Wzorce rozwoju baz danych

Wykorzystaj Cursor i Claude Code do zaawansowanego rozwoju baz danych. Te wzorce obejmują projektowanie schematów, optymalizację zapytań, migracje, tuning wydajności i najlepsze praktyki specyficzne dla baz danych w systemach SQL i NoSQL.

Projektowanie baz danych z AI

Generowanie schematów

Cursor

1. Otwórz Cursor i utwórz nowy plik
2. Aktywuj tryb Agent (Cmd/Ctrl + I)
3. Prompt: “Zaprojektuj schemat bazy danych dla e-commerce z:
   • Użytkownikami, produktami, zamówieniami, inwentarzem
   • Właściwymi relacjami i ograniczeniami
   • Indeksami dla typowych zapytań
   • Polami audytu (created_at, updated_at)
   • Wsparciem soft delete”
4. Agent generuje kompletny schemat z wyjaśnieniami

Claude Code

1. Uruchom: claude "Utwórz znormalizowany schemat bazy danych dla aplikacji SaaS"
2. Claude przeanalizuje wymagania i utworzy:
   • Schemat zarządzania użytkownikami
   • Tabele subskrypcji/rozliczeń
   • Relacje podstawowych encji biznesowych
   • Tabele audytu i bezpieczeństwa

Wzorce SQL

Optymalizacja zapytań

-- Prompt Cursor dla optymalizacji zapytań:
"Zoptymalizuj to wolne zapytanie:
SELECT * FROM orders o
JOIN users u ON o.user_id = u.id
WHERE o.created_at > '2024-01-01'
AND u.country = 'USA'

Rozważ:
- Użycie indeksów
- Plan wykonania zapytania
- Indeksy pokrywające
- Strategie partycjonowania"

Analiza zapytań AI

Cursor/Claude może:

• Analizować plany wykonania zapytań
• Sugerować brakujące indeksy
• Przepisywać zapytania dla wydajności
• Identyfikować problemy N+1
• Generować benchmarki zapytań

Zaawansowane techniki SQL

Funkcje okienka

-- Prompt: "Utwórz zapytanie analityczne używając funkcji okienka dla:
-- - Bieżących sum
-- - Rankingu w grupach
-- - Średnich ruchomych
-- - Porównań lag/lead
-- - Obliczeń percentyli"

CTE

-- Prompt: "Refaktoryzuj złożone zapytanie używając CTE dla:
-- - Hierarchii rekurencyjnych
-- - Obliczeń wieloetapowych
-- - Czytelnych podzapytań
-- - Optymalizacji wydajności"

Wzorce PostgreSQL

Zaawansowane funkcje

-- Prompt specyficzny dla PostgreSQL:
"Zaimplementuj funkcje PostgreSQL:
- Kolumny JSONB z indeksami
- Wyszukiwanie pełnotekstowe z triggerami
- Partycjonowanie tabel według daty
- Foreign data wrappers
- Row-level security
- Materialized views"

Tuning wydajności

1. Analiza zapytań: “Użyj EXPLAIN ANALYZE do identyfikacji wąskich gardeł”
2. Strategia indeksów: “Utwórz indeksy częściowe i wyrażeniowe”
3. Strategia vacuum: “Skonfiguruj autovacuum dla dużych tabel”
4. Pooling połączeń: “Skonfiguruj PgBouncer”

Wskazówka

Przy optymalizacji PostgreSQL, poproś AI o rozważenie zarówno wydajności zapytań, jak i wydajności zapisu. Czasami wymagają różnych strategii.

Wzorce MySQL/MariaDB

Strategie optymalizacji

-- Prompt optymalizacji MySQL:
"Zoptymalizuj bazę danych MySQL dla:
- Wysokiej przepustowości zapisu
- Właściwego kodowania znaków
- Rozmiaru puli buforowej InnoDB
- Konfiguracji cache zapytań
- Konfiguracji replikacji
- Przycinania partycji"

Wzorce skalowania

Repliki read

-- Prompt: "Skonfiguruj repliki read z:
-- - Konfiguracją master-slave
-- - Rozdzieleniem read/write
-- - Monitorowaniem opóźnień
-- - Strategią failover"

Sharding

-- Prompt: "Zaimplementuj sharding dla:
-- - Partycjonowania opartego na użytkownikach
-- - Dystrybucji geograficznej
-- - Zapytań cross-shard
-- - Rebalansowania shardów"

Wzorce NoSQL

Projektowanie MongoDB

// Prompt projektowania schematu MongoDB:
"Zaprojektuj kolekcje MongoDB dla aplikacji mediów społecznościowych:
- Zdenormalizowane dla wydajności odczytu
- Dokumenty embedded vs referenced
- Indeksy złożone
- Potoki agregacji
- Konfiguracja change streams
- Strategia shardingu"

Modelowanie dokumentów

Embedding

// Wzorzec embedding:
"Modeluj relacje jeden-do-wielu z:
- Dokumentami embedded dla mniej niż 100 elementów
- Atomowymi aktualizacjami
- Pobieraniem jednym zapytaniem
- Rozważeniem ograniczeń rozmiaru"

Referencing

// Wzorzec referencji:
"Modeluj wiele-do-wielu z:
- Referencjami dokumentów
- Zapytaniami populate
- Zarządzaniem spójnością
- Operacjami podobnymi do join"

Wzorce Redis

Strategie cache’owania

-- Prompt implementacji Redis:
"Zaimplementuj cache'owanie Redis dla:
- Przechowywania sesji z TTL
- Wzorca cache-aside
- Cache'owania write-through
- Wiadomości pub/sub
- Sorted sets dla tabel wyników
- HyperLogLog dla liczenia"

Struktury danych

Przypadki użycia Redis

AI może zaimplementować:

• Ograniczanie częstotliwości ze sliding windows
• Rozproszone blokady z Redlock
• Analitykę w czasie rzeczywistym
• Implementacje kolejek
• Zapytania geoprzestrzenne

Wzorce migracji

Migracje schematów

-- Prompt strategii migracji:
"Utwórz system migracji z:
- Wersjonowanymi migracjami
- Możliwościami rollback
- Wdrożeniami zero-downtime
- Migracjami danych
- Walidacją schematów
- Testowaniem migracji"

Migracja danych

1. Planowanie: “Przeanalizuj schematy źródłowe i docelowe”
2. Pipeline ETL: “Utwórz logikę ekstrakcji i transformacji”
3. Walidacja: “Zaimplementuj sprawdzanie integralności danych”
4. Cutover: “Zaplanuj strategię migracji zero-downtime”

Bazy danych szeregów czasowych

InfluxDB/TimescaleDB

-- Prompt szeregów czasowych:
"Zaprojektuj bazę danych szeregów czasowych dla IoT:
- Efektywne indeksowanie timestamp
- Polityki retencji danych
- Agregaty ciągłe
- Strategie downsampling
- Techniki kompresji
- Optymalizacja zapytań"

Uwaga

Dla danych szeregów czasowych zawsze określ wymagania retencji i wzorce zapytań z góry. Ma to dramatyczny wpływ na optymalne projektowanie schematu.

Bazy danych grafowe

Wzorce Neo4j

// Prompt bazy danych grafowej:
"Modeluj sieć społecznościową w Neo4j:
- Węzły użytkowników i relacje
- Zapytanie o rekomendacje znajomych
- Algorytmy najkrótszej ścieżki
- Wykrywanie społeczności
- Optymalizacja wydajności
- Wzorce zapytań Cypher"

Testowanie baz danych

Strategie testowe

-- Prompt testowania baz danych:
"Utwórz testy baz danych dla:
- Walidacji schematów
- Testowania ograniczeń
- Benchmarków wydajności
- Sprawdzania integralności danych
- Testowania migracji
- Weryfikacji backup/restore"

Generowanie danych testowych

Dane syntetyczne

-- Prompt: "Wygeneruj dane testowe:
-- - Realistyczne dystrybucje
-- - Relacje foreign key
-- - Przypadki brzegowe
-- - Wolumeny testów wydajności"

Maskowanie danych

-- Prompt: "Maskuj dane produkcyjne:
-- - Anonimizacja PII
-- - Spójne maskowanie
-- - Integralność referencyjna
-- - Odwracalne dla testów"

Monitorowanie wydajności

Analiza zapytań

-- Prompt konfiguracji monitorowania:
"Zaimplementuj monitorowanie zapytań:
- Logowanie wolnych zapytań
- Metryki wydajności zapytań
- Statystyki użycia indeksów
- Monitorowanie blokad
- Metryki puli połączeń
- Automatyczne alerty"

Obserwowalność baz danych

1. Zbieranie metryk: “Skonfiguruj eksportery Prometheus”
2. Dashboardy: “Utwórz dashboardy Grafana”
3. Alerty: “Skonfiguruj alerty wydajności”
4. Analiza: “Zaimplementuj analizę planów zapytań”

Backup i odzyskiwanie

Strategie backup

# Prompt implementacji backup:
"Utwórz strategię backup z:
- Automatycznymi codziennymi backupami
- Odzyskiwaniem point-in-time
- Testowaniem backupów
- Przechowywaniem offsite
- Szyfrowaniem at rest
- Procedurami odzyskiwania"

Wzorce bezpieczeństwa

Kontrola dostępu

-- Prompt bezpieczeństwa:
"Zaimplementuj bezpieczeństwo bazy danych:
- Kontrola dostępu oparta na rolach
- Row-level security
- Szyfrowanie kolumn
- Logowanie audytu
- Zapobieganie SQL injection
- Szyfrowanie połączeń"

Najlepsze praktyki bezpieczeństwa

AI pomaga zaimplementować:

• Zasadę najmniejszych uprawnień
• Strategie szyfrowania danych
• Wymagania compliance
• Ścieżki audytu bezpieczeństwa
• Skanowanie podatności

Wzorce wielobazowe

Polyglot persistence

# Prompt wielobazowy:
"Zaprojektuj architekturę polyglot:
- PostgreSQL dla transakcji
- Redis dla cache'owania
- MongoDB dla dokumentów
- Elasticsearch dla wyszukiwania
- Synchronizacja danych
- Strategie spójności"

Najlepsze praktyki z AI

Skuteczne prompty bazodanowe

-- Strukturyzuj prompty jak:
"Zoptymalizuj [zapytanie/schemat] dla [przypadku użycia] uwzględniając:
- Obecny wolumen: [X] rekordów
- Tempo wzrostu: [Y] miesięcznie
- Stosunek read/write: [Z]
- Wymagania spójności
- SLA wydajności"

Rozwiązywanie problemów wspomagane AI

Wskazówka

Przy debugowaniu problemów bazy danych, dostarcz AI:

• Plany wykonania zapytań
• Statystyki tabel
• Informacje o indeksach
• Metryki systemu To umożliwia bardziej dokładne sugestie optymalizacji.

Zaawansowane wzorce

Event sourcing

-- Implementacja event sourcing:
"Zaprojektuj event store z:
- Niezmienniym logiem zdarzeń
- Snapshotami agregatów
- Możliwością replay zdarzeń
- Aktualizacjami projekcji
- Wersjonowaniem zdarzeń
- Integracją CQRS"

Proxy baz danych

# Konfiguracja proxy:
"Skonfiguruj proxy bazy danych dla:
- Poolingu połączeń
- Routingu zapytań
- Równoważenia obciążenia
- Obsługi failover
- Cache'owania zapytań
- Filtrowania bezpieczeństwa"

Następne kroki

• Odkryj wzorce API dla projektowania API baz danych
• Naucz się wzorców serverless dla baz danych chmurowych
• Opanuj wzorce testowania dla strategii testowania baz danych