Pagination adalah teknik untuk memecahkan set rekod besar ke bahagian yang lebih kecil yang dipanggil halaman. Sebagai pemaju, anda harus biasa dengan melaksanakan penomboran, tetapi melaksanakan penomboran untuk data masa nyata boleh menjadi rumit walaupun untuk pemaju yang berpengalaman. Dalam tutorial ini, kita akan membincangkan kes -kes penggunaan praktikal dan penyelesaian untuk penomboran data masa nyata dan penomboran berasaskan kursor.

Takeaways Key

Pagination adalah kaedah yang digunakan untuk memecahkan set rekod besar ke dalam bahagian yang lebih kecil, yang dikenali sebagai halaman. Melaksanakan penomboran untuk data masa nyata boleh mencabar kerana kemas kini yang kerap dan potensi untuk hasil yang tidak tepat apabila menambahkan atau mengeluarkan data.
Pelbagai laman rangkaian sosial, seperti Twitter dan Facebook, telah berjaya melaksanakan penomboran data masa nyata. Mereka menggunakan penomboran berasaskan kursor, yang bergantung kepada pengenal unik (kursor) daripada kiraan rekod untuk penomboran.
Pagination berasaskan kursor memerlukan sekurang -kurangnya satu lajur dengan nilai berurutan yang unik, sama seperti parameter max_id Twitter atau parameter selepas Facebook. Ia juga memerlukan parameter kiraan untuk menapis bilangan hasil yang terhad, dan URL seterusnya dan sebelumnya untuk menavigasi data.
Pagination berasaskan kursor pada umumnya lebih cekap dan boleh dipercayai daripada penomboran berasaskan offset, terutamanya untuk data masa nyata atau dataset besar. Ia mengurangkan beban pada pelayan dan membuat proses penomboran lebih cepat dan lebih cekap.
Melaksanakan penomboran berasaskan kursor melibatkan beberapa langkah, termasuk memutuskan pengenal unik untuk digunakan sebagai kursor, mengubah suai pertanyaan pangkalan data untuk mengambil rekod berdasarkan kursor ini, dan mengemas kini UI aplikasi untuk mengendalikan data paginated dan membolehkan pengguna untuk Navigasi melalui halaman.

Mengenalpasti isu dalam penomboran data masa nyata

Wikipedia mentakrifkan data masa nyata sebagai maklumat yang dihantar segera selepas pengumpulan. Tiada kelewatan dalam ketepatan masa maklumat yang diberikan. Dalam aplikasi sedemikian, sukar untuk menyediakan data paginated yang tepat kerana kemas kini yang kerap. Mari kita lihat isu -isu dengan penomboran standard ketika menguruskan data masa nyata.

• menganggap data adalah statik dan tidak berubah kerap - dalam penomboran lalai, set rekod yang diambil dibahagikan kepada beberapa halaman. Oleh kerana data tidak sering berubah, pengguna merasa seperti penomboran berfungsi dengan tepat, tetapi hasil penomboran menjadi tidak tepat ketika menambahkan data baru atau mengeluarkan data yang ada.

• Pagination hanya menganggap kiraan rekod, bukannya setiap rekod individu - rekod dipecahkan ke dalam halaman menggunakan jumlah rekod dan paginated secara normal. Ia tidak menganggap sama ada setiap rekod jatuh ke dalam halaman yang betul pada penomboran. Ini boleh membawa kepada paparan rekod yang berlebihan.

Memandangkan perkara ini, sukar untuk digunakan untuk teknik penomboran lalai untuk mengendalikan data masa nyata. Mari cuba mengenal pasti isu -isu menggunakan senario praktikal.

Anggapkan bahawa kami mempunyai 20 rekod pada mulanya dan kami menggunakan 10 sebagai had untuk memecahkan rekod ke dalam halaman. Imej berikut menunjukkan bagaimana rekod dipecah menjadi halaman.

kini menganggap bahawa set keputusan dikemas kini oleh lima rekod baru semasa kami berada di halaman pertama. Imej berikut menunjukkan senario semasa.

Sekarang kami menavigasi ke halaman kedua. Berdasarkan imej pertama kami, ia harus mengambil rekod dari 1-10. Walau bagaimanapun, rekod dengan nombor 15-6 akan diambil. Anda dapat melihat dengan jelas bahawa nombor rekod 15-11 dipaparkan di kedua-dua halaman pertama serta halaman kedua.

Kes penggunaan praktikal Pagination data masa nyata

Seperti yang kita semua tahu, mencipta semula roda bukanlah sesuatu yang harus dilakukan oleh pemaju. Kita harus melihat teknik penomboran yang ada di laman web yang menyelesaikan isu -isu ini sebelum memikirkan membina sendiri. Banyak laman rangkaian sosial seperti Twitter dan Facebook menyediakan data masa nyata dalam profil pengguna mereka. Dalam bahagian ini, kita akan melihat kes -kes penggunaan praktikal penomboran data masa nyata menggunakan beberapa laman web yang paling popular.

Twitter API Cursor berasaskan Pagination

Profil pengguna Twitter sering dihuni dengan tweet baru, jadi mekanisme pengambilan data garis masa Twitter harus menjadi permulaan yang baik untuk mengenal pasti teknik penomboran dalam suapan data masa nyata. Mari kita lihat bagaimana ia berfungsi menggunakan kaedah API Twitter.

Berikut ini mengandungi permintaan sampel ke kaedah tweet carian Twitter API.

Dalam URL di atas, kami meminta tweet terkini yang mengandungi perkataan 'php' dan memecahkan hasil yang ditetapkan ke dalam blok 10 menggunakan parameter kiraan. Ini adalah tingkah laku tipikal penomboran mengimbangi di mana kita membalas kiraan rekod. Tetapi di sini kita dapat melihat dua parameter tambahan yang dipanggil sejak_id dan max_id, yang membolehkan penomboran berasaskan kursor. Mari kita lihat bagaimana penomboran berasaskan kursor menggunakan contoh terdahulu kita.

https://api.twitter.com/1.1/search/tweets.json?q=php&since_id=24012619984051000&max_id=250126199840518145&result_type=recent&count=10

Kami mempunyai 20 rekod yang dipecahkan kepada 2 muka surat dan menganggap kami berada di halaman pertama. 5 rekod baru ditambah ke bahagian atas senarai. Imej berikut pratonton senario semasa.

Sekarang mari kita lihat sebahagian daripada respons yang dihasilkan untuk halaman pertama permintaan carian Twitter. Anda boleh melihat format respons lengkap di sini.

https://api.twitter.com/1.1/search/tweets.json?q=php&since_id=24012619984051000&max_id=250126199840518145&result_type=recent&count=10

seperti yang anda lihat, bahagian carian_metadata memberikan butiran mengenai hasilnya. Ia akan menjana URL Next_results, sekiranya terdapat lebih banyak rekod untuk menafikan. Kami terutamanya menggunakan parameter max_id untuk penomboran. Dengan setiap tindak balas kami akan mengambil parameter max_id dan kami boleh menggunakannya untuk menghasilkan set keputusan seterusnya. Kami menggunakan parameter max_id untuk menerima hasil yang lebih tua daripada id yang diberikan.

Dalam contoh kita, kita harus mengambil parameter max_id sebagai rekod 11 semasa memaparkan rekod 20-11. Kemudian kami lulus max_id untuk menjana set keputusan seterusnya. Oleh itu, kita akan mendapat hasil yang tepat seperti yang ditunjukkan dalam imej berikut.

Seperti yang anda lihat, kami mempunyai hasil yang tepat untuk halaman kedua dengan menghapuskan 15 rekod di bahagian atas dan bukannya 10 dalam penomboran berasaskan offset. Dalam penomboran berasaskan kursor kita tidak dapat mempertimbangkan konsep halaman, kerana ia berubah dengan cepat, jadi hasilnya akan dianggap sebagai sebelumnya atau seterusnya. Umumnya, max_id cukup berkesan untuk menghasilkan hasil yang tepat, tetapi boleh ada senario di mana sejak_id juga penting semasa menuding balik dan sebagainya. Anda boleh melihat contoh yang lebih maju menggunakan kedua -dua max_id dan sejak_id di bahagian pemaju Twitter.

Pagination berasaskan kursor API Facebook

Pelaksanaan API Facebook sedikit berbeza berbanding dengan Twitter, walaupun kedua -dua API menggunakan teori yang sama. Mari kita lihat respons untuk contoh permintaan API Facebook.

"search_metadata": {
  "max_id": 250126199840518145,
  "since_id": 24012619984051000,
  "refresh_url": "?since_id=250126199840518145&q=php&result_type=recent&include_entities=1",

  "next_results": "?max_id=249279667666817023&q=php&count=10&include_entities=1&result_type=recent",

  "count": 10,
  "completed_in": 0.035,
  "since_id_str": "24012619984051000",
  "query": "php",
  "max_id_str": "250126199840518145"
}

Seperti yang anda lihat, Facebook menggunakan dua kursor berasaskan rentetan yang dipanggil sebelum dan selepas, untuk penomboran, bukannya sejak_id dan max_id. Di Facebook, sebelum kursor akan menunjuk pada permulaan halaman manakala selepas kursor menunjuk pada akhir halaman.

Kebanyakan API dengan data masa nyata menggunakan mekanisme ini untuk menafikan secara tepat melalui hasilnya. Sebagai pemaju, kita perlu mengetahui teori di sebalik penomboran berasaskan kursor untuk menggunakan API sedia ada serta mencipta sendiri apabila perlu.

asas -asas penomboran bangunan untuk data masa nyata

Melaksanakan penomboran data masa nyata adalah tugas yang rumit di luar skop tutorial ini, jadi kita akan melihat keperluan asas dan proses mewujudkan mekanisme penomboran yang mudah untuk memahami penomboran berasaskan kursor.

mari kita mengenal pasti komponen asas penomboran berasaskan kursor, menggunakan contoh yang telah dibincangkan sebelumnya.

• Kursor - kita perlu mempunyai sekurang -kurangnya satu lajur dengan nilai berurutan yang unik untuk melaksanakan penomboran berasaskan kursor. Ini boleh sama dengan parameter max_id Twitter atau parameter selepas Facebook.

• Count - Kami memerlukan parameter kiraan seperti penomboran berasaskan offset untuk menapis bilangan hasil yang terhad, sebelum atau selepas kursor.

• URL Seterusnya - Ini diperlukan sekiranya kita menyediakan penomboran melalui API. Pengguna perlu tahu sama ada halaman seterusnya tersedia dan bagaimana untuk mendapatkan set data seterusnya.

• URL Sebelumnya - Ini diperlukan sekiranya kita menyediakan penomboran melalui API. Pengguna perlu tahu sama ada halaman sebelumnya tersedia dan bagaimana untuk mendapatkan set data seterusnya.

Ini adalah keperluan asas untuk penomboran berasaskan kursor. Pemaju sering bekerja dengan penomboran berasaskan mengimbangi dan jarang mendapat peluang untuk bekerja dengan penomboran berasaskan kursor, jadi penting untuk mengenal pasti perbezaan dan manfaat setiap teknik untuk menggunakannya dalam senario yang sesuai.

• Dalam penomboran mengimbangi, kita boleh menyusun dengan mana -mana lajur dan menuding hasil sementara penomboran berasaskan kursor bergantung kepada penyortiran lajur kursor yang unik.

• Paginasi mengimbangi mengandungi nombor halaman sebagai tambahan kepada pautan seterusnya dan sebelumnya. Tetapi kerana sifat data yang sangat dinamik, kami tidak dapat memberikan nombor halaman untuk penomboran berasaskan kursor.

• Secara amnya, penomboran mengimbangi membolehkan kita menavigasi ke kedua -dua arah manakala penomboran berasaskan kursor kebanyakannya digunakan untuk navigasi ke hadapan.

Setakat ini, kami melihat keperluan asas dan perbezaan penomboran berasaskan kursor. Sekarang kita boleh bergerak ke dalam pelaksanaan sampel untuk mengenal pasti bagaimana ia berfungsi.

Melaksanakan penomboran berasaskan kursor asas

https://api.twitter.com/1.1/search/tweets.json?q=php&since_id=24012619984051000&max_id=250126199840518145&result_type=recent&count=10

• Pertama, kami membuat sambungan pangkalan data menggunakan PDO. Kemudian kami melaksanakan fungsi HandlePaginationData untuk menuding hasilnya.

• maka kita periksa sama ada parameter max_id atau min_id tersedia dalam URL. Max_id adalah sama dengan parameter selepas Facebook dan digunakan untuk menavigasi ke hadapan. Min_id adalah serupa dengan Facebook sebelum parameter dan digunakan untuk menavigasi ke belakang. Juga, kami menyediakan arah navigasi, klausa di mana menggunakan max_id atau min_id dan perintah penyortiran.

• maka kami melaksanakan pertanyaan untuk mendapatkan kiraan hasil lengkap diikuti dengan pertanyaan yang sama dengan pernyataan had untuk menyempitkan hasilnya.

• Sekiranya kita melintasi arah sebelumnya, kita perlu menukar penyortiran ke ASC. Jika tidak, ia akan mengambil rekod paling terkini dan bukannya halaman sebelumnya. Kami membalikkan rekod dalam array untuk menunjukkan kepada mereka sebagai turun.

• Kemudian kami gelung melalui hasilnya. Semasa gelung, kami memberikan ID rekod pertama sebagai min_id dan rekod terakhir sebagai max_id. Nilai kursor ini digunakan untuk menapis data yang tepat dengan menghapuskan pertindihan.

• Akhirnya, kita dapat melihat fungsi paginator untuk melaksanakan pautan penomboran.

"search_metadata": {
  "max_id": 250126199840518145,
  "since_id": 24012619984051000,
  "refresh_url": "?since_id=250126199840518145&q=php&result_type=recent&include_entities=1",

  "next_results": "?max_id=249279667666817023&q=php&count=10&include_entities=1&result_type=recent",

  "count": 10,
  "completed_in": 0.035,
  "since_id_str": "24012619984051000",
  "query": "php",
  "max_id_str": "250126199840518145"
}

Kod berikut mengandungi kod inisialisasi untuk penomboran yang dihasilkan dalam bahagian ini.

https://api.twitter.com/1.1/search/tweets.json?q=php&since_id=24012619984051000&max_id=250126199840518145&result_type=recent&count=10

Sekarang kita mempunyai sampel penomboran data yang mudah untuk memahami bagaimana penomboran data masa nyata berfungsi. Gunakan kod ini dan paginate melalui hasilnya. Semasa menafikan, tambahkan beberapa rekod di hujung meja untuk menjadikannya masa nyata. Kemudian paginate ke hadapan dan ke belakang untuk memeriksa duplikasi data di halaman. Lakukan perkara yang sama dengan penomboran berasaskan offset untuk memahami perbezaannya.

Kesimpulan

Dalam tutorial ini, kami mempelajari teori di sebalik penomboran data masa nyata dengan penomboran berasaskan kursor. Marilah kita tahu fikiran dan pengalaman anda dalam komen di bawah!

Soalan Lazim (Soalan Lazim) mengenai Pagination Berbasis Kursor

Apakah perbezaan utama antara penomboran berasaskan Offset dan Kursor? Walau bagaimanapun, kaedah ini boleh membawa kepada isu -isu seperti rekod pendua jika data ditambah atau dikeluarkan semasa penomboran. Sebaliknya, penomboran berasaskan kursor menggunakan pengecam unik (kursor) dari rekod terakhir yang diambil untuk mendapatkan set rekod seterusnya. Kaedah ini lebih cekap dan mengelakkan isu-isu yang berkaitan dengan penomboran berasaskan offset, menjadikannya sesuai untuk data masa nyata.

Bagaimanakah penomboran berasaskan kursor mengendalikan data masa nyata? Pagination berasaskan sangat berkesan untuk data masa nyata kerana ia menggunakan pengecam unik (kursor) dari rekod terakhir yang diambil untuk mendapatkan set rekod seterusnya. Ini bermakna bahawa walaupun data baru ditambah atau data sedia ada dikeluarkan semasa proses penomboran, kursor masih akan menunjukkan rekod seterusnya yang betul, memastikan tiada rekod yang terlepas atau diduplikasi. digunakan dengan apa-apa jenis data? Walau bagaimanapun, ia amat berkesan dengan data masa nyata atau dataset besar di mana kecekapan adalah penting. Kursor boleh menjadi pengecam unik, seperti cap waktu atau ID yang unik, yang boleh digunakan untuk mengambil set rekod seterusnya. Penomboran berasaskan kursor meningkatkan prestasi dengan mengurangkan jumlah data yang perlu diproses sekaligus. Daripada mengambil semua rekod dan kemudian melangkau nombor tertentu, penomboran berasaskan kursor hanya mengambil set rekod seterusnya berdasarkan kursor. Ini mengurangkan beban pada pelayan dan menjadikan proses penomboran lebih cepat dan lebih efisien.

Bagaimana saya boleh melaksanakan penomboran berasaskan kursor dalam aplikasi saya?

Melaksanakan penomboran berasaskan kursor dalam permohonan anda melibatkan beberapa langkah. Pertama, anda perlu membuat keputusan mengenai pengecam unik untuk digunakan sebagai kursor. Ini boleh menjadi cap waktu, ID unik, atau nilai unik yang lain. Seterusnya, anda perlu mengubah suai pertanyaan pangkalan data anda untuk mengambil rekod berdasarkan kursor ini. Akhirnya, anda perlu mengemas kini UI aplikasi anda untuk mengendalikan data paginated dan membolehkan pengguna menavigasi melalui halaman. Pagination lebih cekap dan boleh dipercayai daripada penomboran berasaskan offset, ia mempunyai beberapa kelemahan yang berpotensi. Sebagai contoh, ia boleh menjadi lebih kompleks untuk dilaksanakan, terutamanya jika data anda tidak mempunyai pengecam unik yang jelas untuk digunakan sebagai kursor. Di samping itu, ia mungkin tidak sesuai untuk semua kes penggunaan, seperti ketika anda perlu melompat ke nombor halaman tertentu. -Parinasi berasaskan boleh digunakan dengan GraphQL. Malah, GraphQL mempunyai sokongan terbina dalam penomboran berasaskan kursor melalui spesifikasi relay. Ini membolehkan anda dengan mudah melaksanakan penomboran yang cekap dan boleh dipercayai dalam aplikasi GraphQL anda. Pengenal pasti, seperti cap waktu atau ID yang unik, sebagai kursor. Anda kemudian boleh mengubah suai pertanyaan SQL anda untuk mengambil rekod berdasarkan kursor ini, menggunakan klausa 'di mana' dan 'had' untuk menentukan julat rekod untuk mengambil. API?

Slack menggunakan penomboran berasaskan kursor di API mereka untuk mengambil sejumlah besar data yang besar. Mereka menggunakan pengecam unik sebagai kursor, dan memberikan kursor ini dalam respons API untuk membolehkan pelanggan mengambil set rekod seterusnya. Ini membolehkan mereka mengendalikan dataset yang besar dengan prestasi dan kebolehpercayaan yang tinggi. Pengenal pasti sebagai kursor dan termasuk kursor ini dalam objek 'pautan' respons API. Ini membolehkan pelanggan dengan mudah mengambil set rekod seterusnya dengan mengikuti pautan yang disediakan. Spesifikasi ini menyediakan cara yang standard dan konsisten untuk melaksanakan penomboran berasaskan kursor di JSON API.

Atas ialah kandungan terperinci Paginating data masa nyata dengan penomboran berasaskan kursor. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!