هندسة البيانات قراءة 8 دقيقة

هيكلة البيانات: ماضٍ مستقر أم ثورات مستقبلية؟

55 من أصل 123 كلمة في نموذجي اللغوي الصغير تظهر في هذه المقالة● مستخدمة في هذه المقالة● كلمات إنجليزية، مترجمة

قضيت من خبرتي العملية والتعليمية قرابة 10 سنوات مع قواعد البيانات العلائقية (2008 – 2018)، مع اطلاع هامشي على فلسفات خزن البيانات الأخرى، وتعرفت خلالها على بعض المتعصبين لقواعد بيانات الـ noSQL الذين يرون أنها أقدر على أن تحل محل قواعد البيانات العلائقية في كل شيء. غير أن عالم هيكلة البيانات أكبر بكثير من هذين المفهومين فقط، وهناك الكثير مما حاولت تلخيصه في المخطط أدناه، مع التطرق إلى أنواع البيانات الجديدة (إن صح القول) في ظل الثورات التقنية الأخيرة.

خريطة خزن البيانات من أطلس أدوات البيانات، هنا على طبقة الأشكال (Shapes) مع تفعيل الخط الزمني (Timeline): يقع كل شكل عند سنة ظهوره وعند مدى استخدامه اليوم. انتقل إلى الأنظمة (Systems)، أو أطفئ الخط الزمني، أو كبّر أي مربع؛ ورابط Data Stack Atlas في الأعلى يتبع ما تنظر إليه.

كانت مطابقة الجداول مع الأصناف في البرمجة الكيانية أمراً ممتعاً لي حين تنشأ الخارطة الكبيرة، نموذج الكيانات والعلاقات، بما فيها من علاقات. ولم أكن أمانع تلك التعقيدات الإضافية من العلاقات التي ليس لها وجود في الواقع؛ فلكي تقول إن رقم الهاتف هذا يعود لذاك الشخص في البرمجة الكيانية وفي قواعد البيانات العلائقية هناك عدة طرق، لكن الطريقة التقليدية هي أن تضع الرقم التعريفي لرقم الهاتف ضمن جدول الأسماء. وما المشكلة في وضع الرقم نفسه؟ لذلك اعتبارات كثيرة متعلقة بالعلاقة بين العنصر (object) وكيفية استخدامه في البرمجة، ومحاولة الوصول إلى نموذج مشابه للحياة، وكذلك فائدة عملية في إمكانية تعديل وحدات البيانات الأصغر بشكل منفصل في ظل قاعدة بيانات محكومة بقواعد صارمة لقفل القيود في القراءة والكتابة لضمان وصول الصورة ذاتها إلى المستخدمين. لكن حتى في الحياة أو في أدمغتنا فنحن لا نفعل هذا بالضبط. كثيرون عانوا من هذا السخط: لماذا تُشكَّل البيانات بهذه الطريقة؟ ولماذا القيود بدلاً من التحرر في هياكل البيانات؟

أظن أن تلك الاعتبارات قد تغيرت اليوم في ظل وجود طبقة واقعية من الذكاء الاصطناعي تتعامل مع نصوص الكود البرمجي. فسواء كنا نتحدث عن تغييرات المخطط (schema) والفوارق بين الفلسفتين فيها، أو عن سهولة العمل، فكل هذه الاعتبارات قد ذهبت الآن. لكن ما يبقى من الاعتبارات بين النظامين هو إمكانية التوسع بشكل أفضل في قواعد بيانات المستندات.

في كتابه «تصميم أنظمة البيانات المكثفة» (Designing Data-Intensive Applications)، لا يرى مارتن كليبمان الموضوع، في هذه الحالة أو غيرها، قضية تفضيل شخصي، بل شروطاً دقيقة قد تجعلك تتجه إلى أنماط أخرى من الخزن والهيكلة، مثل النموذج الشبكي (Network model) ونموذج المخطط (Graph model) ونموذج الثلاثيات (Triple store) (Kleppmann, 2017). إن أمراً مثل الرغبة في التحرر من قيود النموذج العلائقي هو إحدى نقاط الفشل الرئيسية في هذا النموذج، وهي التي قادت نحو شيوع نموذج المستندات (Document DB) الذي يتميز أيضاً بقابلية التوسع، ضمن مسار التشاؤم والفشل في تقدم التكنولوجيا.

ما نتعلمه من كليبمان حول نمذجة البيانات هو إبقاء نطاق الرؤية واسعاً، ليس نحو تلك النماذج المندثرة فحسب مثل النموذج الشبكي أو نموذج المخطط (فرغم وجودها واستخداماتها المحددة فهي ليست منافساً فعلياً)، بل أن نضع نصب أعيننا مواضع الفشل الأخرى الواردة التي قد تقودنا إلى ابتكار نموذج خزن آخر. فالفشل في الأنظمة، والتفكير في احتمالية الفشل، يمكن أن يأخذانا إلى أي مكان.

في عصر الذكاء الاصطناعي اليوم يمكننا إعادة النظر في النماذج التي كانت أقل حظاً في الانتشار، مثل النموذج الشبكي ونموذج المخطط، فالخبرة كانت حائلاً مهماً في السابق أمام إنشاء كود برمجي مخصص لهذه الأصناف. أما اليوم فأنا أحتفظ مثلاً بفهارس شجرية (tree index) للمعلومات التي أحفظها لعملي اليومي مع الذكاء الاصطناعي، حيث أفكر في كيفية وصول عملاء الذكاء الاصطناعي (AI agents) إلى ما يحتاجون إليه، وهو أمر لم تستطع كثير من الأنظمة في الماضي التفكير فيه في تطبيقاتها. لدينا اليوم قدرة أكبر على خلق تفاعل هجين بين عدة نماذج بيانات بدلاً من الاقتصار على نموذج واحد. لكن هل نتوقع أنواعاً جديدة من البيانات أو من هيكليات البيانات في ظل الذكاء الاصطناعي؟

من المستبعد أن يستطيع نموذج لغوي اختراع هيكل بيانات جديد، خصوصاً إذا عرفنا أن كثيراً من هياكل البيانات الحالية يعود إلى الستينيات أو السبعينيات، وأن كثيراً من مختصي علوم الحاسوب لم يكن لديهم لعقود عمل يُذكر سوى التفكير في مشكلات كهذه. وهذا الأمر هو من الأساس مما يتعسّر على النماذج اللغوية. لذا أتوقع أن تمكّننا النماذج اللغوية من استغلال النماذج الحالية، لا أن تخترع صنفاً جديداً، على الأقل من حيث الأصول الأساسية لكل من أصناف البيانات الحالية.

أصناف البيانات الجديدة

كما يبدو من المخطط أعلاه، لا توجد أنواع بيانات جديدة. وإذا فكرنا في الموضوع فإن احتمالات ترتيب المعلومات بطرق مفيدة للاسترجاع هي احتمالات محدودة. فبشكل ما تتبع كل من XML وJSON طريقة متشابهة جداً، ولا تختلفان إلا في طريقة وضع الأقواس وهيكلة المعلومات، ومع ذلك شهد عالم التقنية الكثير من التفاعلات المختلفة مع كل منهما. يقال إن ترجمة (parsing) JSON أسرع من ترجمة XML (Popovic, 2017) وفقاً لاعتبارات بسيطة ودقيقة تأتي من شكل البيانات، غير أن الفارق يبقى بسيطاً. ولو توسعنا نحو نموذج المخطط وغيره فسنجد تقريباً أن الطرق الحالية قد غطت الاحتمالات الممكنة. لكن بالصعود إلى مستوى الأنظمة فالوضع مختلف.

حين نأتي إلى قواعد البيانات وأنظمة البث (streaming systems) سنجد صنفاً جديداً بدأ عام 2011 يسمى أصناف البيانات المكررة الخالية من التضارب (Conflict-free replicated data types). بشكل سحري تقترح الـ CRDT القدرة على تقبّل التكرار (replication) عبر عدة سيرفرات دون تنسيق بين تلك السيرفرات، بل بالتعويل على صنف البيانات هذا في معالجة التعارضات، عبر خوارزمية وحالة (state) لنوع البيانات ترافق البيانات المخزونة. وبالتالي فإننا نتحدث هنا عن تعقيد إضافي لا يختلف عن التعقيد الذي تتخذه أي استراتيجية لإدارة التعارض ولتكرار البيانات بين السيرفرات، سوى في كونه هنا تابعاً لصنف البيانات.

عدّاد CRDT (من نوع G-Counter) بجانب رقم عادي تفوز فيه آخر كتابة، عبر ثلاث نسخ وانقسام في الشبكة. استخدم ‹ › للتنقل خطوة بخطوة، أو دعه يعمل وحده.

لا تختلف أصناف البيانات المكررة الخالية من التضارب (CRDTs) كثيراً عن المشهد في عالم البيانات في آخر 20 سنة، من حيث اعتمادها بشكل أكبر على الذاكرة وحاجتها إلى اتصال شبكي للمزامنة (فرغم أنها تصمد دونه، تبقى بحاجة إلى الشبكة). كما أن حاجتها إلى الخزن كبيرة، وأكبر من XML أو JSON.

بعض أصناف البيانات، التي لم تكن هي الأخرى اختراعاً لصنف جديد أو تركيب جديد، ومنها e-graph، صارت مفيدة في حالات الاستخدام اللغوية هذه مع تطور نماذج التعلم الآلي والتعلم العميق. صُممت e-graphs لتكون مستودعات تضم تنوعات مختلفة من الشيء نفسه، مثل المعاني المختلفة لمفردة لغوية، أي أنها ترتكز على علاقة المساواة (في المعنى) بين مفردات لغة معينة. وبطبيعة الحال فإن مفهوم اللغة قد يتوسع هنا إلى المفهوم الأعم، وليس بالضرورة لغاتنا البشرية المنطوقة.

وكاستجابة لتغيّر احتياجات التحكم بالإصدارات (version control)، أسست شركة أنثروبك بديلاً حديثاً لـ Git هو Scion. بالطبع لا أحد منا يرى Git كهيكل بيانات، فعلاقتنا به مختلفة، لكنه هيكل بيانات بالفعل، وله نظراء في مجال مخططات قواعد البيانات وإصداراتها (schema versions) وإدارتها. قفز عدد عمليات دمج الكود (merges) في أنثروبك بفعل استخدام كلود إلى الآلاف في مايو 2026 (2500 عملية دمج في اليوم)، ثم إلى أكثر من 30 ألفاً في اليوم قبل شهرين (سبتمبر) (Anthropic, 2026). قلبت أنثروبك الكثير من مفاهيم Git، وأسست في نظامها الجديد تغييرات تتجاوز ما يمكن أن نقارنه بتراكيب البيانات، رغم أنه في النهاية تركيب بيانات.

في النهاية، إننا اليوم أكثر حرية مع تراكيب البيانات، فنحن لا نحتاج إلى خبرة شخصية للعمل معها. لكن من الجدير بالذكر أن البرمجة عبر الذكاء الاصطناعي لن تقودنا بالضرورة إلى تلك التراكيب المتنوعة، وهو أمر يتوجب علينا فهمه ومعرفته كي نكون قادرين على الاستفادة منها. كما أن اطّلاعنا على أنواع تراكيب البيانات الجديدة يجعلنا أكثر طموحاً لتصميم التراكيب التي نحتاجها عبر الذكاء الاصطناعي حين الحاجة. وهذا أمر آخر يجب أن نضعه في أذهاننا ونحن نحاول تصميم نظام ذي احتياجات خاصة غير تقليدية. ما كان ترفاً أو نزهة أكاديمية بالأمس صار ممكناً اليوم أن يدخل ضمن أنظمتنا.

إذا صنعت أنثروبك نظام التحكم بالإصدارات الخاص بها، فقد نرى شركات أخرى ومهندسين آخرين يطرحون تنوعات جديدة من تقنيات اعتدنا وجودها. لكن ما يجب أن نعرفه أيضاً هو أن التراكيب الأساسية للبيانات، سواء كانت مفاهيم مثل الطابور (queue) أو المكدّس (stack) أو الخزن العمودي، أو صيغاً معروفة مثل JSON وXML وParquet، لم تتعرض للتغيير، وعلى الأرجح لن تتعرض له. وأحد أقدم تراكيب البيانات، وهو الجداول، ما زال الأكثر استخداماً، بحكم المنطق.

المراجع

المزيد في هندسة البيانات

كل مقالات هندسة البيانات
  1. أطلس أدوات البيانات: الخريطة التي بنيتها لأدرس لامتحان هندسة البيانات في أمزونهندسة البيانات

  2. تشاؤم كليبمان: رؤية عميقة لتطور تقنيات هندسة البياناتهندسة البيانات

التعليقات

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *