بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 15: کدام پایگاه داده برای کدام کار؟ Which Database for Which Job?

حالا چهار جور پایگاه داده می‌شناسی: جدول SQL، سند، کلید-مقدار و گراف. یک داده را به هر سه شکلِ جدول، سند و کلید-مقدار می‌بینی، نقطه‌ی قوت و ضعف هر کدام را می‌شناسی، با تراکنش سکه را از یک بازیکن به دیگری منتقل می‌کنی (هر دو تغییر یا هیچ‌کدام) و می‌فهمی ایندکس مثل فهرست آخر کتاب است.

در این جلسه یاد می‌گیری

درس

🔐 قانون طلایی این دوره: داده‌ی آدم‌ها امانت است. پشت هر ردیف جدول یک آدم واقعی است: اسمش، کلاسش، کتاب‌هایی که خوانده. داده‌ی کسی را بدون اجازه جمع نکن، به کسی نده و برای مسخره کردن یا سرک کشیدن به کار نبر. همه‌ی داده‌های این دوره ساختگی‌اند و هر بار که برنامه را اجرا می‌کنی از اول ساخته می‌شوند، پس هر چه می‌خواهی امتحان کن: چیزی خراب نمی‌شود.

🔁 یادت هست؟ در جلسه‌های ۱۱ و ۱۲ سندها را با .sort("level", -1).limit(3) مرتب کردیم و سه‌تای اول را گرفتیم: -1 یعنی از بزرگ به کوچک. در فاز اول همین کار را با ORDER BY level DESC LIMIT 3 در SQL کرده بودیم. یک سؤال، دو جور نوشتن. امروز می‌پرسیم: کدام جور برای کدام کار بهتر است؟

from db import docs, show

show(docs["players"].find({}, ["name", "level"]).sort("level", -1).limit(3))

یک داده، سه شکل. امتیازهای سارا را ببین:
- جدول SQL: هر امتیاز یک ردیف با ستون‌های ثابت player, game, score.
- سند: یک کارت برای سارا که همه‌ی امتیازهایش داخلش است: {"name": "Sara", "scores": [...]}.
- کلید-مقدار: فقط جوابی که زیاد لازم داریم، زیر یک اسم: best:Snake:Sara = 150.
هر سه درست‌اند؛ فرقشان در این است که بعداً چه سؤال‌هایی را راحت جواب می‌دهند.

from db import show, sql, kv

show("SELECT player, game, score FROM scores WHERE player = 'Sara' ORDER BY id")
card = {"name": "Sara", "scores": []}
for game, score in sql("SELECT game, score FROM scores WHERE player = 'Sara' ORDER BY id"):
    card["scores"].append({"game": game, "score": score})
show(card)
kv.set("best:Snake:Sara", 150)
kv.show()

قوت و ضعف هر کدام:

| نوع | قوی در | ضعیف در |
|---|---|---|
| جدول SQL | ستون‌های ثابت، JOIN بین جدول‌ها، سؤال‌هایی که از قبل فکرش را نکرده بودی، پول و تراکنش | شکل‌های خیلی متفاوت |
| سند | کارت‌هایی با فیلدهای متفاوت، گرفتن همه‌ی اطلاعات یک چیز با یک بار | رابطه بین کارت‌ها |
| کلید-مقدار | ساده‌ترین و تندترین، وقتی کلید را می‌دانی | هر سؤالی جز «مقدار این کلید چیست؟» |
| گراف | رابطه‌ها، مسیرها، پیشنهادها | جمع و میانگین روی همه‌چیز |

مثلاً دوستی‌ها را در یک جدول SQL هم می‌شود نگه داشت، ولی برای «دوستِ دوست» باید جدول را با خودش JOIN کنی (friends f1 JOIN friends f2 ON f1.b = f2.a) و برای هر قدم بیشتر یک JOIN دیگر. گراف فقط پیوندها را دنبال می‌کند.

from db import show, sql, graph

sql("CREATE TABLE friends (a TEXT, b TEXT)")
for p in graph.people():
    for f in graph.friends(p):
        sql("INSERT INTO friends VALUES (?, ?)", (p, f))

show("SELECT b FROM friends WHERE a = 'Sara' ORDER BY b")
show("SELECT f1.b AS friend, f2.b AS their_friend FROM friends f1 JOIN friends f2 ON f1.b = f2.a WHERE f1.a = 'Sara' ORDER BY friend, their_friend")

تراکنش (transaction): سارا می‌خواهد ۳۰ سکه به علی بدهد. این دو تغییر است: از سارا کم شود و به علی اضافه شود. اگر برق درست بین این دو برود، ۳۰ سکه غیب می‌شود! تراکنش می‌گوید: یا هر دو، یا هیچ‌کدام. BEGIN شروع می‌کند، COMMIT همه را با هم ثبت می‌کند. اگر قبل از COMMIT مشکلی پیش بیاید (یا ROLLBACK بنویسی)، هیچ‌کدام ثبت نمی‌شود. show چند دستور جدا شده با ; را پشت سر هم اجرا می‌کند و برای هر کدام یک خط OK چاپ می‌کند (BEGIN و COMMIT ردیفی عوض نمی‌کنند و فقط OK چاپ می‌کنند). بانک‌ها و فروشگاه‌ها برای همین SQL را دوست دارند.

from db import show

show("CREATE TABLE wallets (name TEXT, coins INTEGER); INSERT INTO wallets VALUES ('Sara', 50), ('Ali', 20)")

show("BEGIN; UPDATE wallets SET coins = coins - 30 WHERE name = 'Sara'; UPDATE wallets SET coins = coins + 30 WHERE name = 'Ali'; COMMIT")
show("SELECT name, coins FROM wallets ORDER BY name")
show("BEGIN; UPDATE wallets SET coins = 0; ROLLBACK")
show("SELECT name, coins FROM wallets ORDER BY name")

ایندکس (index) مثل فهرست آخر کتاب است. بدون فهرست، برای پیدا کردن «پایتون» باید همه‌ی صفحه‌ها را ورق بزنی؛ با فهرست، مستقیم می‌روی صفحه‌ی ۱۲۰. پایگاه داده هم بدون ایندکس برای WHERE player = 'Sara' همه‌ی ردیف‌ها را یکی‌یکی می‌خواند. CREATE INDEX idx_player ON scores (player) برای ستون player یک فهرست می‌سازد. جواب سؤال‌ها عوض نمی‌شود، فقط تندتر می‌آید؛ در جدول ما با ۱۲ ردیف فرقی حس نمی‌کنی، ولی در یک میلیون ردیف خیلی. هزینه‌اش: جا می‌گیرد و هر INSERT کمی کندتر می‌شود، چون فهرست هم باید به‌روز شود.

from db import show

show("CREATE INDEX idx_player ON scores (player)")
show("SELECT game, score FROM scores WHERE player = 'Sara' ORDER BY id")

چطور انتخاب کنم؟ از خودت بپرس:
- داده شکل ثابت دارد، جدول‌ها به هم ربط دارند یا پای پول و «هر دو یا هیچ» در میان است؟ → SQL.
- هر چیز یک کارت است و کارت‌ها فیلدهای متفاوت دارند؟ → سند.
- فقط باید چیزی را با اسمش خیلی تند بگیری (تنظیمات، امتیاز آخر، شمارنده)؟ → کلید-مقدار.
- سؤال‌ها درباره‌ی رابطه، مسیر و پیشنهاد است؟ → گراف.
اپ‌های بزرگ معمولاً چند تا را با هم دارند: پیام‌رسان پیام‌ها را در سند، تعداد پیام‌های نخوانده را در کلید-مقدار و مخاطب‌ها را در گراف نگه می‌دارد.

اشتباه رایج: دو UPDATE انتقال را جدا جدا و بدون تراکنش نوشتن. تا وقتی همه‌چیز خوب است کار می‌کند، ولی روزی که وسطشان خطایی پیش بیاید، سکه‌ها غیب یا دوتا می‌شوند. اشتباه دوم: UPDATE بدون WHERE، که به همه سکه می‌دهد. یک اشتباه فکری هم هست: «NoSQL تازه‌تر است پس بهتر است». هیچ‌کدام همیشه بهتر نیست؛ بهترین، آن است که به کارت بخورد.

مثال‌های این جلسه

چالش‌ها

  1. The Top Level (آسان)
  2. Pick the Right Tool (آسان)
  3. A Card From the Table (متوسط)
  4. Both or Neither (متوسط)
  5. Friends of Friends in SQL (سخت)
  6. SQL, Documents or Key-Value? (سخت)

بیشتر بخوان

← جلسه‌ی 14: مسیرها و پیشنهادها جلسه‌ی 16: پروژه: یک جدول امتیاز، سه جور →