Schémas, requêtes et mutations Data Connect

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Firebase Data Connect vous permet de créer des connecteurs pour vos instances PostgreSQL gérées avec Google Cloud SQL. Ces connecteurs sont des combinaisons d'un schéma, de requêtes et de mutations pour utiliser vos données.

Le guide de démarrage a présenté un schéma d'application d'avis sur les films pour PostgreSQL. Ce guide explique plus en détail comment concevoir des schémas Data Connect pour PostgreSQL.

Ce guide associe des requêtes et des mutations Data Connect à des exemples de schémas. Pourquoi parler des requêtes (et des mutations) dans un guide sur les schémas Data Connect ? Comme les autres plates-formes basées sur GraphQL, Firebase Data Connect est une plate-forme de développement axée sur les requêtes. En tant que développeur, vous devez donc penser aux données dont vos clients ont besoin lors de la modélisation des données, ce qui aura une grande influence sur le schéma de données que vous développerez pour votre projet.

Ce guide commence par un nouveau schéma pour les critiques de films, puis couvre les requêtes et les mutations dérivées de ce schéma, et fournit enfin une liste SQL équivalente au schéma Data Connect principal.

Schéma d'une application d'avis sur les films

Imaginez que vous souhaitiez créer un service permettant aux utilisateurs d'envoyer et de consulter des critiques de films.

Vous avez besoin d'un schéma initial pour une telle application. Vous allez ensuite étendre ce schéma pour créer des requêtes relationnelles complexes.

Tableau des films

Le schéma des films contient des directives de base, comme:

• @table(name) et @col(name) pour personnaliser les noms de table et de colonne SQL. Si vous ne spécifiez pas de nom, Data Connect génère des noms en snake_case.
• @col(dataType) pour personnaliser les types de colonnes SQL.
• @default pour configurer les valeurs par défaut des colonnes SQL lors de l'insertion.

Pour en savoir plus, consultez les documents de référence sur @table, @col et @default.

# Movies
type Movie @table(name: "movie", key: "id") {
  id: UUID! @col(name: "movie_id") @default(expr: "uuidV4()")
  title: String!
  releaseYear: Int
  genre: String @col(dataType: "varchar(20)")
  rating: Int
  description: String
}

Clés scalaires et valeurs de serveur

Avant d'examiner plus en détail l'application d'avis sur les films, présentons les scalaires clés et les valeurs de serveur Data Connect.

Les scalaires de clé sont des identifiants d'objet concis que Data Connect assemble automatiquement à partir des champs de clé de vos schémas. Les scalaires de clé sont axés sur l'efficacité. Ils vous permettent de trouver en un seul appel des informations sur l'identité et la structure de vos données. Ils sont particulièrement utiles lorsque vous souhaitez effectuer des actions séquentielles sur de nouveaux enregistrements et que vous avez besoin d'un identifiant unique à transmettre aux opérations à venir, ainsi que lorsque vous souhaitez accéder à des clés relationnelles pour effectuer des opérations plus complexes.

À l'aide de valeurs de serveur, vous pouvez laisser le serveur renseigner de manière dynamique les champs de vos tables à l'aide de valeurs stockées ou facilement calculables en fonction d'expressions CEL côté serveur particulières dans l'argument expr. Par exemple, vous pouvez définir un champ avec un code temporel appliqué lorsque le champ est consulté à l'aide de l'heure stockée dans une requête d'opération, updatedAt: Timestamp! @default(expr: "request.time").

Table des métadonnées de film

Voyons maintenant comment suivre les réalisateurs de films et configurer une relation individuelle avec Movie.

Ajoutez le champ de référence pour définir une relation.

Vous pouvez utiliser la directive @ref pour personnaliser la contrainte de clé étrangère.

• @ref(fields) pour spécifier les champs de clé étrangère.
• @ref(references) pour spécifier les champs référencés dans la table cible. Cette référence utilise par défaut la clé primaire, mais les champs avec @unique sont également acceptés.

Pour en savoir plus, consultez la documentation de référence sur @ref.

# Movie Metadata
# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata @table {
  # @unique ensures that each Movie only has one MovieMetadata.
  movie: Movie! @unique
  # Since it references to another table type, it adds a foreign key constraint.
  #  movie: Movie! @unique @ref(fields: "movieId", references: "id")
  #  movieId: UUID! <- implicitly added foreign key field
  director: String
}

Acteur et MovieActor

Vous souhaitez ensuite que des acteurs jouent dans vos films. Étant donné que vous avez une relation de plusieurs à plusieurs entre les films et les acteurs, créez une table de jointure.

# Actors
# Suppose an actor can participate in multiple movies and movies can have multiple actors
# Movie - Actors (or vice versa) is a many to many relationship
type Actor @table {
  id: UUID! @default(expr: "uuidV4()")
  name: String! @col(dataType: "varchar(30)")
}
# Join table for many-to-many relationship for movies and actors
# The 'key' param signifies the primary keys of this table
# In this case, the keys are [movieId, actorId], the foreign key fields of the reference fields [movie, actor]
type MovieActor @table(key: ["movie", "actor"]) {
  movie: Movie!
  # movieId: UUID! <- implicitly added foreign key field
  actor: Actor!
  # actorId: UUID! <- implicitly added foreign key field
  role: String! # "main" or "supporting"
  # optional other fields
}

Utilisateur

Enfin, les utilisateurs de votre application.

# Users
# Suppose a user can leave reviews for movies
type User @table {
  id: String! @default(expr: "auth.uid")
  username: String! @col(dataType: "varchar(50)")
}

Types de données acceptés

Data Connect est compatible avec les types de données scalaires suivants, avec des attributions à des types PostgreSQL à l'aide de @col(dataType:).

• List GraphQL correspond à un tableau à une dimension.
  • Par exemple, [Int] correspond à int5[], [Any] à jsonb[].
  • Data Connect n'est pas compatible avec les tableaux imbriqués.

Utiliser des champs générés pour créer des requêtes et des mutations

Vos requêtes et mutations Data Connect étendent un ensemble de champs Data Connect générés automatiquement en fonction des types et des relations de type dans votre schéma. Ces champs sont générés par des outils locaux chaque fois que vous modifiez votre schéma.

• Comme vous l'avez découvert dans le guide de démarrage, la console Firebase et nos outils de développement local utilisent ces champs générés automatiquement pour vous fournir des requêtes et des mutations ad hoc que vous pouvez utiliser pour insérer des données et vérifier le contenu de vos tables.

• Dans votre processus de développement, vous allez implémenter des requêtes déployables et des mutations déployables groupées dans vos connecteurs, en fonction de ces champs générés automatiquement.

Nom des champs générés automatiquement

Data Connect infère des noms appropriés pour les champs générés automatiquement en fonction de vos déclarations de type de schéma. Par exemple, si vous travaillez avec une source PostgreSQL et que vous définissez une table nommée Movie, le serveur génère:

• Champs pour la lecture des données dans les cas d'utilisation d'une seule table avec les noms explicites movie (au singulier, pour récupérer des résultats individuels en transmettant des arguments tels que eq) et movies (au pluriel, pour récupérer des listes de résultats en transmettant des arguments tels que gt et des opérations telles que orderby). Data Connect génère également des champs pour les opérations relationnelles multitables avec des noms explicites tels que actors_on_movies ou actors_via_actormovie.
• Champs permettant d'écrire des données avec un nom familier tel que movie_insert, movie_upsert, etc.

Le langage de définition de schéma vous permet également de contrôler explicitement la manière dont les noms sont générés pour les champs à l'aide d'arguments de directive singular et plural.

Directives pour les requêtes et les mutations

En plus des directives que vous utilisez pour définir des types et des tables, Data Connect fournit les directives @auth, @check, @redact et @transaction pour améliorer le comportement des requêtes et des mutations.

Requêtes pour la base de données des critiques de films

Vous définissez une requête Data Connect avec une déclaration de type d'opération de requête, un nom d'opération, zéro ou plusieurs arguments d'opération, et zéro ou plusieurs directives avec des arguments.

Dans le guide de démarrage rapide, l'exemple de requête listEmails ne comportait aucun paramètre. Bien entendu, dans de nombreux cas, les données transmises aux champs de requête seront dynamiques. Vous pouvez utiliser la syntaxe $variableName pour utiliser des variables comme l'un des composants d'une définition de requête.

La requête suivante comporte donc:

• Définition de type query
• Nom d'une opération (requête) ListMoviesByGenre
• Un seul argument d'opération $genre à variable
• Une seule directive, @auth.

query ListMoviesByGenre($genre: String!) @auth(level: USER)

Chaque argument de requête nécessite une déclaration de type, un élément intégré tel que String ou un type personnalisé défini par le schéma tel que Movie.

Examinons la signature de requêtes de plus en plus complexes. Vous terminerez par présenter des expressions de relation puissantes et concises que vous pouvez utiliser pour créer vos requêtes déployables.

Clés scalaires dans les requêtes

Mais d'abord, une remarque concernant les scalaires de clé.

Data Connect définit un type spécial pour les scalaires de clé, identifiés par _Key. Par exemple, le type d'un scalaire de clé pour notre table Movie est Movie_Key.

Vous récupérez les scalaires de clé en tant que réponse renvoyée par la plupart des champs de lecture générés automatiquement, ou bien sûr à partir de requêtes pour lesquelles vous avez récupéré tous les champs nécessaires à la création de la clé scalaire.

Les requêtes automatiques singulières, comme movie dans notre exemple en cours, acceptent un argument de clé qui accepte un scalaire de clé.

Vous pouvez transmettre une clé scalaire en tant que littéral. Toutefois, vous pouvez définir des variables pour transmettre des scalaires clés en entrée.

query GetMovie($myKey: Movie_Key!) {
  movie(key: $myKey) { title }
}

Vous pouvez les fournir dans la requête JSON comme suit (ou dans d'autres formats de sérialisation):

{
  # …
  "variables": {
    "myKey": {"foo": "some-string-value", "bar": 42}
  }
}

Grâce à l'analyse scalaire personnalisée, une Movie_Key peut également être construite à l'aide de la syntaxe d'objet, qui peut contenir des variables. Cette méthode est particulièrement utile lorsque vous souhaitez diviser des composants individuels en différentes variables pour une raison quelconque.

Aliasage dans les requêtes

Data Connect est compatible avec l'aliasing GraphQL dans les requêtes. Les alias vous permettent de renommer les données renvoyées dans les résultats d'une requête. Une seule requête Data Connect peut appliquer plusieurs filtres ou d'autres opérations de requête dans une seule requête efficace au serveur, en émettant effectivement plusieurs "sous-requêtes" à la fois. Pour éviter les conflits de noms dans l'ensemble de données renvoyé, vous devez utiliser des alias pour distinguer les sous-requêtes.

Voici une requête dans laquelle une expression utilise l'alias mostPopular.

query ReviewTopPopularity($genre: String) {
  mostPopular: review(first: {
    where: {genre: {eq: $genre}},
    orderBy: {popularity: DESC}
  }) { … }
}

Requêtes simples avec filtres

Les requêtes Data Connect correspondent à tous les filtres et opérations d'ordre SQL courants.

Opérateurs where et orderBy (requêtes au singulier et au pluriel)

Renvoie toutes les lignes correspondantes de la table (et les associations imbriquées). Renvoie un tableau vide si aucun enregistrement ne correspond au filtre.

query MovieByTopRating($genre: String) {
  mostPopular: movies(
     where: { genre: { eq: $genre } }, orderBy: { rating: DESC }
  ) {
    # graphql: list the fields from the results to return
    id
    title
    genre
    description
  }
}

query MoviesByReleaseYear($min: Int, $max: Int) {
  movies(where: {releaseYear: {le: $max, ge: $min}}, orderBy: [{releaseYear: ASC}]) { … }
}

Opérateurs limit et offset (requêtes au singulier et au pluriel)

Vous pouvez effectuer une pagination des résultats. Ces arguments sont acceptés, mais ne sont pas renvoyés dans les résultats.

query MoviesTop10 {
  movies(orderBy: [{ rating: DESC }], limit: 10) {
    # graphql: list the fields from the results to return
    title
  }
}

inclut pour les champs de tableau

Vous pouvez vérifier qu'un champ de tableau inclut un élément spécifié.

# Filter using arrays and embedded fields.
query ListMoviesByTag($tag: String!) {
  movies(where: { tags: { includes: $tag }}) {
    # graphql: list the fields from the results to return
    id
    title
  }
}

Opérations sur les chaînes et expressions régulières

Vos requêtes peuvent utiliser des opérations de recherche et de comparaison de chaînes typiques, y compris des expressions régulières. Notez que pour plus d'efficacité, vous regroupez plusieurs opérations ici et les clarifiez à l'aide d'alias.

query MoviesTitleSearch($prefix: String, $suffix: String, $contained: String, $regex: String) {
  prefixed: movies(where: {title: {startsWith: $prefix}}) {...}
  suffixed: movies(where: {title: {endsWith: $suffix}}) {...}
  contained: movies(where: {title: {contains: $contained}}) {...}
  matchRegex: movies(where: {title: {pattern: {regex: $regex}}}) {...}
}

or et and pour les filtres composés

Utilisez or et and pour une logique plus complexe.

query ListMoviesByGenreAndGenre($minRating: Int!, $genre: String) {
  movies(
    where: { _or: [{ rating: { ge: $minRating } }, { genre: { eq: $genre } }] }
  ) {
    # graphql: list the fields from the results to return
    title
  }
}

Requêtes complexes

Les requêtes Data Connect peuvent accéder aux données en fonction des relations entre les tables. Vous pouvez utiliser les relations d'objet (un à un) ou de tableau (un à plusieurs) définies dans votre schéma pour effectuer des requêtes imbriquées, c'est-à-dire extraire les données d'un type avec celles d'un type imbriqué ou associé.

Ces requêtes utilisent la syntaxe magique Data Connect _on_ et _via dans les champs de lecture générés.

Vous allez modifier le schéma à partir de notre version initiale.

Plusieurs à un

Ajoutons des avis à notre application, avec une table Review et des modifications apportées à User.

# User table is keyed by Firebase Auth UID.
type User @table {
  # `@default(expr: "auth.uid")` sets it to Firebase Auth UID during insert and upsert.
  id: String! @default(expr: "auth.uid")
  username: String! @col(dataType: "varchar(50)")
  # The `user: User!` field in the Review table generates the following one-to-many query field.
  #  reviews_on_user: [Review!]!
  # The `Review` join table the following many-to-many query field.
  #  movies_via_Review: [Movie!]!
}

# Reviews is a join table tween User and Movie.
# It has a composite primary keys `userUid` and `movieId`.
# A user can leave reviews for many movies. A movie can have reviews from many users.
# User  <-> Review is a one-to-many relationship
# Movie <-> Review is a one-to-many relationship
# Movie <-> User is a many-to-many relationship
type Review @table(name: "Reviews", key: ["movie", "user"]) {
  user: User!
  # The user field adds the following foreign key field. Feel free to uncomment and customize it.
  #  userUid: String!
  movie: Movie!
  # The movie field adds the following foreign key field. Feel free to uncomment and customize it.
  #  movieId: UUID!
  rating: Int
  reviewText: String
  reviewDate: Date! @default(expr: "request.time")
}

Requête de type "plusieurs à un"

Voyons maintenant une requête avec un alias pour illustrer la syntaxe _via_.

query UserMoviePreferences($username: String!) @auth(level: USER) {
  users(where: { username: { eq: $username } }) {
    likedMovies: movies_via_Review(where: { rating: { ge: 4 } }) {
      title
      genre
    }
    dislikedMovies: movies_via_Review(where: { rating: { le: 2 } }) {
      title
      genre
    }
  }
}

En face à face

Vous pouvez voir le schéma. Ci-dessous, le schéma est modifié à des fins d'illustration.

# Movies
type Movie
  @table(name: "Movies", singular: "movie", plural: "movies", key: ["id"]) {
  id: UUID! @col(name: "movie_id") @default(expr: "uuidV4()")
  title: String!
  releaseYear: Int @col(name: "release_year")
  genre: String
  rating: Int @col(name: "rating")
  description: String @col(name: "description")
  tags: [String] @col(name: "tags")
}
# Movie Metadata
# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata
  @table(
    name: "MovieMetadata"
  ) {
  # @ref creates a field in the current table (MovieMetadata) that holds the primary key of the referenced type
  # In this case, @ref(fields: "id") is implied
  movie: Movie! @ref
  # movieId: UUID <- this is created by the above @ref
  director: String @col(name: "director")
}


extend type MovieMetadata {
  movieId: UUID! # matches primary key of referenced type
...
}

extend type Movie {
  movieMetadata: MovieMetadata # can only be non-nullable on ref side
  # conflict-free name, always generated
  movieMetadatas_on_movie: MovieMetadata
}

Requête pour une session individuelle

Vous pouvez effectuer des requêtes à l'aide de la syntaxe _on_.

# One to one
query GetMovieMetadata($id: UUID!) @auth(level: PUBLIC) {
  movie(id: $id) {
    movieMetadatas_on_movie {
      director
    }
  }
}

Plusieurs à plusieurs

Les films ont besoin d'acteurs, et les acteurs ont besoin de films. Ils ont une relation de plusieurs à plusieurs que vous pouvez modéliser avec une table de jointure MovieActors.

# MovieActors Join Table Definition
type MovieActors @table(
  key: ["movie", "actor"] # join key triggers many-to-many generation
) {
  movie: Movie!
  actor: Actor!
}

# generated extensions for the MovieActors join table
extend type MovieActors {
  movieId: UUID!
  actorId: UUID!
}

# Extensions for Actor and Movie to handle many-to-many relationships
extend type Movie {
  movieActors: [MovieActors!]! # standard many-to-one relation to join table
  actors: [Actor!]! # many-to-many via join table

  movieActors_on_actor: [MovieActors!]!
  # since MovieActors joins distinct types, type name alone is sufficiently precise
  actors_via_MovieActors: [Actor!]!
}

extend type Actor {
  movieActors: [MovieActors!]! # standard many-to-one relation to join table
  movies: [Movie!]! # many-to-many via join table

  movieActors_on_movie: [MovieActors!]!
  movies_via_MovieActors: [Movie!]!
}

Requête de type "plusieurs à plusieurs"

Examinons une requête avec un alias pour illustrer la syntaxe _via_.

query GetMovieCast($movieId: UUID!, $actorId: UUID!) @auth(level: PUBLIC) {
  movie(id: $movieId) {
    mainActors: actors_via_MovieActor(where: { role: { eq: "main" } }) {
      name
    }
    supportingActors: actors_via_MovieActor(
      where: { role: { eq: "supporting" } }
    ) {
      name
    }
  }
  actor(id: $actorId) {
    mainRoles: movies_via_MovieActor(where: { role: { eq: "main" } }) {
      title
    }
    supportingRoles: movies_via_MovieActor(
      where: { role: { eq: "supporting" } }
    ) {
      title
    }
  }
}

Requêtes d'agrégation

Que sont les agrégations et pourquoi les utiliser ?

Les champs agrégatifs vous permettent d'effectuer des calculs sur une liste de résultats. Avec les champs agrégables, vous pouvez effectuer les opérations suivantes, par exemple:

• Trouver la note moyenne d'un avis
• Trouver le coût total des articles d'un panier
• Trouver le produit le mieux ou le moins bien noté
• Compter le nombre de produits dans votre magasin

Les agrégations sont effectuées sur le serveur, ce qui présente un certain nombre d'avantages par rapport au calcul côté client:

• Amélioration des performances de l'application (car vous évitez les calculs côté client)
• Réduction des coûts de sortie des données (puisque vous n'envoyez que les résultats agrégés au lieu de toutes les entrées)
• Sécurité améliorée (puisque vous pouvez accorder aux clients l'accès à des données agrégées au lieu de l'ensemble de données complet)

Exemple de schéma pour les agrégations

Dans cette section, nous allons passer à un exemple de schéma de vitrine, qui est utile pour expliquer comment utiliser les agrégations:

  type Product @table {
    name: String!
    manufacturer: String!
    quantityInStock: Int!
    price: Float!
    expirationDate: Date
  }

Agrégations simples

_count pour tous les champs

Le champ d'agrégation le plus simple est _count. Il indique le nombre de lignes correspondant à votre requête. Pour chaque champ de votre type, Data Connect génère les champs agrégés correspondants en fonction du type de champ.

query CountProducts {
  products {
    _count
  }
}

{
  "products": [
    {
    "_count": 5
    }
  ]
}

Tous les champs comportent un champ <field>_count, qui compte le nombre de lignes dont la valeur est non nulle dans ce champ.

query CountProductsWithExpirationDate {
  products {
    expirationDate_count
  }
}

{
  "products": [
    {
    "expirationDate_count": 3
    }
  ]
}

_min, _max, _sum et _avg pour les champs numériques

Les champs numériques (int, float, int64) comportent également <field>_min, <field>_max, <field>_sum et <field>_avg.

query NumericAggregates {
  products {
  quantityInStock_max
  price_min
  price_avg
  quantityInStock_sum
  }
}

{
  "products": [
    {
    "quantityInStock_max": 20,
    "price_min": 1.99,
    "price_avg": 3.6566666666666666,
    "quantityInStock_sum": 35
    }
  ]
}

_min et _max pour les dates et les codes temporels

Les champs de date et d'horodatage contiennent <field>_min et <field>_max.

query DateAndTimeAggregates {
  products {
  expirationDate_max
  expirationDate_min
  }
}

{
  "products": [
    {
    "expirationDate_max": "2024-03-01",
    "expirationDate_min": "2024-01-01"
    }
  ]
}

Distinct

L'argument distinct vous permet d'obtenir toutes les valeurs uniques d'un champ (ou d'une combinaison de champs). Exemple :

query ListDistinctManufacturers {
  products(distinct: true) {
    manufacturer
  }
}

{
  "products": [
    { "manufacturer": "Acme" },
    { "manufacturer": "Beta" }
  ]
}

Vous pouvez également utiliser l'argument distinct sur les champs agrégables pour agréger les valeurs distinctes. Exemple :

query CountDistinctManufacturers {
  products {
    manufacturer_count(distinct: true)
  }
}

{
  "products": [
    {
    "manufacturer_count": 2
    }
  ]
}

Agrégations groupées

Pour effectuer une agrégation groupée, sélectionnez un ensemble de champs d'agrégation et de non-agrégation sur un type. Cela regroupe toutes les lignes correspondantes ayant la même valeur pour les champs non agrégés, puis calcule les champs agrégés pour ce groupe. Exemple :

query MostExpensiveProductByManufacturer {
  products {
  manufacturer
  price_max
  }
}

{
  "products": [
    { "manufacturer": "Acme", "price_max": 2.99 },
    { "manufacturer": "Beta", "price_max": 5.99 }
  ]
}

having et where avec agrégations groupées

Vous pouvez également utiliser les arguments having et where pour ne renvoyer que les groupes qui répondent à des critères fournis.

• having vous permet de filtrer les groupes en fonction de leurs champs agrégés.

• where vous permet de filtrer les lignes en fonction de champs non agrégés.

query FilteredMostExpensiveProductByManufacturer {
  products(having: {price_max: {ge: 2.99}}) {
  manufacturer
  price_max
  }
}

{
  "products": [
    { "manufacturer": "Acme", "price_max": 2.99 },
    { "manufacturer": "Beta", "price_max": 5.99 }
  ]
}

Agrégation entre les tables

Les champs agrégables peuvent être utilisés conjointement avec les champs de relation de type "un à plusieurs" générés pour répondre à des questions complexes sur vos données. Voici un schéma modifié, avec une table distincte, Manufacturer, que nous pouvons utiliser dans des exemples:

  type Product @table {
    name: String!
    manufacturer: Manufacturer!
    quantityInStock: Int!
    price: Float!
    expirationDate: Date
  }

  type Manufacturer @table {
    name: String!
    headquartersCountry: String!
  }

Nous pouvons désormais utiliser des champs agrégables pour déterminer, par exemple, le nombre de produits fabriqués par un fabricant:

query GetProductCount($id: UUID) {
  manufacturers {
    name
    products_on_manufacturer {
      _count
    }
  }
}

{
  "manufacturers": [
    { "name": "Acme", "products_on_manufacturer": { "_count": 2 } },
    { "name": "Beta", "products_on_manufacturer": { "_count": 1 } }
  ]
}

Mutations pour la base de données des critiques de films

Comme indiqué, lorsque vous définissez une table dans votre schéma, Data Connect génère des mutations implicites de base pour chaque table.

type Movie @table { ... }

extend type Mutation {
  # Insert a row into the movie table.
  movie_insert(...): Movie_Key!
  # Upsert a row into movie."
  movie_upsert(...): Movie_Key!
  # Update a row in Movie. Returns null if a row with the specified id/key does not exist
  movie_update(...): Movie_Key
  # Update rows based on a filter in Movie.
  movie_updateMany(...): Int!
  # Delete a single row in Movie. Returns null if a row with the specified id/key does not exist
  movie_delete(...): Movie_Key
  # Delete rows based on a filter in Movie.
  movie_deleteMany(...): Int!
}

Vous pouvez ainsi implémenter des cas CRUD de base de plus en plus complexes. Dites ça rapidement cinq fois de suite !

Directive @transaction

Cette directive garantit qu'une mutation s'exécute toujours dans une transaction de base de données.

Les mutations avec @transaction aboutissent ou échouent complètement. Si l'un des champs de la transaction échoue, l'intégralité de la transaction est annulée. Du point de vue du client, tout échec se comporte comme si l'ensemble de la requête avait échoué avec une erreur de requête et que l'exécution n'avait pas commencé.

Les mutations sans @transaction exécutent chaque champ racine l'un après l'autre dans l'ordre. Il affiche toutes les erreurs sous forme d'erreurs de champ partielles, mais pas les conséquences des exécutions ultérieures.

Créer

Créons des éléments de base.

# Create a movie based on user input
mutation CreateMovie($title: String!, $releaseYear: Int!, $genre: String!, $rating: Int!) {
  movie_insert(data: {
    title: $title
    releaseYear: $releaseYear
    genre: $genre
    rating: $rating
  })
}

# Create a movie with default values
mutation CreateMovie2 {
  movie_insert(data: {
    title: "Sherlock Holmes"
    releaseYear: 2009
    genre: "Mystery"
    rating: 5
  })
}

Ou une mise à jour.

# Movie upsert using combination of variables and literals
mutation UpsertMovie($title: String!) {
  movie_upsert(data: {
    title: $title
    releaseYear: 2009
    genre: "Mystery"
    rating: 5
    genre: "Mystery/Thriller"
  })
}

Effectuer des mises à jour

Voici les informations à jour. Les producteurs et les réalisateurs espèrent certainement que ces notes moyennes sont à la hausse.

Le champ movie_update contient un argument id attendu pour identifier un enregistrement et un champ data que vous pouvez utiliser pour définir des valeurs dans cette mise à jour.

mutation UpdateMovie(
  $id: UUID!,
  $genre: String!,
  $rating: Int!,
  $description: String!
) {
  movie_update(id: $id,
    data: {
      genre: $genre
      rating: $rating
      description: $description
    })
}

Pour effectuer plusieurs mises à jour, utilisez le champ movie_updateMany.

# Multiple updates (increase all ratings of a genre)
mutation IncreaseRatingForGenre($genre: String!, $rating: Int!) {
  movie_updateMany(
    where: { genre: { eq: $genre } },
    data:
      {
        rating: $rating
      })
}

Utiliser les opérations d'incrémentation, de diminution, d'ajout et de préfixage avec _update

Bien que vous puissiez définir explicitement des valeurs dans data: pour les mutations _update et _updateMany, il est souvent plus logique d'appliquer un opérateur tel qu'un incrément pour mettre à jour les valeurs.

Pour modifier l'exemple de mise à jour précédent, supposons que vous souhaitiez augmenter la note d'un film particulier. Vous pouvez utiliser la syntaxe rating_update avec l'opérateur inc.

mutation UpdateMovie(
  $id: UUID!,
  $ratingIncrement: Int!
) {
  movie_update(id: $id, data: {
    rating_update: {
      inc: $ratingIncrement
    }
  })
}

Data Connect accepte les opérateurs suivants pour les mises à jour de champ:

• inc pour incrémenter les types de données Int, Int64 et Float
• dec pour diminuer les types de données Int, Int64 et Float

• append pour ajouter aux types de listes, à l'exception des listes Vector
• prepend pour ajouter un préfixe aux types de listes, à l'exception des listes vectorielles

Effectuer des suppressions

Vous pouvez bien sûr supprimer les données de film. Les conservateurs de films souhaitent certainement que les films physiques soient conservés le plus longtemps possible.

# Delete by key
mutation DeleteMovie($id: UUID!) {
  movie_delete(id: $id)
}

Vous pouvez utiliser _deleteMany.

# Multiple deletes
mutation DeleteUnpopularMovies($minRating: Int!) {
  movie_deleteMany(where: { rating: { le: $minRating } })
}

Écrire des mutations sur des relations

Découvrez comment utiliser la mutation _upsert implicite sur une relation.

# Create or update a one to one relation
mutation MovieMetadataUpsert($movieId: UUID!, $director: String!) {
  movieMetadata_upsert(
    data: { movie: { id: $movieId }, director: $director }
  )
}

Laisser Data Connect fournir des valeurs à l'aide de la syntaxe field_expr

Comme indiqué dans la section Valeurs scalaires clés et valeurs du serveur, vous pouvez concevoir votre schéma de sorte que le serveur renseigne les valeurs des champs courants tels que les id et les dates en réponse aux requêtes client.

De plus, vous pouvez utiliser des données, telles que des ID utilisateur, envoyées dans des objets request Data Connect à partir d'applications clientes.

Lorsque vous implémentez des mutations, utilisez la syntaxe field_expr pour déclencher des mises à jour générées par le serveur ou accéder aux données des requêtes. Par exemple, pour transmettre l'autorisation uid stockée dans une requête à une opération _upsert, transmettez "auth.uid" dans le champ userId_expr.

# Add a movie to the user's favorites list
mutation AddFavoritedMovie($movieId: UUID!) @auth(level: USER) {
  favorite_movie_upsert(data: { userId_expr: "auth.uid", movieId: $movieId })
}

# Remove a movie from the user's favorites list
mutation DeleteFavoritedMovie($movieId: UUID!) @auth(level: USER) {
  favorite_movie_delete(key: { userId_expr: "auth.uid", movieId: $movieId })
}

Dans une application de liste de tâches familière, lorsque vous créez une liste de tâches, vous pouvez transmettre id_expr pour demander au serveur de générer automatiquement un UUID pour la liste.

mutation CreateTodoListWithFirstItem(
  $listName: String!
) @transaction {
  # Step 1
  todoList_insert(data: {
    id_expr: "uuidV4()", # <-- auto-generated. Or a column-level @default on `type TodoList` will also work
    name: $listName,
  })
}

Pour en savoir plus, consultez les scalaires _Expr dans la documentation de référence sur les scalaires.

Requêtes de recherche de données d'autorisation

Les mutations Data Connect peuvent être autorisées en interrogeant d'abord la base de données et en vérifiant les résultats de la requête avec des expressions CEL. Cette opération est utile, par exemple, lorsque vous écrivez dans une table et que vous devez vérifier le contenu d'une ligne dans une autre table.

Cette fonctionnalité est compatible avec les éléments suivants:

• La directive @check, qui vous permet d'évaluer le contenu des champs et, en fonction des résultats de cette évaluation :
  • Effectuer les opérations de création, de modification et de suppression définies par une mutation
  • Afficher les résultats d'une requête
  • Utiliser les valeurs renvoyées pour effectuer une logique différente dans votre code client
• La directive @redact, qui vous permet d'omettre les résultats de la requête des résultats du protocole filaire.

Ces fonctionnalités sont utiles pour les flux d'autorisation.

Schéma SQL équivalent

-- Movies Table
CREATE TABLE Movies (
    movie_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
    title VARCHAR(255) NOT NULL,
    release_year INT,
    genre VARCHAR(30),
    rating INT,
    description TEXT,
    tags TEXT[]
);
-- Movie Metadata Table
CREATE TABLE MovieMetadata (
    movie_id UUID REFERENCES Movies(movie_id) UNIQUE,
    director VARCHAR(255) NOT NULL,
    PRIMARY KEY (movie_id)
);
-- Actors Table
CREATE TABLE Actors (
    actor_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
    name VARCHAR(30) NOT NULL
);
-- MovieActor Join Table for Many-to-Many Relationship
CREATE TABLE MovieActor (
    movie_id UUID REFERENCES Movies(movie_id),
    actor_id UUID REFERENCES Actors(actor_id),
    role VARCHAR(50) NOT NULL, # "main" or "supporting"
    PRIMARY KEY (movie_id, actor_id),
    FOREIGN KEY (movie_id) REFERENCES Movies(movie_id),
    FOREIGN KEY (actor_id) REFERENCES Actors(actor_id)
);
-- Users Table
CREATE TABLE Users (
    user_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
    user_auth VARCHAR(255) NOT NULL
    username VARCHAR(30) NOT NULL
);
-- Reviews Table
CREATE TABLE Reviews (
    review_id UUID DEFAULT uuid_generate_v4() PRIMARY KEY,
    user_id UUID REFERENCES Users(user_id),
    movie_id UUID REFERENCES Movies(movie_id),
    rating INT,
    review_text TEXT,
    review_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    UNIQUE (movie_id, user_id)
    FOREIGN KEY (user_id) REFERENCES Users(user_id),
    FOREIGN KEY (movie_id) REFERENCES Movies(movie_id)
);
-- Self Join Example for Movie Sequel Relationship
ALTER TABLE Movies
ADD COLUMN sequel_to UUID REFERENCES Movies(movie_id);

Étape suivante

• Découvrez comment sécuriser vos requêtes et vos mutations à l'aide de l'autorisation et de l'attestation.
• Découvrez comment appeler vos requêtes et vos mutations à partir d'un SDK Web, d'un SDK Android, d'un SDK iOS et d'un SDK Flutter générés automatiquement.