分布式数据结构

Fluid Framework 为开发人员提供了分布式数据结构（DDSes），可自动确保每个连接的客户端都有权访问相同的状态。 DDSes 提供的 API 旨在让之前使用过常见数据结构的程序员感到熟悉。

分布式数据结构的行为类似于本地数据结构。 代码可以向其添加数据、删除数据、更新数据等。但是，DDS 不是本地对象。 某个 DDS 也可以由公开该 DDS 的同一父容器的其他客户端更改。 由于用户可以同时更改相同的 DDS，因此您需要慎重选择用于数据建模的 DDS。

为方案选择正确的数据结构可以提高应用程序的性能和代码结构。

DDS 之间的差别体现在三个特征上：

• 基本数据结构：例如键值对、序列或队列。
• 客户端自治： 乐观 DDS 允许任何客户端单方面更改值，并将新值中继到所有其他客户端。 但 共识 DDS 仅在通过共识过程获得其他客户端的认可后才允许进行更改。
• 合并策略：确定如何解决来自客户端的冲突更改的策略。

下面我们枚举了数据结构，并描述了它们可能最有用的时间。

键值数据

这些 DDS 用于存储键值数据。 它们属于乐观 DDS，使用“最后写入者胜出”合并策略。 虽然一个对的值可以是复杂对象，但任何给定对的值都不可直接编辑；必须将整个值替换为包含所需编辑内容的新值，并且需要整体替换。

• SharedMap：基本键值数据结构。

键值方案

键值数据结构是许多方案最常见的选择。

• 用户首选项数据。
• 调查的当前状态。
• 视图的配置。

键值 DDS 的常见问题和最佳做法

• 在 SharedMap 中存放计数器会导致意外行为。 请改用 SharedCounter。
• 将数组、列表或日志存储在键值条目中可能会导致意外行为，因为用户无法协作修改一个条目的各个部分。 尝试将数组或列表数据存储在 SharedSequence 或 SharedInk 中。
• 将大量数据存储在一个键值条目中可能会导致性能或合并问题。 每个更新将更新整个值，而不是合并两个更新。 请尝试将数据拆分到多个键。

序列

这些 DDS 用于存储顺序数据。 他们很乐观。 当需要在列表或数组中的指定索引处添加或删除数据时，序列数据结构非常有用。 与键值数据结构不同，序列具有顺序，并且可以处理来自多个用户的同时插入。

• SharedNumberSequence：数字序列。
• SharedObjectSequence：一系列纯对象。

序列方案

• 列表
• 时间线

序列 DDS 的常见问题和最佳做法

• 仅将不可变数据存储为序列中的项。 更改项值的唯一方法是先将其从序列中删除，然后在旧值所在的位置插入新值。 但是，由于其他客户端可以插入和删除，因此无法将新值放入所需位置。

字符串

SharedString DDS 用于可协作编辑的非结构化文本数据。 这是乐观的。

• SharedString -- 用于处理协作文本的数据结构。

字符串方案

• 文本编辑器

另请参阅

若要详细了解 DDSes 及其用法，请参阅 fluidframework.com 的以下部分：

• 介绍分布式数据结构。
• 分布式数据结构的类型。