Java 如何保存关系数据库中大字符串字段的编辑历史

注意：我认为答案很可能是以设计为中心的，因此基本上与实现无关，但如果有一些特别适合使用这些技术的解决方案，我将在Postgres中使用Java+Hibernate

我有一个表，其中有一个特定的字段，可以容纳大字符串，比如说博客文章，平均长度为+10000个字符

在我的应用程序中，你可以任意多次编辑博客文章，更新后最新版本将始终立即显示。但是，应用程序需要保留这些编辑的完整版本历史记录，以便可以查看

一个明显的策略是保留一个单独的表，比如

blog\u post\u history

，其中blog post行在创建时和对主“live”

blog\u post

表的每次后续更新时都会重复插入，版本号会递增，因此，如果将来需要，这些版本都可以使用。我正在考虑使用Hibernate Envers之类的工具来设置它

然而，存储（可能更重要的是传输）10000字符文本块的多个版本似乎效率非常低，其中每个版本之间的唯一区别可能是修复打字错误、添加一些单词等。由于博客帖子编辑的性质，可能会有许多类似的小增量更改，而不是更少，更大的变化

有更好的方法吗？

我在想，在进行编辑时，只存储当前版本和以前版本之间的增量，然后在请求时通过编程从这些增量重建版本历史，可能是在客户机上，这样通过线路发送的数据就最小化了

---

我很可能会将最新版本存储为全文，因为我希望优化最频繁的请求，然后存储一系列从当前版本向后的增量，以便在请求时重建历史版本。

我现在正在研究的解决方案，到目前为止效果良好，实现我在问题中提出的设计

我在想，在进行编辑时，只存储当前版本和以前版本之间的增量，然后在请求时通过编程从这些增量重建版本历史，可能是在客户机上，这样通过线路发送的数据就最小化了

我很可能会将最新版本存储为全文，因为我希望优化最频繁的请求，然后存储一系列从当前版本向后的增量，以便在请求时重建历史版本

我将在这里分享我的实施细节

为了创建三角洲和使用重建全文，我使用了奇妙的。您可以阅读实现不可知，以更好地理解下面的代码示例，尽管它还是非常可读的

google diff match补丁有Java和JS实现，因此我可以使用它在服务器上用Java计算增量。我选择将每个增量转换为字符串，这样就可以轻松地将其存储在数据库中，并方便客户端上的JS库使用。下面将对此进行详细介绍

public String getBackwardsDelta(String editedBlogPost, String existingBlogPost) {
    diff_match_patch dmp = new diff_match_patch();
    LinkedList<diff_match_patch.Patch> patches = 
        dmp.patch_make(editedBlogPost, existingBlogPost);
    return dmp.patch_toText(patches);
}

对于前端，我传递最新的博客文章全文，以及一系列表示每次编辑的时间倒转增量，然后在JS浏览器中重建每个版本的全文

要获取库，我使用npm+browserify。作为差异匹配补丁。版本1.0.0是唯一的版本

getTextFromDelta: function(originalText, delta) {
  var DMP = require('diff-match-patch'); // get the constructor function
  var dmp = new DMP();
  var patches = dmp.patch_fromText(delta);
  return dmp.patch_apply(patches, originalText)[0];
}

就这样，它工作得非常好

在存储博客文章的编辑方面，我只使用一个表

blog_POST_edits

，其中我存储了博客文章id，一个编辑时间戳（稍后在客户端重建全文版本时，我使用它来正确排序编辑以生成链），以及

blog_post

表中当前实时博客文章与博客文章的传入编辑版本之间的向后增量

我选择存储一个delta“链”，因为它非常适合我的用例，并且在服务器代码端更简单。这确实意味着为了重建N的M版本，我必须向客户端发送一个由N-（M-1）个delta组成的链，从live blog帖子全文返回到M版本。但是在我的用例中，我每次都要发送整个链，无论如何，这很好

---

为了使请求特定版本的效率稍好一些，每次编辑时，所有增量都可以从新编辑的博客文章版本重新计算回每个（还原的）版本，但这将意味着服务器上需要更多的工作和复杂性。

我不会回答存储差异或完整更改的问题，即使在我看来，性能测试实际上可以回答什么解决方案更好，因为完整的内容日志意味着更大的数据库，但服务器的工作量更少

相反，我想分享我在postgresql中保存历史的经验。 我在服务器站点上非常成功地完成了这项工作，仅在postgresql上完成，没有编写任何代码。 在Postgresql上使用这组函数、触发器和扩展

它们简单且易于实现，您可以忘记代码中的历史记录，但您只需从日志表中读取，就可以显示内容上的差异

因此，我的应用程序是用php和YII框架编写的，YII框架具有我为数据设计的db方案和结构，只有很少的表作为框架本身的服务（用户、角色和一般日志），这一点很重要，因为如果db中的数据结构太复杂，下面总结的方法仍然有效，但更复杂

安装了postgresql扩展表日志后，您可以在此处找到它

你可以这样做： 首先，必须选择包含所需内容的表（mytable）

getTextFromDelta: function(originalText, delta) {
  var DMP = require('diff-match-patch'); // get the constructor function
  var dmp = new DMP();
  var patches = dmp.patch_fromText(delta);
  return dmp.patch_apply(patches, originalText)[0];
}

CREATE FUNCTION table_log ()
    RETURNS TRIGGER
    AS '$libdir/table_log' LANGUAGE 'C';
CREATE FUNCTION "table_log_restore_table" (VARCHAR, VARCHAR, CHAR, CHAR, CHAR, TIMESTAMPTZ, CHAR, INT, INT)
    RETURNS VARCHAR
    AS '$libdir/table_log', 'table_log_restore_table' LANGUAGE 'C';
CREATE FUNCTION "table_log_restore_table" (VARCHAR, VARCHAR, CHAR, CHAR, CHAR, TIMESTAMPTZ, CHAR, INT)
    RETURNS VARCHAR
    AS '$libdir/table_log', 'table_log_restore_table' LANGUAGE 'C';
CREATE FUNCTION "table_log_restore_table" (VARCHAR, VARCHAR, CHAR, CHAR, CHAR, TIMESTAMPTZ, CHAR)
    RETURNS VARCHAR
    AS '$libdir/table_log', 'table_log_restore_table' LANGUAGE 'C';
CREATE FUNCTION "table_log_restore_table" (VARCHAR, VARCHAR, CHAR, CHAR, CHAR, TIMESTAMPTZ)
    RETURNS VARCHAR
    AS '$libdir/table_log', 'table_log_restore_table' LANGUAGE 'C';