Database design 存储RSS提要的最佳数据库结构

我一直在搜索，试图在这里和谷歌找到答案，虽然我找到了一些指针，但我还没有找到解决方案

如果您有一个带有数据库的简单RSS阅读器，那么您可能有两个用于存储提要的表（忽略此处处理订阅者）：

• 提要（提要id，提要标题， 提要（url）
• 项目（项目id，提要id， 项目名称、项目内容）

这在大多数情况下都有效，但对于许多网站/基于web的应用程序，您可能会从frontpage获得一个主提要，然后是类别提要，如果您将这两个提要都纳入上述类型的系统中，由于同一帖子出现在多个rss提要中，将有大量复制数据

我提出的两个选择要么忽略它并接受重复项，要么在提要和项之间使用链接表。但是，这似乎也是一种浪费，因为我正在寻找的80%的提要都没有多个提要可以创建这种复制

有没有更好的方法/我是不是完全错误地看待这件事

更新

多亏了这两个问题的答案，所以共识似乎是节省空间可能不够重要，不值得担心，并且可能会被未知问题（如dbr提到的）所抵消

---

添加一个链接表或类似的链接表可能会增加处理时间，所以总体来说不值得担心太多。阅读了关于链接内容和删除重复内容的回复后，我有了一些想法，只有当文章不再在RSS提要中时，才能节省空间，但正如Assaf所说，节省空间可能会浪费时间。

我建议您在开发阶段不要尝试优化提要数据的所有可能副本（我想是设计吧）。集中精力让它工作，完成后，如果你做了一些分析，发现如果你在订阅源之间使用链接或共享数据，确实可以节省X%的存储空间，只有在和如果X足够大，足以支付优化数据库所需的时间我建议你实施更多这样的adva吗有计划。

正如阿萨夫所说，我不会担心存储来自不同提要的重复文章，至少现在是这样。它所增加的复杂性不会让你节省的几千字节空间受益

我假设，如果你对内容进行sha1哈希，从文章中选择id，其中哈希=$hash，如果存在某个内容，只需拥有一个“article\u content\u id”，如果将文章内容设置为另一行……但是，如果你有两篇文章，该怎么办

id: 1
title: My First Post!
feed: Bobs site
content: Hi!
hash: abc
link: no
content_link_id:

id:2
title: My First Post!
feed: Planet Randompeople Aggregator
content:
hash: abc
content_link_id: 1

…这样做很好，您通过不复制文章节省了3个字节（如果文章较长，显然会更多）

…但是当Bob决定在他的RSS提要中添加广告，将内容从

Hi！

更改为

Hi！

时会发生什么情况？但是，人们会删除所有图像。然后要更新提要项，你必须检查每一行

内容链接\u id

-链接到你正在更新的文章，检查新项是否有与链接到它的文章相同的散列-如果它不同，则必须断开链接并将旧数据复制到链接项，然后将新内容复制到原始项

可能有更简洁的方法可以做到这一点，但我的观点是，这可能会变得非常复杂，而且在非常有限的帖子子集上，您可能只会节省几千字节（假设数据库引擎本身不进行任何压缩）

除此之外，拥有一个包含

提要

和

项

的表似乎是明智的，这也是我见过的大多数其他RSS存储数据库处理这个问题的方式