MYSQL DB 存储关键字和 URL 索引的最佳方法

Question

在存储、检索、处理和搜索存储的 URL 的大型（数百万条记录）索引以及其中的关键字时，哪种方法是最有效的方法。

示例 1：（使用一张表）

TABLE_URLs-----------------------------------------------
ID        DOMAIN        KEYWORDS
1         mysite.com    videos,photos,images
2         yoursite.com  videos,games
3         hissite.com   games,images
4         hersite.com   photos,pictures
---------------------------------------------------------

示例 2：（从一个表到另一个表的一对一关系）

TABLE_URLs-----------------------------------------------
ID        DOMAIN        KEYWORDS
1         mysite.com
2         yoursite.com 
3         hissite.com
4         hersite.com
---------------------------------------------------------

TABLE_URL_KEYWORDS---------------------------------------------
ID        DOMAIN_ID     KEYWORDS
1         1             videos,photos,images
2         2             videos,games
3         3             games,images
4         4             photos,pictures
---------------------------------------------------------

示例 3：（从一个表到另一个表的一对一关系（使用引用表））

TABLE_URLs-----------------------------------------------
ID        DOMAIN
1         mysite.com
2         yoursite.com
3         hissite.com
4         hersite.com
---------------------------------------------------------

TABLE_URL_TO_KEYWORDS------------------------------------
ID        DOMAIN_ID     KEYWORDS_ID
1         1             1
2         2             2
3         3             3
4         4             4
---------------------------------------------------------

TABLE_KEYWORDS-------------------------------------------
ID        KEYWORDS
1         videos,photos,images
2         videos,games
3         games,images
4         photos,pictures
---------------------------------------------------------

示例 4：（从 url 到关键字 ID 的多对多关系（使用参考表））

TABLE_URLs-----------------------------------------------
ID        DOMAIN
1         mysite.com
2         yoursite.com
3         hissite.com
4         hersite.com
---------------------------------------------------------

TABLE_URL_TO_KEYWORDS------------------------------------
ID        DOMAIN_ID     KEYWORDS_ID
1         1             1
2         1             2
3         1             3
4         2             1
5         2             4
6         3             4
7         3             3
8         4             2
9         4             5
---------------------------------------------------------

TABLE_KEYWORDS-------------------------------------------
ID        KEYWORDS
1         videos
2         photos
3         images
4         games
5         pictures
---------------------------------------------------------

我的理解是，示例 1 将占用最大的存储空间，但搜索此数据会很快（重复关键字保存多次，但关键字位于相关域旁边）

w而示例 4 将节省大量存储空间，但搜索会花费更长的时间。 （不必存储重复的关键字，但是为每个域引用多个关键字会花费更长的时间）

在设计可以处理大量数据的数据库时，谁能给我任何见解或想法？有远见，您可能希望显示带有相关关键字的 URL，或者搜索一个或多个关键字并显示最相关的 URL

Answer 1

您确实在 url 和关键字之间存在多对多的关系。在关系数据库中表示这一点的典型方法是使用桥接表，它对应于您问题中的示例 4。

使用正确的数据结构，您会发现查询将更容易编写，并且尽可能高效。

我不知道是什么驱使您认为在第一个结构中搜索会更快。这要求您在搜索每个关键字时进行模式匹配，这非常慢。另一方面，使用联结表可以搜索完全匹配，这可以利用索引。

最后，维护这样的结构也容易得多；添加或删除关键字可以使用insert 和delete 语句来完成，而其他结构则需要您在分隔列表中进行字符串操作，这又是繁琐、容易出错且效率低下。

Answer 2

以上都不是。

只需有一个包含 2 个字符串列的表：

CREATE TABLE domain_keywords (
    domain VARCHAR(..) NOT NULL,
    keyword VARCHAR(..) NOT NULL,
    PRIMARY KEY(domain, keyword),
    INDEX(keyword, domain)
) ENGINE=InnoDB

注意事项：

• 会更快。
• 写代码会更容易。
• 拥有一个普通的id 非常浪费。
• 对域和关键字进行规范化几乎不会节省空间，但会大大降低效率。

“Huse 数据库”？我预测这张桌子会比你的Domains 桌子小。也就是说，这张表不是你对“巨大”的主要关注。