Database design 用于标记、云计算和搜索的最佳数据体系结构（如StackOverflow）？

我很想知道Stack Overflow的标记和搜索是如何构建的，因为它似乎工作得很好

如果我想执行以下所有操作，那么什么是好的数据库/搜索模型：

在各种实体上存储标记（如何规范化？即实体、标记和实体\标记表？）

• 搜索具有特定标记的项目
• 构建应用于特定搜索结果集的所有标记的标记云
• 如何在搜索结果中显示每个项目的标记列表

也许以规范化的形式存储标记是有意义的，但出于#2、#4或#3的目的，也可以将标记作为空格分隔的字符串来存储。想法

---

我听说Stack Overflow使用Lucene进行搜索。这是真的吗？我听过一些讨论SQL优化的播客，但对Lucene一无所知。如果他们确实使用Lucene，我想知道有多少搜索结果来自Lucene，以及“深入”标记云是否来自Lucene。

我不知道它们是否符合最佳条件，但DotNetKicks和Kigg都是开源digg克隆实现。你可以看看他们是如何做标签和搜索的

我最好的猜测没有经过深思熟虑：）

我从不喜欢将多个值序列化到单个字段中的想法，因此存储在一个字段中的分隔字符串对我没有吸引力。。。可能适用于具有树的邻接路径，但这些路径总是有序的，不需要标记。这似乎会像你为找到它们所做的操作一样征税

---

因此，我最初的想法可能是Entity->EntityTag哇，我刚刚写了一篇大文章，然后就被憋住了。当我点击后退按钮重新提交时，标记编辑器是空的。啊

所以我又来了

关于堆栈溢出，事实证明它们使用了

关于@Grant推荐的操作系统项目：

• *DotNetKicks使用DB进行标记，使用Lucene进行全文搜索。似乎无法将全文搜索与标记搜索结合起来
• Kigg在搜索和标记查询中使用Linq到SQL。两个查询都连接故事->故事标签->标签
• 这两个项目都有一个3表的方法来标记，这似乎是每个人都推荐的

我还发现了一些我以前错过的其他问题：

我目前正在为我提到的每个项目做什么：

在数据库中，有3个表：实体、标记、实体标记。我使用DB来：

• 构建站点范围的标记云
• 按标记浏览（如SO/questions/tagged/ASP.NET等URL）

对于搜索，我使用Lucene+NHibernate.search

• 标记被合并成一个由Lucene索引的标记字符串
  • 因此，我拥有Lucene查询引擎的全部功能（和/或/或不查询）
  • 我可以同时搜索文本和按标签过滤
  • Lucene analyzer合并单词以更好地进行标记搜索（即，标记搜索“test”也会找到标记为“testing”的内容）
• Lucene返回一个潜在的巨大结果集，我将其分页为20个结果
• 然后NHibernate根据Id从DB或实体缓存加载结果实体
• 因此，完全有可能搜索结果在数据库中点击0次

目前还没有这样做，但我想我可能会尝试从Lucene中的标记字符串中找到一种构建标记云的方法，而不是再次使用DB

我也没有这样做，但我可能会将标记字符串存储在DB中，这样我就可以显示实体的标记列表，而不必再进行两次连接

这意味着每当修改实体的标记时，我必须：

• 插入任何不存在的新标记
• 从EntityTag表中插入/删除
• 更新Entity.TagString
• 更新实体的Lucene索引

考虑到我的应用程序中的读写比非常大，我认为我可以接受这一点。唯一真正耗时的部分是Lucene索引，因为Lucene只能从其索引中插入和删除，所以我必须重新索引整个实体以更新标记字符串。我对此并不感到兴奋，但我认为如果我在后台线程中这样做，就可以了

---

时间会告诉我们……

这个答案中的第一个链接（“SQL server 2005全文搜索”）似乎不再有效了？更新后的链接可能是：很好的回顾，Winston，thx，以跟进您的方法。