Моделювання даних у NoSQLExplained

28 of 28 rows

Патерн↕	Що це↕	Для чого↕
Документні
⤢Embedding	Вкладені піддокументи живуть усередині одного батьківського документа, а не в окремих таблицях.	Зв'язки «один-до-кількох», які читають разом. Замовлення з його позиціями. Користувач із трьома адресами.
⤢Referencing	Зберігайте зовнішній id, а не дані. Розв'язуйте його другим читанням або через $lookup.	Великі, спільні чи незалежно оновлювані підсутності. Зв'язки багато-до-багатьох між колекціями.
⤢One-to-few	Батько вбудовує короткий масив нащадків; увесь набір вміщається й завантажується як один документ.	Кілька номерів телефону або налаштувань у профілі. Одне читання повертає батька і нащадків.
⤢One-to-many	Нащадки живуть у власній колекції; кожен несе id батька, або батько тримає обмежений масив id.	Набори, завеликі чи занадто незалежні для вбудовування. Шукайте нащадків за id батька.
⤢One-to-squillions	Нащадок зберігає id батька; батько ніколи не перелічує нащадків, бо набір необмежений.	Події, логи чи голоси, прив'язані до хоста або користувача. Фільтруйте нащадків за id батька й розбивайте на сторінки.
⤢Polymorphic document	Документи різних типів сутностей ділять одну колекцію, розрізняючись полем type.	Коментарі або сповіщення, прив'язані до багатьох видів батьків і запитувані одним способом.
⤢Outlier pattern	Кілька екстремальних сутностей виносять зі спільної форми, щоб їхній розмір чи трафік не спотворювали решту.	Акаунти знаменитостей, чиї списки підписників чи лічильники переросли б звичайний документ.
⤢Document versioning	Кожна ревізія — новий документ із тим самим id і зростаючим номером версії; запит обирає найновішу.	Аудиторські сліди та історія редагувань, де старі ревізії лишаються запитуваними.
⤢Computed pattern	Похідні значення обчислюють під час запису й зберігають поруч із даними, які вони підсумовують.	Суми, рейтинги та топ-N, які інакше запускали б агрегацію на кожне читання.
Ключ-значення та ширококолонкові
⤢Single-table	Термін проєктування DynamoDB: багато типів сутностей згортають в одну таблицю за допомогою перевантажених partition- і sort-ключів.	Вибірка рознорідних елементів одним запитом без join.
⤢Overloaded key	Один ключовий атрибут обслуговує багато типів сутностей, позначених префіксами на кшталт USER# або ORDER#.	Однотабличні дизайни. Групуйте пов'язані елементи в одному розділі й беріть їх одним запитом.
⤢Partition + sort	Ключ розділу розподіляє рядки між вузлами; ключ сортування впорядковує кожен розділ.	Cassandra і DynamoDB. Діапазонні зчитування, впорядковані логи, ієрархічні складені ключі.
⤢Composite sort key	Кілька атрибутів складають в один sort-ключ із роздільниками — country#region#city — тож збіг префікса спускається ієрархією.	Ієрархії та багатофасетні фільтри. Один упорядкований діапазонний запит замінює багато індексних пошуків.
⤢Time bucketing	Події групують у фіксовані вікна — година, день, місяць — під виділеними розділами чи таблицями.	Метрики, логи й IoT-телеметрія. Обмежує розмір розділу й дає холодним даним застаріти.
⤢Denormalization	Поля, які часто читають, дублюють між записами, щоб запит ніколи не наздоганяв друге зчитування.	Навантаження з переважним читанням, де прийнятна eventual consistency, а сховище дешеве.
⤢GSI / sparse index	Вторинний індекс, побудований на атрибуті, який мають лише деякі елементи; елементи без нього ніколи не потрапляють в індекс.	Альтернативні шляхи доступу. Знайдіть розріджену підмножину — відкриті замовлення, невідправлені позиції — без повного сканування.
⤢Query-first modeling	Спершу випишіть точні запити; макет таблиці виводять із них, а не із сутностей чи нормальної форми.	Робота зі схемами Cassandra і DynamoDB. Одна таблиця на сімейство запитів; модель даних копіює запитання.
⤢Scatter-gather anti-pattern	Запит мусить паралельно влучити в багато розділів чи вузлів, бо жоден ключ не відповідає запитанню.	Це запах, який треба спроєктувати геть, а не мета. Переключіть ключі так, щоб типовий запит падав в один розділ.
⤢Fan-out on write vs read	Копії надсилають у подання кожного читача під час запису або збирають і зливають під час читання.	Фіди й часові лінії. Fan-out під час запису для малих аудиторій, під час читання — для величезних.
⤢Materialized view	Заздалегідь побудований результат запиту, збережений як окрема таблиця й підтримуваний актуальним при змінах базової.	Альтернативні форми читання над одним шляхом запису. Обслуговує запити, на які базова таблиця не може відповісти.
Графи
⤢Adjacency list	Кожне ребро — рядок або кортеж, що вказує від вихідного вузла до цільового.	Графовi та property-сховища. Пошуки «друг друга», маршрутизація, рекомендації.
⤢Edge document	Кожен зв'язок — документ у власній колекції, що несе id from і to плюс атрибути самого зв'язку.	Графи в документних сховищах. Атрибути на самому зв'язку — рейтинг, роль, мітка часу.
⤢Nested sets	Кожен вузол зберігає лічильники left і right з обходу в глибину; піддерево живе в діапазоні батька.	Дерева з переважним читанням. Один запит BETWEEN повертає піддерево; вставки перенумеровують обхід.
⤢Closure table	Окрема таблиця записує кожну пару «предок-нащадок», включно з самим вузлом на нульовій глибині.	Запити цілої гілки на будь-якій глибині. Прості join'и, оплачені сховищем і супроводом.
⤢Property graph vs RDF	Графи властивостей причеплюють атрибути ключ-значення до вузлів і ребер; RDF висловлює все трійками суб'єкт-предикат-об'єкт.	Графи властивостей для багатоходових обходів (Neo4j); RDF для linked open data і обміну онтологіями.
Вектори
⤢Vector embedding	Масив float високої розмірності лежить поруч із метаданими. ANN-індекс шукає найближчих сусідів.	Семантичний пошук, RAG-витяг, рекомендації та подібність на неструктурованому вмісті.
⤢Chunking strategy	Вихідні документи розбивають — за розміром, перекриттям чи структурою — перш ніж вбудувати кожен шматок окремо.	Якість RAG-витягу. Розмір чанка міняє точність на повноту; перекриття захищає розрізані речення.
⤢Hybrid search	Подібність щільних векторів працює поруч із ключовим збігом; два ранжовані списки зливаються в один результат.	Запити, що потребують одразу точних термінів і значення, з фільтрами метаданих поверх.