#7 - Описание нереляционная модели данных для neo4j #7
Comments
azazzze1
changed the title
Нереляционная модельОписание назначений коллекций, типов данных и сущностейУзлыPatient - узел с одноимённым классификационным признаком Patient, описывающий аккаунт зарегистрированного пользователя. Имеет следующие атрибуты key-value:
Appeal - узел с одноимённым классификационным признаком Appeal, описывающий запрос на составление анамнеза зарегистрированного пользователя. Имеет следующие атрибуты key-value:
Symptom - узел с одноимённым классификационным признаком Symptom, хранящий информацию об определённом симптоме. Имеет следующие атрибуты key-value:
Disease - узел с одноимённым классификационным признаком Disease, хранящий информацию об определённом заболевании. Имеет следующие атрибуты key-value:
Analysis - узел с одноимённым классификационным признаком Analysis, хранящий информацию об определённом анализе. Имеет следующие атрибуты key-value:
СвязиCreate - связь с одноимённым классификационным признаком Create, описывающая принадлежность узла Appeal к узлу Patient. Позволяет получить по определённому пользовательскому аккаунту сделанные с него обращения. Belong - связь с одноимённым классификационным признаком Belong, описывающая принадлежность узла Patient к узлу Appeal. Позволяет получить по определённому обращению пользовательский аккаунт, с которого оно было сделано. Contain - связь с одноимённым классификационным признаком Contain, описывающая принадлежность узла Symptom к узлу Appeal. Позволяет определять симптомы, введённые в конкретном обращении. Confirm - связь с одноимённым классификационным признаком Confirm, описывающая принадлежность узла Analysis к узлу Symptom. Позволяет определять анализы, которые помогли бы выявить конкретный симптом. Predict - связь с одноимённым классификационным признаком Predict, описывающая принадлежность узла Appeal к узлу Disease. Позволяет получить и обработать симптомы, введённые в данные обращении и симптомы, характеризующие болезнь, для последующей подборки рекомендуемых анализов. Describe - связь с одноимённым классификационным признаком Describe, описывающая принадлежность узла Disease к узлу Symptom. Содержит атрибут weight, указывающий на корреляцию между данными симптомом и болезнью. Позволяет определять заболевания, характеризующиеся данным симптомом. Cause - связь с одноимённым классификационным признаком Cause, описывающим принадлежность узла Symptom к узлу Disease. Содержит атрибут weight, указывающий на корреляцию между данными симптомом и болезнью. Позволяет определять симптомы, набор которых характеризует данное заболевание. Оценка объема информации, хранимой в моделиПредположим, что
Будем считать, что каждый символ у нас занимает 2 байта в связи с использованием русского языка. Общий объём каждого узлаPatient:
::Итого: 851 байт:: Appeal:
::Итого: 8 байт:: Symptom:
::Итого: 1100 байт:: Disease:
::Итого: 2100 байт:: Analysis:
::Итого: 100 байт:: СвязиDescribe:
::Итого: 4 байта:: Cause:
::Итого: 40 байта:: Таблица 1 - расчёт "чистого" объёма данных (в байтах)
Таким образом, получаем следующую функцию от количество пользователей N: Избыточность моделиТеперь учитываем, что бд Neo4j пользуется такими элементами, как узел и связь, а также позволяет накладывать такие метаданные, как классификационные метки. С учётом этого посчитаем фактический размер получающейся базы данных. Patient:
::Итого: 873 байт:: Appeal:
::Итого: 29 байт:: Symptom:
::Итого: 1122 байт:: Disease:
::Итого: 2122 байт:: Analysis:
::Итого: 123 байт:: СвязиCreate:
::Итого: 37 байт:: Belong:
::Итого: 37 байт:: Contain:
::Итого: 38 байт:: Confirm:
::Итого: 38 байт:: Predict:
::Итого: 38 байт:: Describe:
::Итого: 43 байт:: Cause:
::Итого: 40 байт:: Таблица 1 - размер всех коллекций (в байтах)
Получаем следующую функцию от количество пользователей N: Таким образом, коэффициент избыточности модели будет равен Направление роста модели при увеличении количества объектов каждой сущностиУвеличение количества узлов типа Patient приводит к линейному росту, равному собственному размеру данной сущности. Таким образом, рост составит f(n) = 873n байт. Увеличение количества узлов типа Appeal приводит к появлению связей следующий типов: Create, Belong, Contain и Predict. В худшем случае, пользователь введёт все симптомы, которые будут характеризовать все заболевания. Таким образом, рост составит f(n) = (29 + 2 * 37 + 133 + 41) * n = 277 байт. Увеличение количества узлов типа Symptom может привести к росту взвешенных связей типов Describe и Cause, а также к росту связей с определёнными анализами. В худшем случае, будем считать, что симптом свяжется со всеми анализами и заболеваниями. Таким образом, рост составит f(n) = (1122 + 41 * (43 + 40) + 133 * 38) * n = 9579 байт. Увеличение количества узлов типа Disease может привести к росту взвешенных связей типов Describe и Cause. В худшем случае, будем считать, что заболевание свяжется со всеми симптомами. Таким образом, рост составит f(n) = (2122 + 133 * (43 + 40)) * n = 13161 байт. Увеличение количества узлов типа Analysis может привести к росту связей типа Confirm. В худшем случае, анализ будет позволять определять любой симптом. Таким образом, рост составит f(n) = (123 + 133 * 38) = 5177. Примеры хранения данных в БД для моделиПользователь и его обращение╒══════════════════════════════════════════════════════════════════════╤══════════════════════════════════════════════════════════════════════╤═════════╕
│n │m │r │
╞══════════════════════════════════════════════════════════════════════╪══════════════════════════════════════════════════════════════════════╪═════════╡
│(:Patient {password: "securepassword123",sex: true,weight: 75,fullname│(:Appeal {Date: "30.10.2024"}) │[:CREATE]│
│: "Иванов Иван Иванович",email: "iiivanov@etu.ru",age: 30,height: 180}│ │ │
│) │ │ │
├──────────────────────────────────────────────────────────────────────┼──────────────────────────────────────────────────────────────────────┼─────────┤
│(:Appeal {Date: "30.10.2024"}) │(:Patient {password: "securepassword123",sex: true,weight: 75,fullname│[:BELONG]│
│ │: "Иванов Иван Иванович",email: "iiivanov@etu.ru",age: 30,height: 180}│ │
│ │) │ │
└──────────────────────────────────────────────────────────────────────┴──────────────────────────────────────────────────────────────────────┴─────────┘Болезнь и её симптомы╒════════════════════════╤═══════════╤═══════════╕
│r1 │n1.name │n2.name │
╞════════════════════════╪═══════════╪═══════════╡
│[:DESCRIBE {weight: 10}]│"Лихорадка"│"Простуда" │
├────────────────────────┼───────────┼───────────┤
│[:CAUSE {weight: 10}] │"Простуда" │"Лихорадка"│
├────────────────────────┼───────────┼───────────┤
│[:DESCRIBE {weight: 10}]│"Озноб" │"Простуда" │
├────────────────────────┼───────────┼───────────┤
│[:CAUSE {weight: 10}] │"Простуда" │"Озноб" │
├────────────────────────┼───────────┼───────────┤
│[:DESCRIBE {weight: 10}]│"Кашель" │"Простуда" │
├────────────────────────┼───────────┼───────────┤
│[:CAUSE {weight: 10}] │"Простуда" │"Кашель" │
└────────────────────────┴───────────┴───────────┘Экземпляр болезни{
"identity": 2,
"labels": [
"Disease"
],
"properties": {
"name": "Простуда",
"description": "Клинический синдром острого воспаления верхних дыхательных путей, затрагивающего преимущественно нос и возникающего из-за неспецифической острой респираторной инфекции. В воспаление могут быть вовлечены горло, гортань и пазухи. Обычно термин применяется в отношении симптомов, связанных с воспалением, и используется наряду с фарингитом, ларингитом, трахеитом и другими, употребляется в отношении острой респираторной вирусной инфекции верхних дыхательных путей и является традиционным для обозначения лёгких случаев заболевания верхних дыхательных путей. Термин широко используется в англоязычной литературе, в русскоязычной вместо него обычно используется более общий термин острой респираторной вирусной инфекции."
},
"elementId": "4:108d56d7-54c8-4bb9-ac55-3588861a3984:2"
}Экземпляр пациента{
"identity": 3,
"labels": [
"Patient"
],
"properties": {
"password": "securepassword123",
"sex": true,
"weight": 75,
"fullname": "Иванов Иван Иванович",
"email": "iiivanov@etu.ru",
"age": 30,
"height": 180
},
"elementId": "4:108d56d7-54c8-4bb9-ac55-3588861a3984:3"
}Примеры запросовРегистрация пользователяMerge (:Patient {fullname: "Иванов Иван Иванович", email: "iiivanov@etu.ru", password: "securepassword123", sex: True, age: 30, height: 180, weight: 75})Количество запросов для совершения UseCase: 1 Количество задействованных коллекций: 1 Создание обращенияmatch (p: Patient {fullname: "Иванов Иван Иванович"})
match (s1:Symptom {name: "Озноб"})-[:DESCRIBE]->(d1)
match (s2:Symptom {name: "Лихорадка"})-[:DESCRIBE]->(d2)
match (s3:Symptom {name: "Кашель"})-[:DESCRIBE]->(d3)
merge (p)-[:CREATE]->(a: Appeal {date: "24.05.2023 15:31:16"})-[:BELONG]->(p)
merge (d1)-[:PREDICT]->(a)-[:CONTAIN]->(s1)
merge (d2)-[:PREDICT]->(a)-[:CONTAIN]->(s2)
merge (d3)-[:PREDICT]->(a)-[:CONTAIN]->(s3)Количество запросов для совершения UseCase: 1 Количество задействованных коллекций: 4 Получение статистики распространённости симптома среди пациентовmatch (a:Appeal)-[:BELONG]->(p: Patient)
where "20.05.2023" < a.date and a.date < "27.05.2023" and p.sex = True
RETURN aКоличество запросов для совершения UseCase: 1 Количество задействованных коллекций: 2 |
Необходимо расписать модель данных в соответствие со следующими пунктами:
A. Графическое представление модели (ER-диаграмма)
B. Описание назначений коллекций, типов данных и сущностей
C. Оценка объема информации, хранимой в модели (сколько потребуется памяти, чтобы сохранить объекты, как объем зависит от количества объектов - нужно выразить через переменную (количество одного из видов объектов вашей БД)). У вас должна получится формула - зависимость объема от одной переменной.
D. Избыточность модели (отношение между фактическим объемом модели и «чистым» объемом данных).. У вас должна получится формула - зависимость избыточности от одной переменной.
E. Направление роста модели при увеличении количества объектов каждой сущности.
F. Примеры хранения данных в БД для модели (два подраздела «Примеры данных»).
G. «Примеры запросов» - запросы к модели, с помощью которых реализуются сценарии использования
i. Текст запросов
ii. Количество запросов для совершения юзкейсов в зависимости от числа объектов в БД и прочих параметров
iii. Количество задействованных коллекций (если есть)
Готовое задание прикрепить в файле с разметкой markdown (,md) к данному тикету.
Дедлайн: 26 октября 2024
The text was updated successfully, but these errors were encountered: