Stack Exchange 的数据库架构是否遵循良好实践？ [关闭]

Question

这有点像元问题，但因为它与数据库设计有关，我想我应该在这里发布。

我正在构建一个包含 Q+A 的网站，并且想知道我应该如何构建我的 SQL 数据库，所以很自然地，我查看了 best of the best。但是，Stack Exchange 数据库架构似乎不同意 what I've learned 关于创建可维护/可扩展表层次结构的问题。

如您所见，Stack Exchange 将其所有“帖子”存储在一个表中，但 cmets 除外，它有自己的表。帖子类型包括问题、答案和各种 wiki 内容。这会导致表中有很多 NULL 列。例如，问题有标题、标签和 answerCounts，而答案没有，因此所有答案条目对于所有这三列都为 NULL。如果随着时间的推移添加更多的帖子类型，这将逐渐变得难以维护。而 cmets 是唯一拥有自己表格的帖子类型这一事实似乎并不一致。

我读到的内容表明，通常首选使用对象子类层次结构，其中有一个通用的“帖子”表以及每种类型的帖子的一堆表，它们都有一个列映射回“帖子”表中的相应条目。这将空列的数量保持在最低限度并使其更具可扩展性，但会减慢查询速度，因为它们需要更多的连接。

那么为什么 Stack Exchange 使用这种巨表方法呢？这仅仅是对旧数据库进行多年修改的结果吗？更具体地说，我应该将此模型用于我自己的 Q+A 系统还是坚持使用对象子类层次结构（我的 Q+A/论坛系统将非常类似于 SO，有几种类型的帖子，包括问题、答案、投票、评论等.)？

Answer 1

这是所谓的“Object-relational impedance mismatch”的经典案例。具体来说，您正在考虑将 OO 的继承映射到关系数据库结构中。有几种常见的方法-

• 每个子类一个表，
• 每个叶子类一个表，并且
• 每个类层次结构的表（带有鉴别器）

这些策略中的每一个都是完全有效的。此外，结构可以根据需要混合。

看起来 Stack Exchange 使用了每个类层次结构表的方法，PostTypeId 用作鉴别器。这种方法与他们可以采取的任何其他方法一样有效。从维护的角度来看，它也是最简单的一种，因为它可以让您以更少的工作量构建手动查询。

表格结构中还有一点您没有提到：它没有被规范化。具体来说，有AnswerCount 和CommentCount 字段存储可以通过聚合表获得的信息（即运行SELECT COUNT(*) FROM ... WHERE ... AND other.ParentId = p.Id ...）这是规范化和执行速度之间的常见权衡：很可能，分析表明聚合需要大量时间，因此计数已移至“父”记录中。