我听说过几种实现标记的方法。使用TagID和ItemID之间的映射表(对我来说有意义,但是可以缩放吗?),向ItemID添加固定数量的可能的TagID列(似乎是个坏主意),将标签保留在逗号分隔的文本列中(声音疯狂但可以工作)。我什至听说有人建议使用稀疏矩阵,但是标记名称又如何优雅地增长呢?
我是否错过了标签的最佳做法?
我听说过几种实现标记的方法。使用TagID和ItemID之间的映射表(对我来说有意义,但是可以缩放吗?),向ItemID添加固定数量的可能的TagID列(似乎是个坏主意),将标签保留在逗号分隔的文本列中(声音疯狂但可以工作)。我什至听说有人建议使用稀疏矩阵,但是标记名称又如何优雅地增长呢?
我是否错过了标签的最佳做法?
Answers:
三个表(一个用于存储所有项目,一个用于所有标签,一个用于两者之间的关系)已正确索引,并且在适当的数据库上运行了外键,这些表应该可以正常工作并可以适当扩展。
Table: Item
Columns: ItemID, Title, Content
Table: Tag
Columns: TagID, Title
Table: ItemTag
Columns: ItemID, TagID
通常,我会同意Yaakov Ellis的观点,但是在这种特殊情况下,还有另一个可行的解决方案:
使用两个表:
Table: Item
Columns: ItemID, Title, Content
Indexes: ItemID
Table: Tag
Columns: ItemID, Title
Indexes: ItemId, Title
这具有一些主要优点:
首先,它使开发变得更加简单:在用于插入和更新的三表解决方案中,item
您必须查找Tag
表以查看是否已经有条目。然后,您必须与新成员一起加入。这不是小事。
然后,它使查询更简单(甚至更快)。您将执行三种主要的数据库查询:Tags
一个输出全部Item
,绘制一个标签云,然后为一个标签标题选择所有项目。
一个项目的所有标签:
3桌:
SELECT Tag.Title
FROM Tag
JOIN ItemTag ON Tag.TagID = ItemTag.TagID
WHERE ItemTag.ItemID = :id
2表:
SELECT Tag.Title
FROM Tag
WHERE Tag.ItemID = :id
标签云:
3桌:
SELECT Tag.Title, count(*)
FROM Tag
JOIN ItemTag ON Tag.TagID = ItemTag.TagID
GROUP BY Tag.Title
2表:
SELECT Tag.Title, count(*)
FROM Tag
GROUP BY Tag.Title
一个标签的项目:
3桌:
SELECT Item.*
FROM Item
JOIN ItemTag ON Item.ItemID = ItemTag.ItemID
JOIN Tag ON ItemTag.TagID = Tag.TagID
WHERE Tag.Title = :title
2表:
SELECT Item.*
FROM Item
JOIN Tag ON Item.ItemID = Tag.ItemID
WHERE Tag.Title = :title
但是也有一些缺点:它可能会占用数据库中更多的空间(这可能会导致更多的磁盘操作,速度变慢),并且未规范化这可能会导致不一致。
size参数不是那么强大,因为标签的本质是标签通常很小,因此尺寸增加不是很大。有人可能会说,在一个只包含每个标签一次的小表中,对标签标题的查询要快得多,这当然是正确的。但是考虑到不必加入而节省下来的钱,以及可以在它们上建立良好索引的事实,可以很容易地弥补这一点。当然,这在很大程度上取决于您所使用的数据库的大小。
不一致的论点也有一点争议。标签是自由文本字段,没有预期的操作,例如将所有标签“ foo”重命名为“ bar”。
tldr:我会寻求两张桌子的解决方案。(实际上,我要去。我找到了这篇文章,以查看是否有反对它的有效论点。)
如果您使用的是支持map-reduce的数据库(例如,couchdb),则将标签存储在纯文本字段或列表字段中确实是最好的方法。例:
tagcloud: {
map: function(doc){
for(tag in doc.tags){
emit(doc.tags[tag],1)
}
}
reduce: function(keys,values){
return values.length
}
}
使用group = true运行此命令将按标签名称对结果进行分组,甚至返回遇到该标签的次数的计数。这与计算文本中单词的出现非常相似。
使用单个格式化的文本列[1]来存储标签,并使用功能强大的全文本搜索引擎对此进行索引。否则,在尝试实现布尔查询时会遇到扩展问题。
如果需要有关所拥有标签的详细信息,则可以在增量维护的表中对其进行跟踪,也可以运行批处理作业以提取信息。
[1]一些RDBMS甚至提供了本机数组类型,由于不需要解析步骤,因此甚至更适合存储,但是可能会导致全文搜索出现问题。
我一直将标签放在单独的表中,然后有一个映射表。当然,我也从来没有做过任何大规模的事情。
拥有一个“标签”表和一个映射表使得生成标签云非常简单,因为您可以轻松地将SQL组合在一起以获取标签列表,其中包含每个标签使用频率的计数。
我建议采用以下设计:项目表:Itemid,taglist1,taglist2,
这将很快并且可以轻松地在项目级别保存和检索数据。
并行构建另一个表:标签标签不会使标签成为唯一标识符,如果第二列中的空间用完,则假设有100个项目会创建另一行。
现在,在搜索标签商品时,它将会非常快。