Database design 标签体系结构

我正在构建一个多站点平台，类似于StackExchange，它有多个社区使用同一平台并共享数据

用户可以像标记堆栈交换问题一样“标记”其内容。创建标记概念的最佳架构是什么

我想到的一些小注释是别名（同义词）的概念。我还认为，一方面，我希望标签能够在各个站点之间共享（这样人们就可以看到其他站点关于同一主题的内容），但另一方面，不同社区的上下文可能不同。例如，计算机中的“图形”是一种数据结构，而数学是另一种东西（只是我脑海中的一个随机例子——不确定它是否重要）

如果我有一个英语社区和一个法语社区

---

你觉得怎么样？

我建议这样的模式：

保留可用标记的列表，这些标记将应用于使用标准多对多交叉表标记的任何项目

要管理标记的同义词，请在“可用标记”表上使用渐开线关系。这假设在同义词的各种标记中，有一个被认为是“主”标记

可用标记有一个语言标志，表示英语或法语。如果您是为加拿大政府或其他机构这样做的，并且需要确保所有内容都以两种语言显示，您可以在

AVAILABLE_TAG

上添加一个内卷一对一（未显示）来链接等效的英语和法语标记

---

要跨站点共享标记，请使用另一个多对多交叉点和

站点

表来显示哪些标记属于哪个站点。如果标签在每个站点上的含义不同，我会避免在各个站点之间共享标签。

要以完全规范化的方式进行共享，您需要以下内容：

含义_项具有以下索引：

• {SITE_ID，意思是_NO，ITEM_NO}-自动为主键装箱，并启用对具有给定标记的项的有效搜索
• {ITEM_NO，SITE_ID，意思是{u NO}-能够高效地查询相反的内容：“获取给定项的标记”

注：如果DBMS支持它，请考虑此表。聚集表中的二级索引可能很昂贵（因为它们需要包含整个PK的副本，并且可能导致双重查找），但在这种情况下，两个索引都包含相同的字段（因此所有“额外”字段都已在二级索引中），并且索引之外没有字段，因此，没有必要进行双重查找。通过集群，您只需消除（无用的）表堆，只剩下两个B树

此模型具有以下属性：

• 标记和项目都是以特定于站点的方式标识的，默认情况下，您可以查询特定于站点的标记。如果您想查询标记名而不考虑站点，只需在下面的查询中的WHERE子句中省略

  site\u ID=…

  。由于TAG_NAME位于TAG PK的前沿，因此无需额外的索引就可以高效地满足无站点查询
• 不能使用来自“错误”站点的标签标记项目。我们正在使用标识关系，它将站点ID传播到“菱形”依赖项的两个边缘，并合并到“菱形”（意思是“项目”）的底部，这就是我们的保证
• 有效地表示标记同义词（在同一站点中具有相同含义的标记被视为同义词）。如果我们试图在标记上实现M:N自我关系，就没有可能发生各种异常的空间。1
• 由于标记的含义是特定于站点的，因此同义词也是特定于站点的
• 语义表是存储有关标记的附加信息（如描述）的自然位置，所有同义词都将共享这些信息

1我们如何处理同义词及物性？如果A、B和C是同义词，我们是只存储A-B和B-C还是同时存储A-C？我们如何执行它？如果我们不强制执行它，我们将需要某种递归查询来选择所有依赖项。每个连接都需要一行，这会浪费空间和性能

要获取包含给定标记的任何项，您需要执行类似于以下内容的查询

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
)

选择*
从项目
哪里有(
挑选*
来自标记连接，表示\u项目位于
TAG.SITE\u ID=表示\u ITEM.SITE\u ID
和TAG.meansion\u NO=meansion\u ITEM.meansing\u NO
哪里
TAG.SITE_ID=
以及（）中的TAG.NAME
和ITEM.SITE\u ID=表示\u ITEM.SITE\u ID
和ITEM.ITEM\u NO=表示\u ITEM.ITEM\u NO
)

注意：我们可以从上面的查询中完全省略JOIN to的含义-JOIN所需的所有字段都已经在标记中了

对于具有所有给定标记的项目，您需要进行一些计数，如下所示：

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
)

选择*
从项目
其中=(
选择计数（不同的标记名称）
来自标记连接，表示\u项目位于
TAG.SITE\u ID=表示\u ITEM.SITE\u ID
和TAG.meansion\u NO=meansion\u ITEM.meansing\u NO
哪里
TAG.SITE_ID=
以及（）中的TAG.NAME
和ITEM.SITE\u ID=表示\u ITEM.SITE\u ID
和ITEM.ITEM\u NO=表示\u ITEM.ITEM\u NO
)

现在，这看起来像是大量的连接，但是这个模型对于集群（aka.）表和带有索引的查询来说是非常好的

出于性能原因，在考虑对该设计进行非规范化之前，您可能需要接近实际StackExchange的数据量（例如，删除连接表并限制每个项的标记数）

---

在任何情况下，在提交任何特定设计之前，请测量实际数据量。

如何管理标记？在大多数站点（如StackOverflow），用户可以快速轻松地创建标签。标签是否与正式类别相同，即在编辑过程中严格管理，或者它们是