標籤架構

Question

我正在構建一個多站點平臺，類似於StackExchange，它有多個社區使用相同的平臺和共享數據。

用戶可以像標記堆棧交換問題一樣標記其內容。創建標籤概念的最佳體系結構是什麼？

我想過的一些小筆記是別名（同義詞）的概念。另外我還想過，我希望標籤可以跨站點共享（所以可以從另一個站點查看同一主題的內容），但另一方面，不同社區的上下文可能會有所不同。例如，計算機中的「圖形」是一個數據結構，而數學則是其他的東西（只是我頭頂的一個隨機例子 - 不知道它是否重要）。

另外，如果我有英語和一個社區一個在法國...

你覺得呢？

Answer 1

我建議這樣的模式：

你保持可用標籤的列表，這些被應用到任何物品您使用的是標準的多對許多交集表標記。

要管理標記的同義詞，請在可用標記表上使用漸近關係。這假設各種標籤是同義詞，其中一個被認爲是「主要」標籤。

可用標籤有一個語言標誌來表示英語或法語。如果您爲加拿大政府或其他事情做這件事，並且需要確保所有內容都以兩種語言出現，您可以在AVAILABLE_TAG上添加一個漸進的一對一（未顯示），以鏈接相應的英文和法文標籤。

要跨站點共享標籤，請使用與SITE表的另一個多對多交叉點來顯示哪些標籤屬於哪個站點。如果這些標籤在每個網站上意味着不同的東西，我會避免在網站上共享標籤。

Answer 2

做到在一個完全規範化的方式，你需要這樣的事：

的MEANING_ITEM有以下指標：

• {SITE_ID，MEANING_NO，ITEM_NO} - 爲主鍵自動創建並支持使用給定標籤高效搜索項目。
• {ITEM_NO，SITE_ID，MEANING_NO} - 可以高效地查詢相反的內容：「獲取給定項目的標籤」。

注意：如果您的DBMS支持它，請考慮clustering此表。集羣表中的二級索引可能很昂貴（因爲它們需要包含整個PK的副本並可能導致雙重查找），但在這種情況下，兩個索引都包含相同的字段（因此所有「額外」字段都已存在於次級索引），並且沒有索引之外的字段，因此不需要進行雙向查找。通過聚類，你只需要消除（無用的）表堆，而只剩下兩個B樹。

這種模式具有以下特性：

• 兩個標籤和物品的部位特異性地識別和您查詢默認站點特定的標籤。如果您想查詢標籤名稱而不考慮網站，只需在下面的查詢中從WHERE子句中省略SITE_ID = ...即可。由於TAG_NAME處於TAG PK的領先優勢，因此無需額外索引即可有效地滿足無站點查詢。
• 項目不能標記來自「錯誤」網站的標籤。我們使用標識關係，這些關係沿着「菱形」依賴關係的兩個邊緣向下傳播SITE_ID，併合併到「菱形」（在MEANING_ITEM中）的底部，這就是我們保證的原因。
• 標記同義詞有效地表示（在同一站點內具有相同含義的標記被視爲同義詞）。如果我們試圖在標籤上實現M：N自我關係，那麼就沒有可能發生的各種異常情況。
• 由於標籤的含義是特定於站點的，所以同義詞也是站點特定的。
• 意義表是存儲有關標記（如描述）的附加信息的自然地方，它將由所有同義詞共享。

我們將如何處理同義詞傳遞性？如果A，B和C是同義詞，我們只是存儲A-B和B-C，或者我們也存儲A-C？我們如何執行它？如果我們不強制執行它，我們需要某種遞歸查詢來選擇所有依賴關係。我們需要爲每個連接添加一行，浪費空間和性能。

與要獲得項目特定標記的任何，你需要執行一個類似的查詢......

SELECT * 
FROM ITEM 
WHERE EXISTS (
    SELECT * 
    FROM TAG JOIN MEANING_ITEM ON 
     TAG.SITE_ID = MEANING_ITEM.SITE_ID 
     AND TAG.MEANING_NO = MEANING_ITEM.MEANING_NO 
    WHERE 
     TAG.SITE_ID = <site id> 
     AND TAG.NAME IN (<list of tags>) 
     AND ITEM.SITE_ID = MEANING_ITEM.SITE_ID 
     AND ITEM.ITEM_NO = MEANING_ITEM.ITEM_NO 
) 

注：我們完全可以忽略從JOIN到意義上面的查詢 - JOIN所需的所有字段已經在TAG中。

對於有所有特定標記的項目，你需要一些計算，與此類似：

SELECT * 
FROM ITEM 
WHERE <number of tags> = (
    SELECT COUNT(DISTINCT TAG_NAME) 
    FROM TAG JOIN MEANING_ITEM ON 
     TAG.SITE_ID = MEANING_ITEM.SITE_ID 
     AND TAG.MEANING_NO = MEANING_ITEM.MEANING_NO 
    WHERE 
     TAG.SITE_ID = <site id> 
     AND TAG.NAME IN (<list of tags>) 
     AND ITEM.SITE_ID = MEANING_ITEM.SITE_ID 
     AND ITEM.ITEM_NO = MEANING_ITEM.ITEM_NO 
) 

現在這個貌似很多JOIN-ING的，但這種模式是優秀的對於聚簇（又名index-organized）表和covering帶索引的查詢。

您可能需要先考慮實際StackExchange的數據量，然後再出於性能原因考慮對該設計進行非規範化（例如，刪除聯結表並限制每個項目的標記數）。

在任何情況下，在進行任何特定設計之前都要測量實際的數據量。