关系数据库设计以表示同一表的行之间的相似性

Question

出于背景目的：我将 PostgreSQL 与 SQLAlchemy (Python) 结合使用。

给定一个独特的references 表：

references_table
-----------------------
  id | reference_code
-----------------------
   1 | CODEABCD1
   2 | CODEABCD2
   3 | CODEWXYZ9
   4 | CODEPOIU0
...

在典型情况下，我会有一个单独的items 表：

items_table
-----------------------
  id | item_descr
-----------------------
   1 | `Some item A`
   2 | `Some item B`
   3 | `Some item C`
   4 | `Some item D`
...

在这种典型场景中，references 和 items 之间的多对多关系设置在联结表中：

references_to_items
-----------------------
  ref_id (FK) | item_id (FK)
-----------------------
   1          | 4
   2          | 1
   3          | 2
   4          | 1
...

在这种情况下，很容易建模并获取与同一项目关联的所有引用，例如，项目 1 具有上表中的引用 2 和 4。

但是，在我的场景中，没有 items_table。但我仍然想模拟一些参考引用相同（未表示的）项目的事实。

我看到了通过这样的多对多联结表（关联 references 表的 FK）来建模的可能性：

reference_similarities
-----------------------
  ref_id (FK) | ref_id_similar (FK)
-----------------------
   2          | 4
   2          | 8
   2          | 9
...

对于我的数据模型而言，ID 为 2、4、8 和 9 的引用将被视为“相似”。

但是，这里的不便之处在于，此类模型需要选择一个引用（在 id=2 之上）作为“枢轴”，而在reference_similarities 表中可以将多个其他引用声明为“相似”。参考 2 类似于 4，参考 2 类似于 8 ==> 因此 4 类似于 8。

所以问题是：有没有更好的设计不涉及上面的“枢轴”FK？

理想情况下，我会将“相似性”存储为 FK 数组，如下所示：

reference_similarities
------------------------
id  |  ref_ids (Array of FKs)
------------------------
  1 | [2, 4, 8, 9]
  2 | [1, 3, 5]

..但我从https://dba.stackexchange.com/questions/60132/foreign-key-constraint-on-array-member 了解到，目前不可能拥有foreign keys in PostgreSQL arrays。所以我试图为这个模型找出一个更好的设计。

Answer 1

我可以理解您希望将项目分组到一个集合中，并且能够从其中的任何项目中查询该集合。

您可以使用散列函数对集合进行散列，然后将散列用作枢轴值。 例如你有一组值（2,4,8,9），它会像这样被散列：

哈希 = ((((31*1 + 2)*31 + 4)*31 + 8)*31 + 9

您可以参考 Java 中的 Arrays.hashCode 以了解如何对值列表进行哈希处理。

        int result = 1;

        for (Object element : a)
            result = 31 * result + (element == null ? 0 : element.hashCode());

表参考_相似度：

reference_similarities
-----------------------
  ref_id (FK) | hash_value
-----------------------
   2          | hash(2, 4, 8, 9) = 987204
   4          | 987204
   8          | 987204
   9          | 987204

要查询集合，可以先从ref_id查询hash_value，再从hash_value中获取所有的ref_id。

此解决方案的缺点是每次向集合添加新值时，都必须重新散列集合。

另一种解决方案是您可以在 Python 中编写一个函数，以便在创建新集合时生成唯一的 hash_value。