Моделирование данных NoSQLExplained

28 of 28 rows

Паттерн↕	Что это↕	Когда применять↕
Документы
⤢Embedding	Вложенные поддокументы живут внутри одного родительского документа вместо отдельных таблиц.	Связи один-к-немногим, читаемые вместе. Заказ со своими позициями. Пользователь с тремя адресами.
⤢Referencing	Храните внешний id, а не данные. Разрешайте его вторым чтением или $lookup.	Крупные, разделяемые или независимо обновляемые сущности. Связи многие-ко-многим между коллекциями.
⤢One-to-few	Родитель встраивает короткий массив детей; весь набор умещается и загружается как один документ.	Пара телефонных номеров или настроек в профиле. Одно чтение возвращает родителя и детей.
⤢One-to-many	Дети живут в собственной коллекции; каждый несёт id родителя, либо родитель держит ограниченный массив id.	Наборы, слишком большие или слишком независимые для встраивания. Запрашивайте детей по id родителя.
⤢One-to-squillions	Ребёнок хранит id родителя; родитель никогда не перечисляет детей, потому что набор не ограничен.	События, логи или голоса, привязанные к хосту или пользователю. Фильтруйте детей по id родителя и пагинируйте.
⤢Polymorphic document	Документы разных типов сущностей делят одну коллекцию, различаясь полем типа.	Комментарии или уведомления у многих видов родителей, все запрашиваются одним способом.
⤢Outlier pattern	Несколько экстремальных сущностей выносятся из общей формы, чтобы их размер или трафик не искажал остальные.	Аккаунты знаменитостей, чьи списки подписчиков или счётчики переросли бы обычный документ.
⤢Document versioning	Каждая ревизия — новый документ с тем же id и растущим номером версии; запрос выбирает последнюю.	Аудиторские следы и история правок, где старые ревизии остаются запрашиваемыми.
⤢Computed pattern	Производные значения вычисляются при записи и хранятся рядом с данными, которые суммируют.	Итоги, рейтинги и top-N, которые иначе запускали бы агрегацию при каждом чтении.
Ключ-значение и ширококолоночные
⤢Single-table	Термин проектирования DynamoDB: сворачивает много типов сущностей в одну таблицу через перегруженные ключи партиции и сортировки.	Выбирайте разнородные элементы одним запросом, без join.
⤢Overloaded key	Один атрибут ключа служит многим типам сущностей, помечен префиксами вроде USER# или ORDER#.	Дизайны single-table. Группируйте связанные элементы под одной партицией и забирайте одним запросом.
⤢Partition + sort	Ключ партиции распределяет строки по узлам; ключ сортировки упорядочивает каждую партицию.	Cassandra и DynamoDB. Диапазонные сканы, упорядоченные логи, иерархические составные ключи.
⤢Composite sort key	Сложите несколько атрибутов в один ключ сортировки с разделителем — country#region#city — так, чтобы совпадение по префиксу спускалось по иерархии.	Иерархии и многогранные фильтры. Один упорядоченный диапазонный запрос заменяет много поисков по индексам.
⤢Time bucketing	Группируйте события в фиксированные окна — час, день, месяц — под выделенными партициями или таблицами.	Метрики, логи и IoT-телеметрия. Ограничивает размер партиции и состаривает холодные данные.
⤢Denormalization	Дублируйте часто читаемые поля по записям, чтобы запрос никогда не гонялся за вторым чтением.	Нагрузки на чтение, где итоговая согласованность допустима, а хранение дёшево.
⤢GSI / sparse index	Вторичный индекс по атрибуту, который есть лишь у некоторых элементов; элементы без него никогда не попадают в индекс.	Альтернативные пути доступа. Найдите разреженное подмножество — открытые заказы, неотгруженные позиции — без полного скана.
⤢Query-first modeling	Сначала выпишите точные запросы; раскладка таблицы выводится из них, а не из сущностей или нормальной формы.	Работа со схемами в Cassandra и DynamoDB. Одна таблица на семейство запросов; модель данных копирует вопрос.
⤢Scatter-gather anti-pattern	Запросу приходится параллельно бить по многим партициям или узлам, потому что ни один ключ не отвечает вопросу.	Запах, который надо спроектировать прочь, а не цель. Переложите ключи так, чтобы частый запрос ложился на одну партицию.
⤢Fan-out on write vs read	Копии проталкиваются в представление каждого читателя при записи, либо собираются и сливаются при чтении.	Фиды и ленты. Fan-out при записи для малых аудиторий, при чтении — для огромных.
⤢Materialized view	Заранее построенный результат запроса, хранимый как отдельная таблица и поддерживаемый актуальным при изменении базы.	Альтернативные формы чтения поверх одного пути записи. Обслуживает запросы, на которые базовая таблица ответить не может.
Графы
⤢Adjacency list	Каждое ребро — строка или кортеж, указывающий из исходного узла в целевой.	Графовые и property-хранилища. Запросы «друзья друзей», маршрутизация, рекомендации.
⤢Edge document	Каждая связь — документ в собственной коллекции, несущий id from и to плюс атрибуты связи.	Графы в документных хранилищах. Атрибуты на самой связи — рейтинг, роль, отметка времени.
⤢Nested sets	Каждый узел хранит счётчики левый и правый из обхода в глубину; поддерево живёт внутри диапазона родителя.	Деревья с интенсивным чтением. Один запрос BETWEEN возвращает поддерево; вставки перенумеровывают обход.
⤢Closure table	Выделенная таблица записывает каждую пару предок-потомок, включая каждый узел на нулевой глубине.	Запросы целых ветвей на любой глубине. Простые join-ы, оплаченные хранением и сопровождением.
⤢Property graph vs RDF	Property-графы крепят атрибуты ключ-значение к узлам и рёбрам; RDF выражает всё триплетами субъект-предикат-объект.	Property-графы для богатых обходов (Neo4j); RDF для связанных открытых данных и обмена онтологиями.
Векторы
⤢Vector embedding	Массив float высокой размерности лежит рядом с метаданными. ANN-индекс находит ближайших соседей.	Семантический поиск, извлечение RAG, рекомендации и близость над неструктурированным контентом.
⤢Chunking strategy	Исходные документы разбиваются — по размеру, перекрытию или структуре — прежде чем каждый фрагмент получит свой эмбеддинг.	Качество извлечения RAG. Размер чанка балансирует точность и полноту; перекрытие защищает разрезанные предложения.
⤢Hybrid search	Близость плотных векторов работает рядом с поиском по ключевым словам; два ранжированных списка сливаются в один результат.	Запросы, которым сразу нужны точные термины и смысл, поверх — фильтры по метаданным.