#8 - Описание реляционная модели данных для аналога neo4j #8
Comments
Реляционная СУБДОписание назначений коллекций, типов данных и сущностейPatient – коллекция, которая хранит в себе данные о всех зарегистрированных на сайте пользователях:
Необязательные поля указываются для сбора статистики для симптомов. Appeal – обращение пользователя, которое нужно для сохранения истории поиска болезней пользователя:
Diaseas – список всех существующих в базе данных болезней, которые могут быть спрогнозированы системой :
Analysis – анализы, которые необходимо сдать, чтобы подтвердить наличие симптома и, соответственно, для подтверждения болезни:
Анализы вынесены в отдельную коллекцию, т. к. у одного симптома может быть сразу несколько анализов для его подтверждения. Appeal's symptoms – список симптомов, которые ввёл пользователей в рамках одного обращения, использующиеся для поиска возможных заболеваний:
У обращения должен быть хотя бы один симптом в данной таблице. Symptoms – список всех существующих в базе данных симптомов:
Analysis for symptom – список анализов, которые надо провести для определения симптома:
Каждый анализ направлен на выявление какого-то симптома, но не у каждого симптома обязан быть анализ для выявления. Disease's symptoms – у каждой болезни есть свой набор симптомов, которые в совокупности дают 100% вероятность наличия у пользователя болезни:
У каждой болезни обязан быть набор симптомов, также как и укаждого симптома должна быть хотя бы одна болезнь, в которую он входит. Predicted diseases – результат выполнения алгоритма, в котором хранятся болезни, вероятность наличия которых у пользователя ненулевая:
Оценка объема информации, хранимой в моделиАналогично нереляционной модели предположим, что
Будем считать, что каждый символ у нас занимает 2 байта в связи с использованием русского языка. Рассмотрим объём информации для каждого объекта сущности: Patien
Всего: 855 Байт Appeal
Всего: 16 Байт Diaseas
Всего: 2100 Байт Analysis
Всего: 100 Байт Appeal's symptoms
Всего: 104 Байта Symptoms
Всего: 1104 Байта Analysis for symptom
Всего: 200 Байт Disease's symptoms
Всего: 200 Байт Predicted diseases
Всего: 106 Байт Таблица 2
Таким образом, общий объём в зависимости от количества пользователей будет выглядеть следующим образом: Избыточность моделиВ качестве альтернативы neo4j в СУБД возьмём PostgreSQL. В данной БД каждая таблица хранится в отдельном файле, которые называют страницей. Объём одной такой страницы равен 8192 Байта. Таким образом, необходимо прибавить это значение для каждой таблицы (всего их 9). Также каждая строка в таблице имеет свои метаданные:
Следовательно, для каждой строки мы также прибавляем 29 Байтов. Формула оценки избыточности будет выглядеть так: $$ По графику видно, что с ростом количества пользователей, разница между чистыми данными и полным объёмом будет уменьшаться. Это связано с тем, что трата на размер листа остаётся постоянной, а объём метаданных строки становится мал по сравнению с весом чистых данных. Направление роста модели при увеличении количества объектов каждой сущностиPatient Увеличение количества строк приводит к линейному росту, равному собственному размеру данной сущности. f(n) = 855*n Байт Appeal Увеличение количества строк приводит к созданию новых связей в таблицах Appeal's symptoms и Predicted diseases. В худшем случае, пользователь введёт все симптомы, которые будут характеризовать все заболевания. f(n) = (16 + 133104 + 41106 ) * n = 18194*n Байт Symptoms Увеличение количества строк приводит к созданию новых связей в таблице Disease's symptoms. В худшем случае, симптом будет у всех болезней. f(n) = (1104 + 41200) * n = 9304n Байт Analysis Увеличение количества строк приводит к созданию новых связей в таблице Analysis for symptom. В худшем случае, анализ будет необходим для выявления всех симптомов. f(n) = (100 + 133200) * n = 26700n Байт При это метаданные будут расти согласно этой функции для каждой из таблиц: f(n) = 29*n Байт Примеры хранения данных в БД для моделиПример хранения данных в БД INSERT INTO Patient (mail, password, full_name, sex, weight, height) VALUES
('user1@example.com', 'password1', 'John Doe', TRUE, 70, 180),
('user2@example.com', 'password2', 'Jane Smith', FALSE, 60, 170);
INSERT INTO Appeal (date, patient_id) VALUES
(NOW(), 11),
(NOW(), 12);
INSERT INTO Disease (title, description, recommendation) VALUES
('Flu', 'Common cold symptoms', 'Rest and hydration'),
('Covid-19', 'Fever, cough, shortness of breath', 'Isolation and medical attention');
-- Вставка тестовых данных в таблицу Analysis
INSERT INTO Analysis (title) VALUES
('Blood Test'),
('X-Ray');
-- Вставка тестовых данных в таблицу Symptom
INSERT INTO Symptom (symp_title, description, weight) VALUES
('Fever', 'High body temperature', 50),
('Cough', 'Persistent cough', 30);
select * from symptom
select * from patientВывод данных из таблицы Symptom
Вывод данных из таблицы Patient
Примеры запросовРегистриция пользователя INSERT INTO Patient (mail, password, full_name, sex, weight, height) VALUES
('user1@example.com', 'password1', 'John Doe', TRUE, 70, 180);Количество запросов для совершения UseCase: 1 Количество задействованных коллекций: 1 Создание обращения INSERT INTO Appeal (id, date, patient_id) VALUES
(17, NOW(), 11);
insert into appealsymptom (symp_title, app_id) values
('Fever', 17),
('Cough', 17);Количество запросов для совершения UseCase: 2 Количество задействованных коллекций: 2 Получение статистики распространённости симптома среди пациентов SELECT a.*
FROM Appeal a
JOIN Patient p ON a.patient_id = p.id
WHERE a.date > '2023-05-20' AND a.date < '2023-05-27' AND p.sex = TRUE;Количество 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: 28 октября 2024
The text was updated successfully, but these errors were encountered: