Dokumentsammlungen mit relationalen Abfragen

Fauna speichert Daten als Dokumente, ermöglicht es aber einer Abfrage, Sammlungen übergreifend zusammenzuführen, so wie es eine relationale Datenbank tun würde. Ein Beam AI-Agent liest einen Datensatz aus der Sammlung, die ein Workflow überwacht, unter Verwendung der von einem Team genehmigten Abfrage und schreibt eine Aktualisierung oder ein neues Dokument zurück, sobald seine Regel greift – sei es, um einen Datensatz als verarbeitet zu markieren oder einen zugehörigen Eintrag zu erstellen. Dies hält die Daten an einem Ort, ohne dass ein separater Exportschritt in eine Reporting-Datenbank erforderlich ist. Abfragen, die mehr Treffer als erwartet liefern oder auf einen Schema-Konflikt stoßen, werden zur Überprüfung durch einen Mitarbeiter beiseitegelegt, bevor ein Schreibvorgang durchgeführt wird.

ACID-Transaktionen über Dokumente hinweg

Fauna führt Änderungen über mehrere Dokumente hinweg als eine einzige Transaktion aus, sodass eine Reihe von zusammenhängenden Schreibvorgängen entweder alle erfolgreich sind oder gar keine. Ein Beam AI-Agent bündelt die Schreibvorgänge, die ein Workflow benötigt, wie das gleichzeitige Aktualisieren eines Datensatzes und das Erstellen eines verknüpften Eintrags, in einer Transaktion und übermittelt diese im Rahmen der von einem Team genehmigten Regel. Wenn die Transaktion erfolgreich abgeschlossen wird, benachrichtigt der Agent den Eigentümer der betroffenen Datensätze; schlägt sie fehl, bleiben keine unvollständigen Daten zurück, die bereinigt werden müssten. Transaktionen, die wiederholt fehlschlagen oder eine Sammlung außerhalb des konfigurierten Bereichs des Agenten betreffen, werden einem Mitarbeiter zur Untersuchung übergeben.

Schema- und Indexverwaltung

Eine Fauna-Datenbank definiert Indizes, die bestimmen, welche Abfragen effizient ausgeführt werden, und diese Indizes müssen mit den Feldern übereinstimmen, die ein Workflow tatsächlich durchsucht. Ein Beam AI-Agent liest Abfragemuster aus einer genehmigten Konfiguration und bestätigt, dass der benötigte Index vorhanden ist, bevor er eine Suche ausführt, anstatt eine Abfrage zu starten, die eine gesamte Sammlung scannt. Wenn ein Index für eine Abfrage fehlt, die ein Team automatisieren möchte, vermerkt der Agent diese Lücke, anstatt im Hintergrund eine langsame, nicht indizierte Abfrage auszuführen. Jede Änderung am Schema, wie das Hinzufügen eines Feldtyps oder das Ändern der Struktur einer Sammlung, bleibt einem Mitarbeiter zur Planung und Umsetzung überlassen.