Προσωρινή αποθήκευση και συγχρονισμός δεδομένων στην ανάπτυξη κινητών: τι είναι, ποιες στρατηγικές και πώς λειτουργεί

Διαχείριση Δεδομένων σε Εφαρμογές Κινητών: Μοτίβο Repository και Data Source

Το μοτίβο Repository είναι μια αρχιτεκτονική προσέγγιση όπου μια ενιαία κλάση αποθετηρίου διαχειρίζεται όλες τις λειτουργίες δεδομένων, αφαιρώντας τα απομακρυσμένα REST API και την τοπική αποθήκευση Room ή SwiftData. Αυτός ο τρόπος διαχείρισης δεδομένων επιτρέπει στην εφαρμογή να λαμβάνει πληροφορίες πρώτα από το Memory Cache ή το Disk Cache, και στη συνέχεια από το δίκτυο, μειώνοντας τον χρόνο απόκρισης. Στην ανάπτυξη κινητών, το Repository έχει γίνει το de facto πρότυπο χάρη στις συστάσεις της Google και της Apple.

Remote Data Source και Local Data Source

Το Remote Data Source παρέχει ενημερωμένες πληροφορίες από τον διακομιστή μέσω αιτημάτων HTTP. Local Data Source είναι η τοπική αποθήκευση στη συσκευή, που υλοποιείται μέσω Room σε Android ή SwiftData σε iOS. Το αποθετήριο συνδυάζει και τις δύο πηγές: πρώτα ελέγχει την τοπική προσωρινή αποθήκευση και, ελλείψει δεδομένων, ζητά από το απομακρυσμένο API. Αυτή η οργάνωση διαχείρισης δεδομένων επιτρέπει στην εφαρμογή να λειτουργεί σε λειτουργία εκτός σύνδεσης και μειώνει το φορτίο του διακομιστή.

Παράδειγμα Repository σε Kotlin

class UserRepository(
    private val remoteDataSource: UserRemoteDataSource,
    private val localDataSource: UserLocalDataSource
) {
    suspend fun getUsers(): List<User> {
        localDataSource.getCachedUsers()?.let { return it }
        val users = remoteDataSource.fetchUsers()
        localDataSource.cacheUsers(users)
        return users
    }
}

Παράδειγμα Repository σε Swift

class UserRepository {
    private let remote: UserRemoteDataSource
    private let local: UserLocalDataSource
    
    func getUsers() async throws -> [User] {
        if let cached = await local.getCached() { return cached }
        let users = try await remote.fetch()
        await local.save(users)
        return users
    }
}

Προσωρινή Αποθήκευση Δεδομένων: LRU Cache, Disk Cache και Memory Cache

LRU Cache (Least Recently Used) είναι ένας αλγόριθμος προσωρινής αποθήκευσης όπου, όταν φτάσει το όριο, το στοιχείο που δεν έχει προσπελαστεί για το μεγαλύτερο χρονικό διάστημα αφαιρείται. Σε εφαρμογές κινητών, το LRU Cache χρησιμοποιείται για εικόνες, αποκρίσεις API και σειριοποιημένα αντικείμενα. Η σωστή προσωρινή αποθήκευση δεδομένων μειώνει τον αριθμό των αιτημάτων δικτύου και επιταχύνει τη φόρτωση περιεχομένου. Η προσωρινή αποθήκευση σε εφαρμογές κινητών είναι απαραίτητο συστατικό για υψηλή απόδοση.

Memory Cache vs Disk Cache

Το Memory Cache αποθηκεύει δεδομένα στη RAM — η πρόσβαση είναι εξαιρετικά γρήγορη, αλλά η χωρητικότητα περιορίζεται από το μέγεθος σωρού της εφαρμογής. Disk Cache αποθηκεύει πληροφορίες στο σύστημα αρχείων — είναι πιο αργό αλλά μπορεί να χωρέσει περισσότερα και παραμένει μεταξύ συνεδριών. Η βέλτιστη στρατηγική στην ανάπτυξη κινητών είναι μια προσωρινή αποθήκευση δύο επιπέδων: Memory Cache για καυτά δεδομένα και Disk Cache για ψυχρά δεδομένα. Κατά τη διαχείριση δεδομένων, η προσωρινή αποθήκευση πρώτου επιπέδου στη μνήμη ελέγχεται πρώτα, ακολουθούμενη από την προσωρινή αποθήκευση δεύτερου επιπέδου στον δίσκο.

Παράδειγμα Υλοποίησης LRU Cache

class MemoryCache<K, V>(
    private val maxSize: Int = 100
) {
    private val cache = LinkedHashMap<K, V>(0, 0.75f, true)

    fun get(key: K): V? = cache[key]

    fun put(key: K, value: V) {
        if (cache.size >= maxSize) {
            cache.remove(cache.keys.first())
        }
        cache[key] = value
    }
}

Στρατηγικές Ακύρωσης Προσωρινής Αποθήκευσης

Η προσωρινή αποθήκευση TTL (Time To Live) αφαιρεί αυτόματα μια καταχώρηση μετά από καθορισμένο χρονικό διάστημα — κατάλληλη για δεδομένα API. Ακύρωση βάσει συμβάντων καθαρίζει την προσωρινή αποθήκευση κατά τη λήψη ειδοποίησης push για αλλαγές. Σε εφαρμογές κινητών, η επιλογή στρατηγικής προσωρινής αποθήκευσης εξαρτάται από τον τύπο δεδομένων: οι εικόνες αποθηκεύονται προσωρινά για μεγάλο χρονικό διάστημα, ενώ μια ροή ειδήσεων απαιτεί συχνή ακύρωση. Το Coil στο Android και το Kingfisher στο iOS έχουν ήδη ενσωματώσει το LRU Cache για εργασία με εικόνες.

Ουρά Εκτός Σύνδεσης: Offline Queue και Sync Manager

Offline Queue είναι μια δομή δεδομένων που αποθηκεύει λειτουργίες χρήστη (δημιουργία, ενημέρωση, διαγραφή) σε μια τοπική βάση δεδομένων όταν η συσκευή είναι εκτός σύνδεσης. Όταν αποκατασταθεί η σύνδεση, ο Sync Manager εφαρμόζει διαδοχικά αυτές τις λειτουργίες στον διακομιστή. Αυτός ο τύπος συγχρονισμού δεδομένων διασφαλίζει ότι καμία αλλαγή δεν χάνεται κατά την προσωρινή απώλεια δικτύου. Στην ανάπτυξη κινητών, το Offline Queue είναι κρίσιμο συστατικό για εφαρμογές με ασταθείς συνδέσεις.

Αρχιτεκτονική Offline Queue

Η ουρά βασίζεται σε έναν πίνακα σε Room ή SwiftData με πεδία: τύπος λειτουργίας, σώμα αιτήματος JSON, χρονική σήμανση και κατάσταση. Sync Manager είναι μια υπηρεσία παρασκηνίου που επεξεργάζεται εκκρεμείς λειτουργίες, τις στέλνει στον διακομιστή, ενημερώνει την κατάσταση και αφαιρεί επιτυχημένες καταχωρήσεις. Ο συγχρονισμός δεδομένων μέσω WorkManager σε Android ή BGTaskScheduler σε iOS συνεχίζεται ακόμη και μετά από επανεκκίνηση της συσκευής. Η χρήση του Offline Queue μαζί με σωστή διαχείριση δεδομένων εξασφαλίζει μια απρόσκοπτη εμπειρία χρήστη.

Παράδειγμα Offline Queue σε Kotlin

@Entity
data class SyncOperation(
    @PrimaryKey val id: Long,
    val endpoint: String,
    val method: String,
    val body: String,
    val createdAt: Long
)

class SyncManager(
    private val dao: SyncOperationDao,
    private val api: ApiService
) {
    suspend fun syncPending() {
        dao.getPendingOperations().forEach { op ->
            try {
                api.execute(op.endpoint, op.method, op.body)
                dao.delete(op.id)
            } catch (e: Exception) {
                // retry on next cycle
            }
        }
    }
}

Πολιτική Επανάληψης και Χρονικά Όρια

Εκθετική καθυστέρηση μεταξύ των επαναλήψεων (1δ, 2δ, 4δ, 8δ) προστατεύει τον διακομιστή από ξαφνική υπερφόρτωση και αποτρέπει ατέλειωτες επαναλήψεις. Το όριο των 5 προσπαθειών αποτρέπει την υπερχείλιση της ουράς. Ο συγχρονισμός δεδομένων σε εφαρμογές κινητών με υποστήριξη idempotency από την πλευρά του διακομιστή επιτρέπει ασφαλείς επαναλήψεις, αποφεύγοντας διπλότυπα. Αυτό είναι ιδιαίτερα σημαντικό για οικονομικές συναλλαγές και παραγγελίες.

Συγχρονισμός Δεδομένων: Conflict Resolution και Schema Migration

Conflict Resolution είναι ένα σύνολο στρατηγικών για καταστάσεις όπου τα ίδια δεδομένα τροποποιούνται σε διαφορετικές συσκευές ταυτόχρονα. Ο βασικός συγχρονισμός δεδομένων απαιτεί την επιλογή μιας προσέγγισης: Last-Write-Wins (κερδίζει η τελευταία εγγραφή), έκδοση (κερδίζει η υψηλότερη έκδοση) ή μη αυτόματη επίλυση. Σε σύνθετα σενάρια, χρησιμοποιούνται CRDT (Conflict-Free Replicated Data Types), που εγγυώνται μαθηματική σύγκλιση των δεδομένων.

Στρατηγικές Επίλυσης Συγκρούσεων

Το Last-Write-Wins είναι το απλούστερο στην υλοποίηση αλλά μπορεί να χάσει αλλαγές χρήστη. Version Vector — κάθε εγγραφή αποθηκεύει έναν αριθμό έκδοσης και ένα αναγνωριστικό συσκευής; προκύπτει σύγκρουση όταν οι εκδόσεις δεν ταιριάζουν. Το CRDT είναι η πιο αξιόπιστη αλλά σύνθετη στρατηγική: τα δεδομένα συγκλίνουν μαθηματικά σε μία ενιαία κατάσταση χωρίς κεντρικό συντονιστή. Ο συγχρονισμός δεδομένων σε εφαρμογές κινητών βάσει CRDT χρησιμοποιείται στη συνεργατική επεξεργασία στο Google Docs και στον συγχρονισμό σημειώσεων στο Notion.

Schema Migration: Ασφαλής Ενημέρωση Βάσης Δεδομένων

Κατά την ενημέρωση μιας εφαρμογής, η δομή της τοπικής βάσης δεδομένων αλλάζει: προστίθενται στήλες, πίνακες, ευρετήρια. Schema Migration είναι η διαδικασία μετατροπής μιας υπάρχουσας βάσης δεδομένων σε νέο σχήμα χωρίς απώλεια δεδομένων. Το Room υποστηρίζει μεταναστεύσεις μέσω της κλάσης Migration με παλιά και νέα έκδοση. Το SwiftData χρησιμοποιεί VersionedSchema για την περιγραφή αλλαγών. Ο σωστός συγχρονισμός δεδομένων μεταξύ εκδόσεων εφαρμογής απαιτεί οι μεταναστεύσεις να ελέγχονται idempotent.

Παράδειγμα Schema Migration στο Room

val migration1to2 = object : Migration(1, 2) {
    override fun migrate(database: SupportSQLiteDatabase) {
        database.execSQL("ALTER TABLE users ADD COLUMN avatar_url TEXT")
    }
}

@Database(
    entities = [User::class],
    version = 2
)
abstract class AppDatabase : RoomDatabase() {
    abstract fun userDao(): UserDao
}

Παράδειγμα Conflict Resolution σε Swift

enum ConflictStrategy {
    case lastWriteWins
    case versionVector
    case crdt
}

struct VersionedDocument {
    let id: String
    let version: Int
    let data: Data
    let editedBy: String
    
    func resolve(with remote: VersionedDocument) -> VersionedDocument {
        return version >= remote.version ? self : remote
    }
}

Room και SwiftData για Τοπική Αποθήκευση

Room είναι μια βιβλιοθήκη Google για τοπική αποθήκευση σε Android, χτισμένη πάνω στο SQLite και παρέχει σχολιασμούς για δηλωτική περιγραφή ερωτημάτων. Το SwiftData είναι ένα πλαίσιο Apple για iOS, macOS, watchOS και visionOS, διάδοχος του Core Data με συνοπτική σύνταξη Swift Macro. Και τα δύο εργαλεία λύνουν το έργο της διαχείρισης δεδομένων στη συσκευή, αλλά με διαφορετικές προσεγγίσεις στην οργάνωση κώδικα. Η προσωρινή αποθήκευση σε εφαρμογές κινητών συχνά βασίζεται ακριβώς σε αυτές τις τεχνολογίες.

Room: DAO, Entities και Type Converters

Το Room χρησιμοποιεί σχολιασμούς @Entity για πίνακες και @Dao για ερωτήματα. DAO ενσωματώνει όλες τις λειτουργίες SQL με έλεγχο κατά τη μεταγλώττιση — τα συντακτικά λάθη SQL ανιχνεύονται πριν από την εκτέλεση. Το Type Converter μετατρέπει σύνθετους τύπους (Date, List) σε πρωτόγονους τύπους SQLite. Η σύγχρονη διαχείριση δεδομένων σε εφαρμογές Android βασίζεται στο Room + Flow, παρέχοντας αντιδραστικές ενημερώσεις διεπαφής όταν αλλάζει η προσωρινή αποθήκευση ή η τοπική βάση δεδομένων.

SwiftData: @Model και @Query

SwiftData χρησιμοποιεί τη μακροεντολή @Model για τον ορισμό οντοτήτων και @Query για την παρατήρηση δεδομένων. Το πλαίσιο παρακολουθεί αυτόματα εξαρτήσεις και ενημερώνει τη διεπαφή σε αλλαγές. Η μετανάστευση σχήματος χρησιμοποιεί VersionedSchema που περιγράφει όλες τις εκδόσεις. Ο συγχρονισμός δεδομένων μεταξύ SwiftData και διακομιστή υλοποιείται μέσω προσαρμοσμένου Sync Manager που εγγράφεται σε ενημερώσεις μέσω @Query.

Παράδειγμα Μοντέλου σε SwiftData

@Model
final class UserModel {
    var id: String
    var name: String
    var email: String
    var updatedAt: Date
    
    init(id: String, name: String, email: String) {
        self.id = id
        self.name = name
        self.email = email
        self.updatedAt = Date()
    }
}

Σύγκριση Room vs SwiftData