. Hold treet grunt, slik at en lesing ikke henter inn urelaterte undernoder. Del store nøstede strukturer opp i søskennoder på øverste nivå.
Når du IKKE bør denormalisere
Denormalisering er ikke alltid riktig. Unngå det når:
- Det dupliserte feltet endres svært ofte
- Det finnes mange kopier som må holdes konsistente
- Dataene er store eller sjelden leses sammen
I slike tilfeller lagrer du dataene én gang og leser dem separat.
Validere dupliserte data
Bruk Security Rules .validate for å holde dupliserte felt pålitelige, for eksempel ved å sikre at en authorName-kopi alltid er en streng som ikke er tom.
{
"posts": {
"$id": {
"authorName": { ".validate": "newData.isString() && newData.val().length > 0" }
}
}
}Utforme data for spørringene dine
Hovedregelen er: strukturer data etter de vanligste lesingene dine. Skriv spørringene appen trenger først, og utform deretter dataene (og dupliser dem) slik at hver spørring blir én grunn lesing.
Hurtigsjekk
Test forståelsen din av denormalisering.
Oppsummering
Du kan nå modellere NoSQL-data for høy hastighet.
- Denormaliser ved å duplisere felt som vises
- Hold kopiene synkronisert med flersporsoppdateringer
- Bruk indeksnoder for relasjoner
- Hold treet grunt for å unngå å hente for mye data
- Strukturer data etter de vanligste spørringene dine
Lær deg Apper med Firebase Auth og Realtime Database med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 11
- Leksjoner
- 44
Ofte stilte spørsmål
Er leksjonen «Strategier for denormalisering og dataduplisering» gratis?
Ja – du kan lese valgfritt 3 av leksjonene i læringsstien Apper med Firebase Auth og Realtime Database, inkludert «Strategier for denormalisering og dataduplisering», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i Apper med Firebase Auth og Realtime Database inneholder totalt 4 leksjoner.
Hva lærer jeg i «Strategier for denormalisering og dataduplisering»?
Modeller data i Realtime Database for raske lesinger ved å duplisere data bevisst, velge denormaliserte strukturer fremfor joins og holde kopiene konsistente ved skriving. Du øver på Apper med Firebase Auth og Realtime Database med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Apper med Firebase Auth og Realtime Database?
Ingen tidligere erfaring er nødvendig. Apper med Firebase Auth og Realtime Database på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 4 av 4.
Hvor lang tid tar leksjonen «Strategier for denormalisering og dataduplisering»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Apper med Firebase Auth og Realtime Database-leksjonen?
Ja. Alle Apper med Firebase Auth og Realtime Database-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Fan-out-oppdateringer av data
- Transaksjonelle dataoperasjoner
- Atomiske tellere og køer
- Strategier for denormalisering og dataduplisering