可扩展的数据库标记模式

Question

编辑：致构建标签系统的人。不要读这个。这不是你要找的。当我不知道RDBMS都有自己的优化方法时，我问了这个问题，只需使用简单的多对多方案即可。

我有一个拥有数百万个帖子的发帖系统。每个帖子可以有无数个与之关联的标签。

用户可以创建包含注释、创建日期、所有者等的标签。标签几乎就像帖子本身，因为人们可以发布关于标签的注释。

每个标签关联都有一个所有者和日期，因此我们可以看到谁添加了标签以及何时添加。

我的问题是如何实现这一点？它必须通过标签或标签快速搜索帖子。此外，用户可以通过在字段中输入名称来为帖子添加标签，有点像谷歌搜索栏，它必须为您填写标签名称的其余部分。

目前我有 3 个解决方案，但不确定哪个是最好的，或者是否有更好的方法。

请注意，我没有显示笔记的布局，因为一旦我获得了适当的标签解决方案，这将是微不足道的。

方法一、链表

post中的tagId指向tag_assoc中的一个链表，应用程序必须遍历链表直到flink=0

post:           id, content, ownerId, date, tagId, notesId
tag_assoc:      id, tagId, ownerId, flink
tag:            id, name, notesId

方法2.反规范化

tags 只是一个 VARCHAR 或 TEXT 字段，其中包含一个制表符分隔的 tagId:ownerId 数组。它不能是固定大小。

post:           id, content, ownerId, date, tags, notesId
tag:            id, name, notesId

方法3.毒

(来自：http://www.pui.ch/phred/archives/2005/04/tags-database-schemas.html, 这里也一样：Recommended SQL database design for tags or tagging)

post:          id, content, ownerId, date, notesId
tag_assoc:     ownerId, tagId, postId
tag:           id, name, notesId

方法 3 提出了一个问题，遍历 tag_assoc 中的每一行的速度有多快？

方法1和2对于post返回标签应该很快，但是对于标签post，必须另外做一个查找表。

我最不需要担心的是按名称优化搜索标签，我还没有解决这个问题。

我在这里做了一个ASCII图：http://pastebin.com/f1c4e0e53

Answer 1

我会这样做：

posts:          [postId], content, ownerId, date, noteId, noteType='post'
tag_assoc:      [postId, tagName], ownerId, date, noteId, noteType='tagAssoc'
tags:           [tagName], ownerId, date, noteId, noteType='tag'
notes:          [noteId, noteType], ownerId, date, content

方括号中的字段是各个表的主键。

在每个表中定义noteType 的约束：posts、tag_assoc 和 tags。例如，这可以防止给定的注释同时应用于post 和tag。

将标签名称存储为短字符串，而不是整数 id。这样您就可以在 tag_assoc 表中使用覆盖索引 [postId, tagName]。

标记完成是通过 AJAX 调用完成的。如果用户为标签键入“datab”，您的网页会进行 AJAX 调用，并且在服务器端，应用会查询：SELECT tagName FROM tags WHERE tagName LIKE ?||'%'。

Answer 2

“标签几乎就像帖子本身，因为人们可以发布关于标签的注释。” - 这句话让我觉得你真的只想要一个用于 POST 的表，带有一个主键和一个引用 POST 表的外键。现在，您可以在磁盘空间允许的范围内为每个帖子添加尽可能多的标签。

我假设 POST 和标签之间不需要多对多，因为标签不会在帖子之间共享，基于此：

“用户可以创建带有注释、创建日期、所有者等的标签。”

如果创建日期和所有者是共享的，那将是两个额外的外键关系，IMO。

Answer 3

链表几乎肯定是错误的方法。这当然意味着您的查询将是复杂的或次优的 - 这是具有讽刺意味的，因为使用链表的最可能原因是将数据保持在正确的排序顺序中。但是，我没有看到一种简单的方法来避免迭代地获取一行，然后使用检索到的 flink 值来调整下一行的选择操作。

因此，请使用基于表的方法，将普通外键用于主键引用。 Bill Karwin 概述的那个看起来与我概述的相似。

Answer 4

Bill 我想我有点把你甩了，笔记就在另一个桌子上，还有一个单独的桌子，上面有不同人发布的笔记。帖子有注释和标签，但标签也有注释，这就是标签是唯一的原因。

Jonathan 对链表的看法是正确的，我根本不会使用它们。我决定以最简单的规范化方式实现标签，以满足我的需求：

DROP TABLE IF EXISTS `tags`;
CREATE TABLE IF NOT EXISTS `tags` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `owner` int(10) unsigned NOT NULL,
  `date` int(10) unsigned NOT NULL,
  `name` varchar(255) NOT NULL,
  PRIMARY KEY (`id`),
  UNIQUE KEY `name` (`name`)
) ENGINE=InnoDB  DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

DROP TABLE IF EXISTS `posts`;
CREATE TABLE IF NOT EXISTS `posts` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `owner` int(10) unsigned NOT NULL,
  `date` int(10) unsigned NOT NULL,
  `name` varchar(255) NOT NULL,
  `content` TEXT NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB  DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

DROP TABLE IF EXISTS `posts_notes`;
CREATE TABLE IF NOT EXISTS `posts_notes` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `owner` int(10) unsigned NOT NULL,
  `date` int(10) unsigned NOT NULL,
  `postId` int(10) unsigned NOT NULL,
  `note` TEXT NOT NULL,
  PRIMARY KEY (`id`),
  FOREIGN KEY (`postId`) REFERENCES posts(`id`) ON DELETE CASCADE
) ENGINE=InnoDB  DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

DROP TABLE IF EXISTS `posts_tags`;
CREATE TABLE IF NOT EXISTS `posts_tags` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `owner` int(10) unsigned NOT NULL,
  `tagId` int(10) unsigned NOT NULL,
  `postId` int(10) unsigned NOT NULL,
  PRIMARY KEY (`id`),
  FOREIGN KEY (`postId`) REFERENCES posts(`id`) ON DELETE CASCADE,
  FOREIGN KEY (`tagId`) REFERENCES tags(`id`) ON DELETE CASCADE
) ENGINE=InnoDB  DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

我不确定这在未来会有多快，但在一段时间内应该没问题，因为只有几个人使用数据库。