Indexes এবং Query Optimization

TinyDB একটি NoSQL ডাটাবেস, যেখানে JSON ফাইলের মাধ্যমে ডেটা সংরক্ষণ করা হয়। যদিও এটি বড় ডেটাবেসের জন্য ডিজাইন করা হয়নি, তবে ইনডেক্সিং এবং কোয়েরি অপটিমাইজেশন ব্যবহার করে ডেটা অনুসন্ধান ও পরিচালনার গতি বাড়ানো যায়। TinyDB এর ইনডেক্সিং এবং অপ্টিমাইজেশনের ধারণাগুলো নিচে তুলে ধরা হলো:

Indexing

TinyDB ডেটাবেসে ডেটা দ্রুত অনুসন্ধান করার জন্য ইনডেক্সিং ব্যবহার করে। এটি ডেটা রিট্রাইভাল প্রসেসকে গতিশীল করে এবং বড় ডেটাসেটের মধ্যে দ্রুত ফলাফল প্রদান করে।

কীভাবে Index কাজ করে?

• TinyDB প্রতিটি টেবিলের জন্য স্বয়ংক্রিয়ভাবে ইনডেক্স তৈরি করে।
• কোয়েরি করার সময়, TinyDB ইনডেক্স ব্যবহার করে শর্তগুলো মিলিয়ে দ্রুত ফলাফল প্রদান করে।
• ইনডেক্স মূলত ডেটার একটি রেফারেন্স, যা সরাসরি JSON ফাইল স্ক্যান না করেই প্রাসঙ্গিক ডেটা খুঁজে পেতে সাহায্য করে।

Query Optimization কৌশল

১. প্রয়োজন অনুযায়ী ইনডেক্স ব্যবহার করা

TinyDB ডিফল্টভাবে ইনডেক্স ব্যবহার করে, তবে নিশ্চিত করতে হবে যে আপনার কোয়েরি সঠিকভাবে ইনডেক্সড ফিল্ড ব্যবহার করছে।

from tinydb import TinyDB, Query

db = TinyDB('db.json')
db.insert_multiple([
    {'name': 'Rahim', 'age': 25, 'city': 'Dhaka'},
    {'name': 'Karim', 'age': 30, 'city': 'Chittagong'},
    {'name': 'Aziz', 'age': 35, 'city': 'Dhaka'}
])

# ইনডেক্স ব্যবহার করে অনুসন্ধান
User = Query()
result = db.search(User.city == 'Dhaka')  # 'city' ইনডেক্সড ফিল্ড
print(result)

২. যুক্তিসঙ্গত ফিল্ড নির্বাচন

যেসব ফিল্ডে অনুসন্ধান বেশি করা হয়, সেগুলো ইনডেক্সড ফিল্ড হিসেবে ব্যবহারের জন্য বেছে নিন। উদাহরণস্বরূপ, name বা city এর মতো ফিল্ড।

৩. যৌক্তিক অপারেটর ব্যবহার

TinyDB কোয়েরিতে AND (&) এবং OR (|) অপারেটর ব্যবহার করতে পারে। এগুলো সঠিকভাবে ব্যবহার করলে কোয়েরি পারফরম্যান্স বাড়ে।

# বয়স ৩০ এর বেশি এবং 'Dhaka' শহরের ডেটা
result = db.search((User.age > 30) & (User.city == 'Dhaka'))
print(result)

৪. Query গুলো সরল রাখা

জটিল কোয়েরি TinyDB তে ধীরগতির হতে পারে। একাধিক ছোট কোয়েরি ব্যবহার করলে কার্যকারিতা বাড়তে পারে।

# প্রথমে 'Dhaka' শহরের সব ডেটা ফিল্টার করুন
city_data = db.search(User.city == 'Dhaka')

# তারপর বয়স ৩০ এর বেশি ডেটা বের করুন
result = [user for user in city_data if user['age'] > 30]
print(result)

৫. Lazy Loading ব্যবহার

TinyDB এর Lazy Table ফিচার ব্যবহার করে টেবিল লোডিংয়ের সময় সাশ্রয় করা যায়। এটি টেবিল শুধুমাত্র প্রয়োজন হলে লোড করে।

from tinydb import TinyDB

db = TinyDB('db.json', storage='MemoryStorage')  # Lazy Loading

কোয়েরি অপ্টিমাইজেশনের টিপস

1. কমপ্লেক্স কোয়েরি এড়ানো: খুব বেশি শর্তযুক্ত বা বড় JSON ডেটার উপর কোয়েরি করার সময় পারফরম্যান্স কমে যেতে পারে।
2. সঠিক ডেটাবেস স্ট্রাকচার ব্যবহার: ডেটা প্রয়োজন অনুযায়ী টেবিল ভাগ করে নিন।
3. Result Caching ব্যবহার করা: বারবার একই ডেটার উপর কোয়েরি চালানোর পরিবর্তে ডেটা ক্যাশে করে রাখুন।
4. ইনডেক্স করা ফিল্ডে ফোকাস করুন: TinyDB স্বয়ংক্রিয় ইনডেক্স করে, তবে আপনি নিশ্চিত করুন কোয়েরি ইনডেক্সড ফিল্ডে চালানো হচ্ছে।
5. Pagination ব্যবহার করা: বড় ডেটাসেটের জন্য ফলাফলকে পৃষ্ঠাগুলিতে ভাগ করে দেখান।

উদাহরণ: Query এবং Optimization একসাথে

# টেবিলে ডেটা যোগ করা
db.insert_multiple([
    {'name': 'John', 'age': 29, 'city': 'New York'},
    {'name': 'Jane', 'age': 31, 'city': 'San Francisco'},
    {'name': 'Alice', 'age': 25, 'city': 'New York'},
    {'name': 'Bob', 'age': 40, 'city': 'Seattle'}
])

# নির্দিষ্ট শহরের এবং বয়স ৩০ এর বেশি
optimized_query = db.search((User.city == 'New York') & (User.age > 30))
print(optimized_query)

সারাংশ

TinyDB ছোট প্রকল্পের জন্য ইনডেক্সিং এবং কোয়েরি অপ্টিমাইজেশন সরবরাহ করে। ইনডেক্স করা ফিল্ডে কোয়েরি চালানোর মাধ্যমে ডেটা রিট্রাইভাল দ্রুত করা সম্ভব। কোয়েরি অপ্টিমাইজেশনের কৌশলগুলো অনুসরণ করে TinyDB এর কার্যকারিতা সর্বাধিক করা যায়।

Index কী?

Index হলো ডাটাবেসের একটি ডেটা স্ট্রাকচার যা ডেটার দ্রুত অনুসন্ধান ও অ্যাক্সেস নিশ্চিত করে। এটি ডাটাবেসে সংরক্ষিত তথ্যের একটি সংক্ষিপ্ত সংস্করণ, যা নির্দিষ্ট ডেটা দ্রুত খুঁজে পেতে সহায়তা করে। ডাটাবেসের মূল ডেটাতে সরাসরি অনুসন্ধান করার পরিবর্তে, Index ব্যবহার করে অনেক কম সময়ে তথ্য খুঁজে পাওয়া যায়।

Index এর প্রয়োজনীয়তা

ডাটাবেস বড় হওয়ার সাথে সাথে ডেটা খোঁজার প্রক্রিয়া ধীর হয়ে যেতে পারে। Index এর মাধ্যমে ডেটা অনুসন্ধান এবং অপারেশনগুলোকে দ্রুততর করা হয়। এর কিছু প্রধান কারণ ও প্রয়োজনীয়তা হলো:

১. দ্রুত অনুসন্ধান

ডেটার দ্রুত অনুসন্ধান নিশ্চিত করতে Index অপরিহার্য। উদাহরণস্বরূপ, একটি বড় টেবিলে যদি ডেটা খুঁজতে হয়, Index ব্যবহার করে সহজেই তা পাওয়া যায়।

২. কোয়ারি অপ্টিমাইজেশন

ডাটাবেসে জটিল SELECT, UPDATE, বা DELETE কোয়ারি চালানোর সময় Index কোয়ারি পারফরম্যান্স বাড়ায়।

৩. পড়ার গতি বৃদ্ধি

Index তৈরি করলে ডেটা পড়ার গতি উল্লেখযোগ্যভাবে বৃদ্ধি পায়, বিশেষ করে যখন ডেটা টেবিল বড় হয়।

৪. ইনডেক্সের মাধ্যমে সাজানো ডেটা

Index ব্যবহার করে ডেটা সরাসরি সাজানো (ordered) অবস্থায় রাখা যায়। এটি ORDER BY বা GROUP BY কোয়ারির পারফরম্যান্স বাড়ায়।

৫. প্রাথমিক ও বাইরের কী অনুসন্ধান

Primary Key এবং Foreign Key-এর ভিত্তিতে ডেটা দ্রুত খুঁজে পাওয়ার জন্য Index ব্যবহার করা হয়।

কিভাবে Index কাজ করে?

Index মূলত টেবিলের একটি বা একাধিক কলামের উপর ভিত্তি করে একটি গাছ (tree) বা হ্যাশ (hash) স্ট্রাকচার তৈরি করে। এটি দ্রুত অনুসন্ধান করার জন্য ডেটার রেফারেন্স ধরে রাখে।
যখন কোয়ারি চালানো হয়:

• Index প্রথমে সংশ্লিষ্ট ডেটার অবস্থান শনাক্ত করে।
• এরপর সেই অবস্থান থেকে মূল ডেটা রিট্রাইভ করা হয়।

Index এর প্রকারভেদ

ডাটাবেসে বিভিন্ন ধরনের Index ব্যবহৃত হয়, যেমন:

১. Primary Index

• এটি টেবিলের Primary Key-এর উপর ভিত্তি করে তৈরি হয়।
• প্রতিটি রেকর্ডকে অনন্যভাবে চিহ্নিত করে।

২. Unique Index

• এই Index নিশ্চিত করে যে নির্দিষ্ট কলামের মান অনন্য থাকবে।

৩. Clustered Index

• Clustered Index ডেটাকে ফিজিক্যালি সাজিয়ে রাখে।
• একটি টেবিলে শুধুমাত্র একটি Clustered Index থাকতে পারে।

৪. Non-Clustered Index

• এটি ডেটা ফিজিক্যালি সাজায় না কিন্তু ডেটার রেফারেন্স প্রদান করে।
• একটি টেবিলে একাধিক Non-Clustered Index থাকতে পারে।

৫. Full-Text Index

• টেক্সট সার্চ অপারেশনের জন্য ব্যবহৃত হয়।

উদাহরণ

Index তৈরি করা:

CREATE INDEX idx_name ON users(name);

Index সহ অনুসন্ধান:

SELECT * FROM users WHERE name = 'Aziz';

Index সরানো:

DROP INDEX idx_name;

Index এর সুবিধা

1. অনুসন্ধান দ্রুততর করা: বড় ডাটাবেসে ডেটা খোঁজার সময় সময় বাঁচায়।
2. কোয়ারি পারফরম্যান্স উন্নত করা: বড় ও জটিল কোয়ারির সময় গতি বাড়ায়।
3. Ordered ডেটা প্রদান: ডেটাকে স্বয়ংক্রিয়ভাবে সাজিয়ে রাখে।
4. Primary এবং Foreign Key ব্যবস্থাপনা সহজ: টেবিলের রিলেশনশিপ বজায় রাখতে সাহায্য করে।

Index এর সীমাবদ্ধতা

1. ডেটা লেখার গতি কমানো: ডেটা INSERT, UPDATE, বা DELETE করার সময় Index আপডেট হওয়ায় কিছুটা সময় বেশি লাগে।
2. ডিস্ক স্পেস খরচ: Index তৈরি করার জন্য অতিরিক্ত স্টোরেজ প্রয়োজন।
3. অপ্রয়োজনীয় Index: যদি অনেক Index তৈরি করা হয়, তবে তা পারফরম্যান্সের পরিবর্তে ক্ষতি করতে পারে।

সারাংশ

Index ডাটাবেসের একটি অপরিহার্য অংশ, যা ডেটা দ্রুত অনুসন্ধান ও কোয়ারি পারফরম্যান্স বাড়ানোর জন্য ব্যবহৃত হয়। তবে Index ব্যবহারের সময় শুধুমাত্র প্রয়োজনীয় ক্ষেত্রে তা ব্যবহার করা উচিত, যাতে লেখার পারফরম্যান্স ও ডিস্ক স্পেসের অপচয় না হয়।

TinyDB স্বয়ংক্রিয়ভাবে ইনডেক্সিং ব্যবহার করে ডেটা ম্যানেজমেন্টকে দ্রুত এবং কার্যকর করতে। এটি ডেটা অনুসন্ধান ও রিট্রাইভাল প্রক্রিয়াকে ত্বরান্বিত করে। যদিও সরাসরি ব্যবহারকারীর জন্য ম্যানুয়াল ইনডেক্সিং করতে হয় না, তবে TinyDB এর বিল্ট-ইন ইনডেক্সিং সিস্টেমের কার্যকারিতা এবং কাস্টম ইনডেক্সিং সম্পর্কিত বিষয়গুলো জানা গুরুত্বপূর্ণ।

TinyDB তে ইনডেক্স কীভাবে কাজ করে?

TinyDB-র প্রতিটি টেবিলে ইনডেক্স সাপোর্ট রয়েছে। ডেটা যোগ বা আপডেট করার সময় TinyDB স্বয়ংক্রিয়ভাবে ইনডেক্স তৈরি করে। এটি Query অপারেশনগুলো দ্রুত করার জন্য ব্যবহৃত হয়। যখন কোনো শর্তযুক্ত অনুসন্ধান (search বা get) চালানো হয়, তখন TinyDB এই ইনডেক্স ব্যবহার করে ডেটা রিট্রাইভাল আরও কার্যকর করে।

ডিফল্ট ইনডেক্সিং

TinyDB প্রতিটি ফিল্ডের জন্য ডিফল্ট ইনডেক্স তৈরি করে। উদাহরণস্বরূপ, আপনি যদি একটি টেবিলে ডেটা যোগ করেন এবং কোনো নির্দিষ্ট ফিল্ডে অনুসন্ধান করেন, TinyDB সেই ফিল্ডের জন্য ইনডেক্স ব্যবহার করবে।

from tinydb import TinyDB, Query

# TinyDB ডাটাবেস তৈরি
db = TinyDB('db.json')

# ডেটা যোগ করা
db.insert({'name': 'Rahim', 'age': 30, 'city': 'Dhaka'})
db.insert({'name': 'Karim', 'age': 25, 'city': 'Chittagong'})
db.insert({'name': 'Mehedi', 'age': 22, 'city': 'Sylhet'})

# Query তৈরি
User = Query()

# 'name' ইনডেক্স ব্যবহার করে ডেটা Fetch করা
result = db.search(User.name == 'Rahim')
print(result)

# আউটপুট:
# [{'name': 'Rahim', 'age': 30, 'city': 'Dhaka'}]

ইনডেক্স কাস্টমাইজেশন

TinyDB সরাসরি ম্যানুয়াল ইনডেক্সিং সমর্থন করে না, তবে আপনি বিশেষভাবে অপ্টিমাইজড ডেটা স্টোরেজের জন্য storage বা middleware ব্যবহার করতে পারেন। উদাহরণস্বরূপ, আপনি Caching Middleware ব্যবহার করে ডেটা দ্রুত অ্যাক্সেস করতে পারেন।

উদাহরণ: ইনডেক্সিং সহ Caching Middleware

from tinydb import TinyDB, Query
from tinydb.middlewares import CachingMiddleware
from tinydb.storages import JSONStorage

# Middleware সহ ডাটাবেস তৈরি
db = TinyDB('db.json', storage=CachingMiddleware(JSONStorage))

# ডেটা যোগ করা
db.insert({'name': 'Rahim', 'age': 30, 'city': 'Dhaka'})
db.insert({'name': 'Karim', 'age': 25, 'city': 'Chittagong'})

# Query ব্যবহার করে ডেটা Fetch করা
User = Query()
result = db.search(User.city == 'Dhaka')
print(result)

# আউটপুট:
# [{'name': 'Rahim', 'age': 30, 'city': 'Dhaka'}]

ইনডেক্স অপ্টিমাইজেশনের জন্য Storage কাস্টমাইজেশন

আপনি Custom Storage বা Middleware ব্যবহার করে ইনডেক্স ম্যানেজমেন্ট আরও কার্যকর করতে পারেন। এর মাধ্যমে বড় ডেটাবেসে ডেটা রিট্রাইভাল সময় কমিয়ে আনা সম্ভব।

উদাহরণ: Memory Storage ব্যবহার

from tinydb import TinyDB, Query
from tinydb.storages import MemoryStorage

# ইন-মেমোরি স্টোরেজ ব্যবহার করে ডাটাবেস তৈরি
db = TinyDB(storage=MemoryStorage)

# ডেটা যোগ করা
db.insert({'name': 'Rahim', 'age': 30, 'city': 'Dhaka'})
db.insert({'name': 'Karim', 'age': 25, 'city': 'Chittagong'})

# Query ব্যবহার করে ডেটা Fetch করা
User = Query()
result = db.search(User.age > 25)
print(result)

# আউটপুট:
# [{'name': 'Rahim', 'age': 30, 'city': 'Dhaka'}]

ইনডেক্স ব্যবহারের সুবিধা

• দ্রুত অনুসন্ধান: ইনডেক্সিং অপারেশনগুলো দ্রুত করে তোলে।
• অপ্টিমাইজড ডেটা রিট্রাইভাল: বড় ডেটাসেটে ডেটা ফিল্টারিং কার্যকর।
• কম মেমরি ব্যবহার: ইনডেক্স ব্যবহার করে ডেটাবেসে কম্পিউটেশনাল সময় এবং মেমরি খরচ কমে।
• স্বয়ংক্রিয় আপডেট: ইনডেক্সিং স্বয়ংক্রিয়ভাবে আপডেট হয় যখন নতুন ডেটা যোগ বা মুছে ফেলা হয়।

সারাংশ

TinyDB তে ইনডেক্সিং স্বয়ংক্রিয় এবং ব্যবহারকারীর হস্তক্ষেপ ছাড়াই কার্যকর। এটি JSON ফাইল ভিত্তিক ডেটাবেসে দ্রুত এবং সহজ অনুসন্ধান প্রক্রিয়া নিশ্চিত করে। বড় ডেটাবেসের জন্য Caching Middleware এবং Custom Storage ব্যবহার করলে আরও ভালো পারফরম্যান্স পাওয়া যায়।

TinyDB ছোট এবং হালকা ডাটাবেস হওয়ার কারণে পারফরম্যান্স একটি গুরুত্বপূর্ণ বিষয়, বিশেষত যখন বড় ডেটাসেট নিয়ে কাজ করতে হয়। TinyDB-তে Query Performance Optimization এর জন্য বেশ কিছু কৌশল রয়েছে, যা ডেটা অনুসন্ধান এবং প্রসেসিংকে দ্রুততর করতে সাহায্য করে।

১. ইনডেক্স (Index) ব্যবহার

TinyDB-তে ইনডেক্সিং ডেটা অনুসন্ধানের গতি বৃদ্ধি করতে সাহায্য করে। ইনডেক্সিংয়ের মাধ্যমে ডেটা সরাসরি নির্দিষ্ট অবস্থানে খুঁজে পাওয়া যায়, যা linear search এড়িয়ে যায়।

ইনডেক্স কনফিগার করা:

from tinydb import TinyDB, Query

db = TinyDB('db.json', storage=TinyDB.default_storage, ensure_ascii=False)
db.table('_default').all()  # Default Table

TinyDB ইতিমধ্যে ইনডেক্সের মতো ডেটা পরিচালনা করে, কিন্তু যখন ডেটাসেট বড় হয়, তখন টেবিলের সঠিক বিভাজন নিশ্চিত করা জরুরি।

২. Table বিভাজন করা

যদি আপনার ডেটাবেসে বিভিন্ন ধরনের ডেটা থাকে, তবে একাধিক টেবিল ব্যবহার করুন।

উদাহরণ:

users_table = db.table('users')
products_table = db.table('products')

# পৃথক টেবিলে ডেটা যোগ
users_table.insert({'name': 'Rahim', 'age': 30})
products_table.insert({'product': 'Laptop', 'price': 50000})

এটি পৃথক টেবিলে অনুসন্ধানের সময় অপ্রয়োজনীয় ডেটা স্ক্যান এড়িয়ে যায়।

৩. Query Optimization

নির্দিষ্ট Query ব্যবহার করুন

একটি সুনির্দিষ্ট Query Object ব্যবহার করা পারফরম্যান্স উন্নত করে।

উদাহরণ:

User = Query()

# সাধারণ Query
result = db.search(User.name == 'Rahim')

# উন্নত Query
result = db.get(User.name == 'Rahim')  # শুধুমাত্র একটি রেকর্ডের জন্য

get() ফাংশন search() এর তুলনায় দ্রুত কাজ করে কারণ এটি প্রথম মিল পাওয়া ডেটা রিটার্ন করেই থেমে যায়।

৪. শর্ত অপ্টিমাইজ করুন

জটিল শর্ত তৈরি করার সময় লজিক্যাল অপারেটরগুলির ব্যবহার কমিয়ে আনুন। AND এবং OR এর ব্যবহার পদ্ধতিগতভাবে সাজান।

উদাহরণ:

# অপ্রয়োজনীয় শর্ত
result = db.search((User.name == 'Rahim') & (User.age > 20) & (User.city == 'Dhaka'))

# অপ্টিমাইজড শর্ত
result = db.search((User.name == 'Rahim') & (User.city == 'Dhaka'))

শর্ত যত কম এবং নির্দিষ্ট হবে, তত দ্রুত TinyDB ফলাফল প্রদান করতে পারবে।

৫. ডেটা লোড এড়িয়ে চলুন

ডেটাবেস থেকে সমস্ত ডেটা লোড করা এড়িয়ে চলুন, কারণ এটি মেমোরি ব্যবহার বাড়ায় এবং প্রসেসিং ধীর করে।

উদাহরণ:

# অপ্রয়োজনীয়
all_data = db.all()

# প্রয়োজন অনুসারে
filtered_data = db.search(User.age > 25)

৬. JSON ফাইলের আকার নিয়ন্ত্রণ করা

TinyDB JSON ফাইলের উপর নির্ভর করে। বড় JSON ফাইল ম্যানেজ করতে সমস্যা হলে, ডেটা আকার নিয়ন্ত্রণ করুন:

• অপ্রয়োজনীয় ফিল্ড বাদ দিন।
• কম ডেটা সংরক্ষণ করুন।

৭. ব্যাচ অপারেশন ব্যবহার করা

একটি সময়ে একাধিক ডেটা পড়া বা লেখার জন্য batch operations ব্যবহার করুন।

উদাহরণ:

db.insert_multiple([
    {'name': 'Rahim', 'age': 30},
    {'name': 'Karim', 'age': 25}
])

৮. ডেটা ক্যাশিং (Data Caching)

ডেটা বারবার পড়ার পরিবর্তে ডেটা ক্যাশ করুন যদি তা স্থায়ীভাবে অপরিবর্তিত থাকে। এটি TinyDB এর বাইরের পদ্ধতি হলেও পারফরম্যান্স বাড়াতে কার্যকর।

৯. read-only operations

যদি ডেটা শুধুমাত্র পড়তে হয় এবং আপডেটের প্রয়োজন না থাকে, তবে read-only মুডে ডেটাবেস ব্যবহার করুন।

১০. আলাদা ফাইল ব্যবহারের কৌশল

বড় ডেটাবেসের পরিবর্তে ডেটা ভাগ করে আলাদা JSON ফাইলে সংরক্ষণ করুন।

উদাহরণ:

TinyDB('user_data.json')
TinyDB('product_data.json')

সারাংশ

TinyDB-তে Query Performance Optimization এর মাধ্যমে বড় ডেটাসেট এবং জটিল অনুসন্ধানও দ্রুত কার্যকর করা সম্ভব। সঠিক শর্ত, ইনডেক্সিং, টেবিল বিভাজন, এবং JSON ফাইল ম্যানেজমেন্ট এই অপ্টিমাইজেশনের মূল কৌশল। এগুলোর সঠিক প্রয়োগ ডেটা ম্যানেজমেন্টকে আরো দক্ষ করে তোলে।

TinyDB-তে Index ডেটার দ্রুত অনুসন্ধান এবং ফিল্টার করার একটি শক্তিশালী উপায়। Indexing মূলত ডেটার ওপর একটি বিশেষ কাঠামো তৈরি করে, যা ডেটার অবস্থান সম্পর্কে তথ্য সংরক্ষণ করে। ফলে ডেটাবেসে ডেটা ফিল্টারিং বা Fetch করার সময় সরাসরি ডেটার সঠিক অবস্থানে পৌঁছানো যায়, যা অপারেশনকে দ্রুততর করে।

Indexing কীভাবে কাজ করে?

1. Index তৈরি: TinyDB ডিফল্টভাবে প্রতিটি ফিল্ডের জন্য স্বয়ংক্রিয়ভাবে Index তৈরি করে।
2. অনুসন্ধানের সময়: যখন আপনি ডেটা Fetch করার জন্য একটি Query চালান, তখন TinyDB Index ব্যবহার করে ডেটা সনাক্ত করে।
3. দ্রুত অ্যাক্সেস: Index-এর কারণে সম্পূর্ণ ডেটাবেস স্ক্যান না করে সরাসরি সংশ্লিষ্ট ডেটা Retrieve করা যায়।

Index ব্যবহার করে ডেটা Fetch করার কার্যকারিতা

১. দ্রুত পারফরম্যান্স

Index-এর সাহায্যে সরাসরি ডেটার সঠিক অবস্থান চিহ্নিত করা যায়। এটি O(1) টাইম কমপ্লেক্সিটির কাছাকাছি পারফরম্যান্স প্রদান করে।

উদাহরণ:
ধরা যাক, আপনার ডাটাবেসে ১০,০০০ ডকুমেন্ট আছে। Index ছাড়া প্রতিটি ডকুমেন্ট স্ক্যান করতে সময় লাগবে। কিন্তু Index-এর সাহায্যে সুনির্দিষ্ট ফিল্ডে সরাসরি অ্যাক্সেস করা সম্ভব।

২. কম্পিউটেশনাল কার্যক্ষমতা বৃদ্ধি

বড় ডেটাসেটে যেখানে প্রতিটি ডকুমেন্ট স্ক্যান করার প্রয়োজন হতে পারে, সেখানে Index ব্যবহার করে TinyDB শুধুমাত্র প্রাসঙ্গিক ডেটা Fetch করতে পারে।

উদাহরণ:

from tinydb import TinyDB, Query

db = TinyDB('data.json')

# ডেটা যোগ
db.insert({'name': 'Rahim', 'age': 30})
db.insert({'name': 'Karim', 'age': 25})
db.insert({'name': 'Mehedi', 'age': 22})

# Index ব্যবহার করে নির্দিষ্ট Query চালানো
User = Query()
result = db.search(User.age == 25)

print(result)

এখানে User.age ফিল্ডের জন্য Index কাজ করে এবং দ্রুত ফলাফল প্রদান করে।

৩. মেমরি দক্ষতা

TinyDB-এর Index ছোট আকারে সংরক্ষিত হয় এবং ডেটা অনুসন্ধানের সময় এটি RAM-এ লোড করে কার্যক্রম দ্রুততর করে।

৪. বড় ডেটাবেস পরিচালনা

যখন ডাটাবেস বড় হয়, তখন Index ছাড়া প্রতিটি অনুসন্ধানে সম্পূর্ণ ডাটাবেস স্ক্যান করতে হয়। Index ব্যবহার করে এই সমস্যা দূর করা যায় এবং বড় ডেটাবেসেও কার্যকারিতা বজায় রাখা যায়।

উদাহরণ: Index-এর কার্যকারিতা পর্যালোচনা

from tinydb import TinyDB, Query

db = TinyDB('data.json')

# ডেটা যোগ
for i in range(10000):
    db.insert({'id': i, 'value': f'Data {i}'})

# Index ব্যবহার করে অনুসন্ধান
User = Query()
result = db.search(User.id == 5000)

print(result)

ফলাফল:
Index-এর কারণে ডাটাবেস স্ক্যান না করেও সরাসরি id == 5000 ডকুমেন্টটি খুঁজে পাওয়া সম্ভব।

Index ব্যবহার করার সুবিধা

সারাংশ

TinyDB-তে Indexing ডেটা Fetch করার সময় পারফরম্যান্স বাড়ায় এবং বড় ডেটাবেসেও কার্যকারিতা নিশ্চিত করে। Index-এর মাধ্যমে ডেটার সঠিক অবস্থান চিহ্নিত করা যায় এবং দ্রুত অনুসন্ধান করা সম্ভব। এটি মেমরি ও CPU রিসোর্স সাশ্রয়ী করার পাশাপাশি ডাটাবেস অ্যাপ্লিকেশনকে দ্রুততর করে।