Sql 实现三重存储原子

我正试图在一个SQL数据库上实现我自己的triplestore（是的，我知道有一些已完成的项目），并且我正试图决定实现符号“atom”的最佳方式

在一个简单的设计中，我们可以通过创建一个包含三个varchar列的“triplestore”表来实现SQL中的triplestore，三个varchar列分别称为subject、predicate和object。为了节省空间，我打算创建一个“atom”表，它将存储任何主语/谓语/宾语字段中使用的唯一文本，并将这些字段更改为外键，链接回包含其文本的原子

然而，我看到了实现Atom表的几种方法

将文本存储为varchar

• 优点：索引和强制文本唯一性很简单
• 缺点：它不能存储任意大的文本

将文本存储为文本blob，以及查询和强制唯一性时要使用的文本哈希

• 优点：可以存储任意大的文本
• 缺点：有点复杂。根据散列算法（md5、sha等），散列冲突可能（尽管很少）发生

---

在性能、长期可靠性和存储任何类型数据的能力方面，哪种方法更好？如果我使用散列，是否存在对冲突的有效关注？即使很少发生碰撞，也只需发生一次即可损坏triplestore。

不要浪费任何时间尝试优化此操作，直到您能够证明这是一个瓶颈，并且是最重要的修复事项

“为了节省空间…”不要。空间几乎是免费的。除非你有超过1 TB的数据，否则你不必担心太多。您很容易浪费更多的时间考虑存储，而不是存储的价值

varchar解决方案可以正常工作，并且可以很好地扩展。“字符串池”或“原子表”的想法实际上是一个好主意，因为您将有许多对同一底层对象的引用。为什么要重复varchar？为什么不重复一个索引号呢

“任意大的文本”是一个奇怪的要求。为什么要麻烦

---

水滴通常会比较慢。散列冲突——虽然只是一个理论问题——有两种处理方式。首先，使用超过32位的散列。其次，碰撞不会破坏任何东西，除非你（愚蠢地）未能检查实际的斑点，看看它们是否真的相同。如果要避免比较整个blob以确认没有冲突，请使用不同的算法保留两个哈希。

空间不是唯一的问题。我在网上读到的大多数文章都认为，通过整数连接和匹配记录总是比通过字符串快得多。你的想法？我已经编写了一个非常基本的SparQL引擎，即使对于基本查询，它也会生成许多SQL连接。在重构模型、测量模型并与旧版本进行比较之前，我如何确定这是否是一个瓶颈？@Cerin：“通过整数连接和匹配记录总是比通过字符串快得多”。对的每个人都这么说。“我如何确定这是否是一个瓶颈”？当您的应用程序太慢并且您已经对其进行了分析以确定SQL是问题所在时。评测是如何衡量性能的。不重构和重新实现。@Cerin：“空间不是唯一的问题”。然而你的问题从“节省空间…”开始，包括许多关于“任意大文本”的观点。如果空间不是唯一的问题，请修正您的问题以确定您的所有问题。