本文档解释了 AppFlowy 数据库系统的架构和实现，以及支撑其运行的实时协作功能。它涵盖了负责管理数据库操作、同步以及实现用户间实时协作的核心组件。
有关文档编辑的具体信息，请参阅文档编辑器系统，以及有关网格（Grid）、看板（Board）和日历（Calendar）等数据库视图的详细信息，请参阅视图和文档管理。
AppFlowy 的数据库和协作系统提供了一个框架，用于在不同设备上创建、管理和同步结构化数据。该系统旨在支持在线和离线工作，并在恢复连接时实现无缝同步。它支持多种数据库布局（网格、看板、日历），并支持实时协作编辑。
数据库和协作系统架构
来源
数据库系统围绕着一个分层架构进行组织，该架构管理数据库对象的创建、检索和操作。
DatabaseManager 结构和关系
来源
| 组件 | 职责 | 关键方法 |
|---|---|---|
DatabaseManager | 核心数据库注册和生命周期管理 | initialize(), get_database_editor_with_view_id(), open_database(), close_database_view() |
DatabaseEditor | 数据库特定操作和协作设置 | open_database_view(), create_field_with_type_option(), update_field_type_option(), switch_to_field_type() |
DatabaseViews | 数据库视图编辑器注册表 | get_or_init_view_editor(), remove_view(), num_editors() |
DatabaseViewEditor | 视图特定数据处理和 UI 状态 | v_get_all_rows(), v_filter_rows(), v_will_create_row(), v_move_group_row() |
DatabaseManager 在 Mutex<DatabaseEditorMap> 中维护数据库编辑器并实现仔细的清理逻辑
editors: Mutex<DatabaseEditorMap> 中removing_editor: Arc<Mutex<HashMap<String, Arc<DatabaseEditor>>>> 中tokio::spawn 任务在 120 秒不活动后自动清理WorkspaceDatabaseManager 处理工作区级别的数据库索引和元数据每个 DatabaseEditor 通过以下方式与协作系统集成：
collab_builder: Weak<AppFlowyCollabBuilder> 用于创建协作对象finalized_rows: Arc<moka::future::Cache<String, Weak<RwLock<DatabaseRow>>>> 用于行级协作is_loading_rows: ArcSwapOption<broadcast::Sender<()>> 用于协调异步行加载opening_ret_txs: Arc<RwLock<Vec<OpenDatabaseResult>>> 用于管理并发的数据库打开操作DatabaseViewEditor 协调多个专门的控制器
filter_controller: Arc<FilterController> - 处理行过滤逻辑sort_controller: Arc<RwLock<SortController>> - 管理行排序group_controller: Arc<RwLock<Option<Box<dyn GroupController>>>> - 可选的行分组calculations_controller: Arc<CalculationsController> - 字段计算和聚合row_orders: RwLock<Vec<RowOrder>> - 为视图缓存行顺序row_by_row_id: DashMap<String, Arc<Row>> - 快速行查找缓存来源
数据库系统围绕几个关键实体构建
来源
AppFlowy 的协作框架通过管理用户之间更改的同步，实现实时协作编辑。它建立在 CRDT（无冲突复制数据类型）基础之上，可以一致地合并来自多个用户的更改。
AppFlowyCollabBuilder 集成和插件系统
来源
AppFlowyCollabBuilder 通过几个关键组件协调协作：
| 组件 | 类型 | 目的 |
|---|---|---|
network_reachability | CollabConnectReachability | 跟踪网络连接状态以进行同步决策 |
plugin_provider | ArcSwap<Arc<dyn CollabCloudPluginProvider>> | 可切换的云插件提供商（本地 vs AppFlowy Cloud） |
snapshot_persistence | ArcSwapOption<Arc<dyn SnapshotPersistence>> | 可选的协作历史快照存储 |
workspace_integrate | Arc<dyn WorkspaceCollabIntegrate> | 工作区 ID 和设备 ID 管理 |
embeddings_writer | Option<Weak<InstantIndexedDataWriter>> | 用于搜索索引的可选 AI 嵌入 |
通过 collab_object() 方法创建 CollabObject
workspace_id validation → device_id retrieval → CollabObject construction
该方法验证工作区一致性并构造具有以下属性的对象：
uid: i64 - 用户标识符object_id: String - 唯一对象标识符collab_type: CollabType - 类型（Database, Document, Folder, etc.）workspace_id: String - 工作区上下文device_id: String - 用于冲突解决的设备标识finalize() 方法根据提供者类型配置插件
RocksdbDiskPlugin 进行本地存储CollabCloudPluginProvider 添加云同步插件collab.initialize() 之前通过 collab.add_plugin() 添加插件存储插件使用 CollabPersistenceConfig 通过 RocksdbDiskPlugin 或 IndexeddbDiskPlugin 进行本地持久化。
来源
实时协作流程
系统实现多层持久化
RocksdbDiskPlugin 使用 KVTransactionDB 写入 CollabKVDBSnapshotPersistence 用于协作历史记录WSClient 通过 WebSocketChannel<ServerCollabMessage> 管理实时同步DatabaseEditor.finalized_rows 缓存（moka::future::Cache）提供行级协作，并具有自动驱逐和清理功能。
来源
数据库系统提供了一套全面的操作，用于管理数据库、视图、字段和行。以下是关键操作及其实现概述。
数据库操作主要由 DatabaseManager 类处理
来源
字段操作由 DatabaseEditor 类处理
来源
行操作也由 DatabaseEditor 类处理
来源
视图操作通过 DatabaseViewEditor 类管理
来源
数据库和协作系统根据用户的配置与不同的服务器实现集成。
来源
使用 AppFlowy 云时，数据库更改通过 WebSocket 通道同步
来源
协作系统使用 SQLite 存储元数据，使用 RocksDB/IndexedDB 存储协作数据
本地数据库架构
CollabKVDB 存储集成
系统通过以下方式实现复杂的缓存：
DatabaseEditor.finalized_rows 使用 moka::future::Cache<String, Weak<RwLock<DatabaseRow>>>CellCache（AnyTypeCache<u64> 的类型别名）用于类型化的单元格数据DatabaseViews.editor_by_view_id 用于视图编辑器实例database_row_evict_listener() 用于缓存驱逐时的清理缓存配置包括
来源
通过数据库和协作层的完整数据流
| 步骤 | 组件 | 方法 | 目的 |
|---|---|---|---|
| 1 | 事件处理器 | upgrade_manager() | 验证 DatabaseManager 的可用性 |
| 2 | DatabaseManager | get_database_editor_with_view_id() | 检索或创建 DatabaseEditor |
| 3 | DatabaseManager | open_database() | 使用重试逻辑初始化数据库 |
| 4 | DatabaseEditor | open_database_view() | 创建视图特定编辑器和控制器 |
| 5 | DatabaseViewEditor | v_filter_rows(), v_sort_rows() | 通过视图控制器处理数据 |
| 6 | AppFlowyCollabBuilder | finalize() | 配置协作插件 |
| 7 | 协作插件 | 存储/同步 | 将更改持久化到本地和云端 |
系统实现全面的错误处理
FlowyResult<Arc<DatabaseEditor>> 带有重试机制opening_ret_txs 用于协调并发打开操作CollabConnectReachability 进行网络状态跟踪来源
数据库操作通过事件系统触发，该系统将前端请求映射到后端处理器
来源
AppFlowy 中的数据库和协作系统为创建、管理和同步结构化数据提供了强大的基础。通过将灵活的数据库模型与实时协作功能相结合，它使用户能够跨设备和网络条件无缝地在数据库上协同工作。
该系统在设计时考虑了模块化，将数据库管理、视图呈现和协作之间的关注点分离，使其具有可扩展性和可维护性。与本地存储和云服务的集成确保了数据持久性和同步，同时保持了离线功能。