# فصل ۰۹ — پروژه: یک `CSV` کثیف را به اسکیمای درست تبدیل کن

<div dir="rtl">

# فصل ۰۹ — پروژه: یک `CSV` کثیف را به اسکیمای درست تبدیل کن

## در این فصل چه یاد می‌گیری

هیچ ابزارِ تازه‌ای. **یک فایلِ صادراتیِ ۱٬۲۰۰ سطری با ۱۴ ستون، و یک اسکیمای کامل در آن سرِ دیگر** — با دانه‌بندیِ اعلام‌شده، کلید، ارجاعِ اجراشونده، قید، و زمانِ درست. به‌علاوهٔ یک مهاجرتِ واقعی روی همان.

و در راه، چهار عدد که هر کدامشان یک تصمیم‌اند: **۱۲۳ املای نویسنده به ۱۲۰ نفر تبدیل می‌شود، ۶۶ قیمتی که یک `CAST` ساده صفرشان می‌کرد نجات پیدا می‌کنند، ۶ ثبتِ تکراری رد می‌شوند، و ۲۰۷ رویداد اصلاً وارد نمی‌شوند** — که ۵۵تایش یتیم‌های فصلِ ۳ است و بقیه‌اش نتیجهٔ همان تصمیمی که خودمان دربارهٔ آن شش ثبت گرفتیم.

![یک کارگاهِ مونتاژ که قطعه‌های نامرتب از یک سر وارد و یک دستگاهِ کامل از سرِ دیگر خارج می‌شود](/lesson-assets/t4-s09-project-schema/prompt/01-image-assembly-line.png)

آخر این فصل می‌توانی:

- یک فایلِ خام را به اسکیمایی تبدیل کنی که پایگاه داده خودش از قوانینش محافظت می‌کند
- در هر مرحله ثابت کنی که چیزی گم یا تکثیر نشده
- سطرهایی را که قید ردشان می‌کند نگه داری و دربارهٔ هرکدام تصمیم بگیری
- یک مهاجرت بنویسی که اجرای دوباره‌اش بی‌خطر است

## قبل از شروع

**همهٔ هشت فصلِ قبل.** هیچ چیزِ تازه‌ای اینجا نیست.

**دانه‌بندیِ فایلِ ورودی:** یک سطر یعنی **یک ثبت در فهرست** — یک عنوان که در یکی از شش شعبه ثبت شده. نه یک کتابِ فیزیکی، نه یک عنوانِ متمایز. **همین یک جمله تصمیمِ کلیدِ بخشِ ۳ را تعیین می‌کند.**

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-4-modelling/session-09-project-schema.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `catalog_export.csv` (روی دیسک) | ۱٬۲۰۰ | آنی |
| `loan_events` | ۲۶٬۱۱۹ | حدودِ یک ثانیه |
| `members_raw` | ۳۰۰ | آنی |

<div dir="rtl">

## ۱. قدمِ صفر: فایل را ببین، عیب‌ها را بشمار

</div>

```python
import csv

with CSV_PATH.open(encoding="utf-8") as fh:
    incoming = list(csv.DictReader(fh))

DIGITS = str.maketrans("۰۱۲۳۴۵۶۷۸۹", "0123456789")


def to_int(text):
    """رقم فارسی را برمی‌گرداند؛ اگر عدد نبود None می‌دهد، نه صفر."""
    cleaned = (text or "").translate(DIGITS)
    return int(cleaned) if cleaned.isdigit() else None


def to_persian_letters(text):
    return text.replace("ي", "ی").replace("ك", "ک")


print("سطرهای فایل :", len(incoming))
print("ستون‌ها     :", len(incoming[0]))
print()
print("املاهای متمایز نویسنده        :", len({r["author"] for r in incoming}))
print("بعد از یکسان کردن نویسه‌ها     :",
      len({to_persian_letters(r["author"]) for r in incoming}))
print("قیمت‌هایی که با رقم فارسی نوشته شده‌اند:",
      sum(1 for r in incoming
          if not r["price_text"].isascii() and to_int(r["price_text"]) is not None))
print("قیمت‌هایی که واقعاً عدد نیستند :",
      sum(1 for r in incoming if to_int(r["price_text"]) is None))
print("چاپ‌هایی که رقم فارسی دارند    :",
      sum(1 for r in incoming if not r["edition"].isascii()))
print("سطرهای بدون امتیاز             :",
      sum(1 for r in incoming if r["rating"] == ""))
```

```text
سطرهای فایل : 1200
ستون‌ها     : 14

املاهای متمایز نویسنده        : 123
بعد از یکسان کردن نویسه‌ها     : 120
قیمت‌هایی که با رقم فارسی نوشته شده‌اند: 66
قیمت‌هایی که واقعاً عدد نیستند : 103
چاپ‌هایی که رقم فارسی دارند    : 37
سطرهای بدون امتیاز             : 231
```

<div dir="rtl">

**شش عدد، قبل از اینکه یک جدول ساخته شود.**

و مهم‌ترینشان همان دو خطِ قیمت است: ۶۶ قیمت رقمِ فارسی دارند و **کاملاً معتبرند**، و ۱۰۳تا واقعاً عدد نیستند. اگر مثلِ ترمِ ۱ فقط `CAST` می‌زدیم، **هر ۱۶۹تا صفر می‌شدند** و هیچ راهی برای جدا کردنِ این دو دسته نمی‌ماند. **تابعِ `to_int` بالا برای مقدارِ غیرعددی `None` می‌دهد، نه صفر** — و این تفاوت، کلِ درسِ ترمِ ۱ فصلِ ۶ است.

## ۲. اسکیما

</div>

```python
con.executescript("""
    DROP TABLE IF EXISTS p_book_tags;  DROP TABLE IF EXISTS p_events;
    DROP TABLE IF EXISTS p_books;      DROP TABLE IF EXISTS p_tags;
    DROP TABLE IF EXISTS p_authors;    DROP TABLE IF EXISTS p_branches;
    DROP TABLE IF EXISTS p_rejected;

    CREATE TABLE p_branches (
        id   INTEGER PRIMARY KEY,
        name TEXT NOT NULL UNIQUE
    );
    CREATE TABLE p_authors (
        id   INTEGER PRIMARY KEY,
        name TEXT NOT NULL UNIQUE
                  CONSTRAINT author_is_persian
                  CHECK (name NOT LIKE '%ي%' AND name NOT LIKE '%ك%')
    );
    CREATE TABLE p_tags (
        id   INTEGER PRIMARY KEY,
        name TEXT NOT NULL UNIQUE
    );
    CREATE TABLE p_books (
        id        INTEGER PRIMARY KEY,
        title     TEXT    NOT NULL,
        author_id INTEGER NOT NULL REFERENCES p_authors(id),
        branch_id INTEGER NOT NULL REFERENCES p_branches(id),
        category  TEXT    NOT NULL,
        pages     INTEGER NOT NULL CONSTRAINT pages_positive CHECK (pages > 0),
        year      INTEGER NOT NULL CONSTRAINT year_in_range
                          CHECK (year BETWEEN 1500 AND 2100),
        edition   INTEGER NOT NULL CONSTRAINT edition_is_number
                          CHECK (typeof(edition) = 'integer'),
        rating    REAL             CONSTRAINT rating_in_range
                          CHECK (rating IS NULL OR rating BETWEEN 0 AND 5),
        price     INTEGER          CONSTRAINT price_positive
                          CHECK (price IS NULL OR price > 0),
        added_at  TEXT    NOT NULL CONSTRAINT added_at_is_iso
                          CHECK (added_at LIKE '____-__-__'),
        status    TEXT    NOT NULL DEFAULT 'shelf',
        UNIQUE (title, author_id, branch_id)
    );
    CREATE TABLE p_book_tags (
        book_id INTEGER NOT NULL REFERENCES p_books(id),
        tag_id  INTEGER NOT NULL REFERENCES p_tags(id),
        PRIMARY KEY (book_id, tag_id)
    );
    CREATE TABLE p_events (
        id          INTEGER PRIMARY KEY,
        book_id     INTEGER NOT NULL REFERENCES p_books(id),
        member_id   INTEGER NOT NULL REFERENCES members_raw(id),
        happened_at TEXT    NOT NULL CONSTRAINT happened_at_is_iso
                            CHECK (happened_at LIKE '____-__-__ __:__:__'),
        kind        TEXT    NOT NULL CONSTRAINT kind_is_known
                            CHECK (kind IN ('out', 'in'))
    );
    CREATE TABLE p_rejected (
        source_id INTEGER PRIMARY KEY,
        title     TEXT,
        reason    TEXT NOT NULL
    );
""")
con.commit()
print("جدول‌های ساخته‌شده:")
print(q("SELECT name FROM sqlite_master WHERE type = 'table' AND name LIKE 'p_%' ORDER BY name"))
```

```text
جدول‌های ساخته‌شده:
          name
0    p_authors
1  p_book_tags
2      p_books
3   p_branches
4     p_events
5   p_rejected
6       p_tags
```

<div dir="rtl">

**هفت جدول، و هر تصمیمی که در این هشت فصل گرفتیم دقیقاً یک جای مشخص در این متن دارد:** دانه‌بندی در نامِ جدول‌ها، کلیدِ جانشین در `id`، کلیدِ طبیعی در `UNIQUE (title, author_id, branch_id)`، ارجاع در `REFERENCES`، قید در `CHECK`های نام‌دار، رابطهٔ چندبه‌چند در `p_book_tags`، و زمان در دو قیدِ قالب.

**و `price` عمداً `NULL` می‌پذیرد ولی صفر نه** — چون «نمی‌دانیم چند است» با «رایگان است» فرق دارد.

## ۳. بارگذاری، با شمارشِ کنترلی در هر مرحله

</div>

```python
branches = sorted({r["branch"] for r in incoming})
authors = sorted({to_persian_letters(r["author"]) for r in incoming})
tags = sorted({t for r in incoming for t in r["tags"].split("، ")})

con.executemany("INSERT INTO p_branches (name) VALUES (?)", [(b,) for b in branches])
con.executemany("INSERT INTO p_authors (name) VALUES (?)", [(a,) for a in authors])
con.executemany("INSERT INTO p_tags (name) VALUES (?)", [(t,) for t in tags])
con.commit()

BRANCH_ID = dict(con.execute("SELECT name, id FROM p_branches").fetchall())
AUTHOR_ID = dict(con.execute("SELECT name, id FROM p_authors").fetchall())
TAG_ID = dict(con.execute("SELECT name, id FROM p_tags").fetchall())

print("شعبه‌ها:", len(BRANCH_ID), "| نویسنده‌ها:", len(AUTHOR_ID), "| برچسب‌ها:", len(TAG_ID))
```

```text
شعبه‌ها: 6 | نویسنده‌ها: 120 | برچسب‌ها: 10
```

<div dir="rtl">

**۱۲۰ نویسنده، نه ۱۲۳.** یکسان کردنِ نویسه‌ها همین‌جا انجام شد — **یک بار، در لحظهٔ ورود** — و قیدِ `author_is_persian` تضمین می‌کند که از این به بعد هیچ املای عربی‌ای وارد نشود. **این همان چیزی است که ترمِ ۱ فصلِ ۵ گفت «وصله است نه درمان»؛ اینجا درمان است.**

حالا خودِ کتاب‌ها:

</div>

```python
accepted = 0
for row in incoming:
    values = (
        int(row["id"]), row["title"],
        AUTHOR_ID[to_persian_letters(row["author"])], BRANCH_ID[row["branch"]],
        row["category"], to_int(row["pages"]), to_int(row["year"]),
        to_int(row["edition"]),
        float(row["rating"]) if row["rating"] else None,
        to_int(row["price_text"]), row["added_at"],
    )
    try:
        con.execute("""
            INSERT INTO p_books (id, title, author_id, branch_id, category,
                                 pages, year, edition, rating, price, added_at)
            VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
        """, values)
        accepted += 1
    except Exception as error:
        con.execute("INSERT INTO p_rejected VALUES (?, ?, ?)",
                    (int(row["id"]), row["title"], str(error)))
con.commit()

print("کتاب‌های پذیرفته‌شده:", accepted)
print("کتاب‌های ردشده     :", int(q("SELECT COUNT(*) AS n FROM p_rejected").iloc[0, 0]))
print("جمع                 :", accepted + int(q("SELECT COUNT(*) AS n FROM p_rejected").iloc[0, 0]))
print()
print(q("SELECT reason, COUNT(*) AS rows FROM p_rejected GROUP BY reason"))
```

```text
کتاب‌های پذیرفته‌شده: 1194
کتاب‌های ردشده     : 6
جمع                 : 1200

                                              reason  rows
0  UNIQUE constraint failed: p_books.title, p_boo...     6
```

<div dir="rtl">

**۱٬۱۹۴ قبول، ۶ رد، و جمعشان ۱٬۲۰۰.**

آن شش سطر همان شش جفتی هستند که فصلِ ۲ پیدایشان کرد: عنوان و نویسنده و شعبهٔ یکسان. **و توجه کن که این بار حذف نشدند، ثبت شدند** — با شناسه و دلیل، در جدولی که می‌شود رویش تصمیم گرفت.

## ۴. برچسب‌ها و رویدادها

</div>

```python
kept = {row[0] for row in con.execute("SELECT id FROM p_books").fetchall()}
links = [(int(r["id"]), TAG_ID[t])
         for r in incoming if int(r["id"]) in kept
         for t in r["tags"].split("، ")]
con.executemany("INSERT INTO p_book_tags VALUES (?, ?)", links)
con.commit()

loaded = rejected_events = 0
for event in con.execute("""
    SELECT id, catalog_id, member_id, happened_at, kind FROM loan_events ORDER BY id
""").fetchall():
    try:
        con.execute("INSERT INTO p_events VALUES (?, ?, ?, ?, ?)", event)
        loaded += 1
    except Exception:
        rejected_events += 1
con.commit()

orphans = int(q("""
    SELECT COUNT(*) AS n FROM loan_events AS e
    WHERE NOT EXISTS (SELECT 1 FROM catalog_raw AS c WHERE c.id = e.catalog_id)
       OR NOT EXISTS (SELECT 1 FROM members_raw AS m WHERE m.id = e.member_id)
""").iloc[0, 0])

print("پیوندهای برچسب:", len(links))
print()
print("رویدادهای وارد شده:", loaded)
print("رویدادهای رد شده  :", rejected_events)
print("  از این‌ها، یتیم‌های فصل ۳     :", orphans)
print("  و رویدادهای شش کتابِ ردشده :", rejected_events - orphans)
print("جمع                :", loaded + rejected_events, "| سطرهای loan_events: 26119")
```

```text
پیوندهای برچسب: 2175

رویدادهای وارد شده: 25912
رویدادهای رد شده  : 207
  از این‌ها، یتیم‌های فصل ۳     : 55
  و رویدادهای شش کتابِ ردشده : 152
جمع                : 26119 | سطرهای loan_events: 26119
```

<div dir="rtl">

**دویست و هفت رویداد وارد نشدند، و دو دلیلِ کاملاً متفاوت دارند.**

پنجاه‌وپنج‌تایشان همان یتیم‌های فصلِ ۳ هستند — شش کتاب و دو عضوی که وجود ندارند. **۱۵۲تای دیگر رویدادهای همان شش ثبتی‌اند که خودمان در بخشِ ۳ ردشان کردیم.** و آن تصمیم قطعی نیست: تمرینِ ستاره‌دار نشان می‌دهد آن شش ثبت احتمالاً اصلاً تکراری نیستند. یعنی یک تصمیم در جدولِ کتاب‌ها، سطرهایی را در جدولِ رویدادها هم انداخت — **و این دقیقاً همان چیزی است که یک کلیدِ خارجیِ اجراشونده باید بکند: نگذارد داده به چیزی اشاره کند که تصمیم گرفته‌ای نداشته باشی.**

## ۵. اثبات: نه گم شد، نه تکثیر

</div>

```python
rejected_ids = {row[0] for row in con.execute("SELECT source_id FROM p_rejected").fetchall()}
csv_links = sum(len(r["tags"].split("، ")) for r in incoming)
lost_links = sum(len(r["tags"].split("، ")) for r in incoming
                 if int(r["id"]) in rejected_ids)

checks = [
    ("کتاب‌ها + ردشده‌ها",
     accepted + int(q("SELECT COUNT(*) AS n FROM p_rejected").iloc[0, 0]), 1200),
    ("رویدادها + ردشده‌ها", loaded + rejected_events, 26119),
    ("پیوندهای برچسب",
     int(q("SELECT COUNT(*) AS n FROM p_book_tags").iloc[0, 0]),
     csv_links - lost_links),
    ("نویسنده‌های یکتا",
     int(q("SELECT COUNT(*) AS n FROM p_authors").iloc[0, 0]), 120),
    ("نقض‌های کلید خارجی",
     len(pd.read_sql_query("PRAGMA foreign_key_check", con)), 0),
]
for label, got, want in checks:
    print(f"  {label:<22} {got:>7}  انتظار {want:>7}  {'✔' if got == want else '✘'}")
print()
print(q("""
    SELECT t.name, COUNT(*) AS books
    FROM p_book_tags AS bt
    JOIN p_tags AS t ON t.id = bt.tag_id
    GROUP BY t.id, t.name
    ORDER BY books DESC, t.name
    LIMIT 3
"""))
```

```text
  کتاب‌ها + ردشده‌ها        1200  انتظار    1200  ✔
  رویدادها + ردشده‌ها      26119  انتظار   26119  ✔
  پیوندهای برچسب            2175  انتظار    2175  ✔
  نویسنده‌های یکتا           120  انتظار     120  ✔
  نقض‌های کلید خارجی           0  انتظار       0  ✔

          name  books
0  ادبیات کودک    249
1        تاریخ    231
2    چاپ نایاب    226
```

<div dir="rtl">

**پنج آزمون، هر پنج پاس.**

> ✅ **چک کن:** هر پنج خط باید علامتِ درست بگیرند. اگر «نقض‌های کلید خارجی» صفر نشد، جایی داده را با پرچمِ خاموش وارد کرده‌ای — و **هیچ‌کدام از چهار عددِ دیگر دیگر معنایی ندارند.**

## ۶. یک مهاجرتِ واقعی

فردا کسی می‌گوید باید بدانیم هر کتاب کِی آخرین بار امانت رفته. **قاعدهٔ فقط-افزودنی: یک ستون اضافه می‌شود و هیچ‌چیزی برداشته نمی‌شود.**

</div>

```python
MIGRATIONS = [
    (1, "ALTER TABLE p_books ADD COLUMN last_loan_at TEXT"),
    (2, """UPDATE p_books
           SET last_loan_at = (SELECT MAX(e.happened_at) FROM p_events AS e
                               WHERE e.book_id = p_books.id AND e.kind = 'out')"""),
    (3, "CREATE INDEX IF NOT EXISTS idx_events_book ON p_events(book_id)"),
]


def migrate(connection):
    version = connection.execute("PRAGMA user_version").fetchone()[0]
    applied = []
    for number, statement in MIGRATIONS:
        if number <= version:
            continue
        connection.execute(statement)
        connection.execute(f"PRAGMA user_version = {number}")
        applied.append(number)
    connection.commit()
    return applied


con.execute("PRAGMA user_version = 0")
con.commit()
print("اجرای اول:", migrate(con), "| نسخه:", con.execute("PRAGMA user_version").fetchone()[0])
print("اجرای دوم:", migrate(con), "| نسخه:", con.execute("PRAGMA user_version").fetchone()[0])
print()
print("کتاب‌هایی که ستون تازه‌شان پر شد:",
      int(q("SELECT COUNT(last_loan_at) AS n FROM p_books").iloc[0, 0]))
print("کتاب‌هایی که هرگز امانت نرفته‌اند :",
      int(q("SELECT COUNT(*) AS n FROM p_books WHERE last_loan_at IS NULL").iloc[0, 0]))
print()
print(q("""
    SELECT b.title, b.last_loan_at
    FROM p_books AS b
    WHERE b.last_loan_at IS NOT NULL
    ORDER BY b.last_loan_at DESC, b.id
    LIMIT 3
"""))
```

```text
اجرای اول: [1, 2, 3] | نسخه: 3
اجرای دوم: [] | نسخه: 3

کتاب‌هایی که ستون تازه‌شان پر شد: 994
کتاب‌هایی که هرگز امانت نرفته‌اند : 200

           title         last_loan_at
0     کویر و برف  2025-06-30 22:48:03
1  بازگشت به خاک  2025-06-30 21:29:35
2    روزهای چراغ  2025-06-30 20:57:20
```

<div dir="rtl">

**اجرای دوم هیچ کاری نکرد، و ستونِ تازه برای کتابِ بی‌امانت `NULL` ماند — نه یک تاریخِ ساختگی.**

**و توجه کن که این ستون همان معاملهٔ فصلِ ۵ است**: یک واقعیتِ محاسبه‌شده که کنارِ کتاب نشسته و از این به بعد باید سازگار نگه داشته شود. **پس کنارِ این مهاجرت یک آزمونِ سازگاری هم لازم است که هر شب اجرا شود و جوابش صفر بماند.** آن آزمون خودش مهاجرت نیست، چون مهاجرت دقیقاً یک بار اجرا می‌شود.

> 🔧 **اگر کار نکرد:** اگر قیدِ قالبِ تاریخ را جدی نگیری، اولین سطری که با قالبِ دیگری بیاید همان‌جا رد می‌شود — و این خبرِ خوبی است:

</div>

```python
try:
    con.execute("""
        INSERT INTO p_books (id, title, author_id, branch_id, category,
                             pages, year, edition, added_at)
        VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)
    """, (9001, "کتاب آزمایشی", 1, 1, "علم", 100, 2020, 1, "30/06/2025"))
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
con.rollback()
```

```text
sqlite3.IntegrityError
CHECK constraint failed: added_at_is_iso
```

<div dir="rtl">

## ۷. گزارشِ نهایی

سه جمله که می‌شود رویشان تصمیم گرفت، و هر جمله عددش را با خودش می‌آورد:

1. **۱٬۱۹۴ ثبت از ۱٬۲۰۰ ثبتِ فایل وارد اسکیمای تازه شد** — شش‌تایش رد شد چون عنوان و نویسنده و شعبه‌شان تکراری بود، و هر شش در `p_rejected` با دلیلشان ثبت‌اند. **این‌ها حذف نشده‌اند؛ منتظرِ تصمیم‌اند.**
2. **۱۲۳ املا به ۱۲۰ نویسنده تبدیل شد و ۶۶ قیمت نجات پیدا کرد** — و از این به بعد هیچ املای عربی و هیچ قیمتِ صفرِ ساختگی وارد نمی‌شود، چون قیدش در اسکیماست نه در کد.
3. **رویدادهایی که به کتاب یا عضوِ ناموجود اشاره می‌کنند دیگر وارد نمی‌شوند** — و همان‌طور که فصلِ ۳ گفت، این جلوی خون‌ریزیِ تازه را می‌گیرد، نه اینکه گذشته را پاک کند.

**و آنچه نمی‌دانیم، بخشی از همین گزارش است:** ۱۰۳ ثبت قیمتشان `NULL` است و در هیچ میانگینِ قیمتی نیستند؛ ۲۳۱ ثبتِ فایل امتیاز ندارند و همان‌طور که ترمِ ۱ نشان داد این جاافتادگی تصادفی نیست؛ و مدلِ ما هنوز **نسخهٔ فیزیکی** ندارد، پس نمی‌تواند بگوید یک عنوانِ دوجلدی همین حالا کجاست. دو ستونِ فایل هم عمداً منتقل نشدند: `audio_minutes` که در هر ۱٬۲۰۰ سطر خالی است، و `borrowed` که شمارنده‌ای است با منبعِ نامعلوم و `p_events` جایش را می‌گیرد.

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** در `p_books` یک ثبت در فهرست — همان دانه‌بندیِ فایلِ ورودی، دست‌نخورده. در `p_book_tags` یک جفتِ «کتاب و برچسب»، و در `p_events` یک رویداد. **با کدام شمارشِ دوم سنجیدی؟** با پنج آزمونِ بخشِ ۵، که هر کدامشان یک جمعِ مستقل را با یک عددِ از پیش معلوم می‌سنجد. **چه کسی از قلم افتاد؟** شش ثبتِ تکراری و رویدادهایشان، ۵۵ رویدادِ یتیم، و ۴۷ عضوی که از فصلِ ۱ می‌دانیم هرگز کتابی نبرده‌اند و در `p_events` هیچ سطری ندارند.

> 🤖 **از دستیارت بپرس:** «برای تبدیلِ یک `CSV` کثیف به یک اسکیمای رابطه‌ای، ترتیبِ کارها چه باید باشد؟» بعد این را بپرس: **«چرا سطرهایی را که قید رد می‌کند باید در جدولِ جدا نگه داشت به‌جای اینکه دور ریخته شوند؟»** — جوابِ درست می‌گوید ردشدن یعنی «هنوز تصمیم نگرفته‌ایم»، نه «بی‌ارزش است». اگر جواب فقط گفت «برای اشکال‌یابی»، نصفِ ماجرا را گفته.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| schema design | اسکیما دیزاین | طراحیِ اسکیما؛ تصمیم دربارهٔ جدول‌ها و ستون‌ها و قیدها |
| ingestion | اینجستیون | مرحلهٔ ورودِ دادهٔ خام به پایگاه داده |
| lookup table | لوک‌آپ تیبل | جدولِ کوچکی مثلِ `p_tags` که فقط نام و شناسه دارد |
| reconciliation | ری‌کانسیلی‌ایشن | تطبیق؛ سنجیدنِ جمعِ هر مرحله با یک شمارشِ مستقل |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا تعدادِ رویدادهای ردشده از ۵۵ بیشتر شد؟

**تمرینِ اجباری:** جدولِ `members_raw` را هم به این اسکیما اضافه کن: یک جدولِ `p_members` با قیدهای مناسب بساز، بارگذاری کن، و بعد `p_events.member_id` را به آن ارجاع بده — نه به `members_raw`. **قبل و بعدِ هر مرحله شمارش بگیر**، و بگو **چند رویداد این بار رد می‌شوند و چرا عددش با بخشِ ۴ فرق دارد**. راهنمایی: فصلِ ۲ گفت ۳۳ عضو کد ملی ندارند و ۱۲ عضو شمارهٔ تلفنشان مشترک است.

**تمرینِ ستاره‌دار ⭐:** شش سطرِ `p_rejected` را واقعاً تعیینِ تکلیف کن. برای هرکدام به فایلِ اصلی برگرد و ببین دو ثبت واقعاً یک کتاب‌اند یا دو نسخه از آن. **بعد اسکیما را طوری عوض کن که هر دو حالت قابلِ بیان باشند** — راهنمایی: یک جدولِ تازه برای نسخه‌های فیزیکی. حالا سؤالِ سخت: **این تغییر دانه‌بندیِ `p_books` را عوض می‌کند یا نه، و کدام پرسش‌های فصل‌های قبل بعد از آن جوابِ متفاوتی می‌گیرند؟**

## در فصل بعد

ترمِ ۴ تمام شد. حالا می‌توانی از یک فایلِ خام به اسکیمایی برسی که خودش از قوانینش محافظت می‌کند، و فردا عوضش کنی بدونِ اینکه چیزی بشکند.

ولی در تمامِ این ترم یک چیز را نادیده گرفتیم: **سرعت.** ترمیمِ ستونِ خلاصه در فصلِ ۵ همین ترم دو ثانیه طول کشید و ما فقط رد شدیم. **ترمِ ۵ سراغِ همان می‌رود** — با دادهٔ بزرگ‌تر، با `EXPLAIN QUERY PLAN` به‌عنوان ذره‌بین، و با قاعده‌ای که هیچ استثنا ندارد: **هیچ ادعای سرعتی بدونِ زمانِ قبل، زمانِ بعد، و نقشهٔ اجرا پذیرفته نیست.**

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t4/s09-project-schema (یادستان, Yaadestan)
