ما بعد الجدول: نماذج البيانات البديلة

طريقان إلى نفس الفكرة

المتطلبات قبل البداية

المفاهيم الأساسية

كيف يعمل؟

شكل 1، شجرة اختيار تبدأ من السؤال لا من اسم المنتج، ولاحظ أن الورقة الأخيرة هي العلائقي

نفس البيانات في أربعة أشكال

مفتاح-قيمة: المخزن لا يفهم القيمة، فلا يستطيع السؤال عن داخلها.

# key-value: one key, one opaque blob. The store knows nothing about the inside.
session:9f3a1c  ->  {"user": 42, "expires": 1772000000, "cart": [7, 19]}
rate:42:minute  ->  17
feature:dark    ->  "on"

GET session:9f3a1c     # the only question it answers well
SET rate:42:minute 18

وثائقي: نفس العضو، لكن استعاراته داخله، فصفحته قراءة واحدة.

// document: a tree per record. Queryable inside, and self-contained.
{
  "_id": 42,
  "name": "Muath",
  "city": "Riyadh",
  "loans": [
    { "barcode": "D-01", "title": "Dune",    "due": "2026-03-15" },
    { "barcode": "E-07", "title": "Emma",    "due": "2026-03-20" }
  ]
}

db.members.find({ "loans.due": { $lt: "2026-03-18" } })   // asks inside the tree

عائلة أعمدة: صفّ قد يحمل ٣٦٥ عمودًا، ونقرأ منها عمودين.

# column family: rows are wide and sparse; you read the columns you need.
# row key        | columns (each row may have entirely different ones)
member:42        | name=Muath  city=Riyadh  joined=2024-02-01
reading:42:2026  | 01-05=Dune  01-09=Emma  02-14=Solaris ... (365 possible)

SELECT 01-05, 01-09 FROM reading WHERE key = 'reading:42:2026';
# two columns read off disk - not the whole row

رسم بياني: لاحظ أن الاستعارة صارت نوع علاقة له تاريخ، وهذا هو صنف الارتباط من الجزء الثالث، مرسومًا كما هو.

# graph: the relationship is a first-class record with its own type and data.
(Muath)-[:BORROWED {on: "2026-03-01"}]->(Copy D-01)-[:COPY_OF]->(Dune)
(Muath)-[:FOLLOWS]->(Sara)-[:FOLLOWS]->(Amal)

MATCH (m:Member {id: 42})-[:FOLLOWS*2]->(x) RETURN DISTINCT x
# "*2" = two hops. The same question is a self-join in SQL.

التمرين: قياس حقيقي على ٣٠٠ ألف علاقة

الكلام عن «الرسم البياني أسرع للعلاقات» يُقال كثيرًا ويُقاس قليلًا. فقِسناه. بنينا شبكة متابعة: ٢٠٠٠٠ مستخدم، كل واحد يتابع ١٥ غيره، فصار المجموع ٢٩٩٩٨٩ علاقة، وسألنا السؤال نفسه ثلاث مرات:

# the experiment: 20,000 users, each following 15 others
edges = [(a, b), ...]                       # 299,989 pairs

def fof_table_scan(user):                   # a table with no index
    first = {b for a, b in edges if a == user}
    return {b for a, b in edges if a in first} - first - {user}

index = defaultdict(set)                    # the same data, keyed by follower
for a, b in edges:
    index[a].add(b)

def fof_indexed(user):                      # a table with an index
    out = set()
    for f in index[user]:
        out |= index[f]
    return out - index[user] - {user}

def reach(user, depth):                     # the graph shape, asked recursively
    seen, frontier = {user}, {user}
    for _ in range(depth):
        nxt = set()
        for u in frontier:
            nxt |= index[u] - seen
        seen |= nxt
        frontier = nxt
    return frontier

$ python3 models.py
users: 20000   follow edges: 299989
table, full scan per hop                          19.37 ms   -> 225 results
table, indexed on the follower column              0.01 ms   -> 225 results
graph traversal, 2 hops                            0.01 ms   -> 225 results
same answer from all three: True

depth 1 ->     15 users reached   (0.00 ms)
depth 2 ->    225 users reached   (0.03 ms)
depth 3 ->   3065 users reached   (1.02 ms)
depth 4 ->  14971 users reached   (10.57 ms)

شكل 2، انفجار العمق: ثلاث خطوات تصل ١٥٪ من الشبكة، وأربع تصل ٧٥٪

اعتقاد شائع × الحقيقة

جرّب بنفسك

بطاقات مراجعة سريعة

تحقّق من فهمك