如何实现标签系统

Question

我想知道实现标记系统的最好方法是什么，就像在SO上使用的那样。我正在考虑这一点，但我想不出一个好的可伸缩的解决方案。

我在考虑一个基本的3表解决方案:有一个tags表，一个articles表和一个tag_to_articles表。

这是这个问题的最佳解决方案吗，还是有其他选择？使用这种方法，表将在时间上变得非常大，并且对于搜索，我认为效率不是太高。另一方面，查询的执行速度并不是很重要。

Answer 1

我相信你会发现这篇博文很有趣：Tags: Database schemas

问题:您希望有一个数据库模式，在该模式中，您可以使用任意多的标记来标记书签(或博客文章或其他内容)。然后，您希望运行查询来将书签约束到标记的并集或交集。你还想从搜索结果中排除(比如:减去)一些标签。

“MySQLicious”解决方案

在这个解决方案中，模式只有一个表，它是反规范化的。这种类型被称为“MySQLicious解决方案”，因为MySQLicious将del.icio.us数据导入到具有这种结构的表中。

​

​

“search+webservice+semweb”的交集(AND)查询：

SELECT *
FROM `delicious`
WHERE tags LIKE "%search%"
AND tags LIKE "%webservice%"
AND tags LIKE "%semweb%"

“|webservice|semweb”的搜索联合(OR)查询：

SELECT *
FROM `delicious`
WHERE tags LIKE "%search%"
OR tags LIKE "%webservice%"
OR tags LIKE "%semweb%"

“+webservice-semweb”的搜索减号查询

SELECT *
FROM `delicious`
WHERE tags LIKE "%search%"
AND tags LIKE "%webservice%"
AND tags NOT LIKE "%semweb%"

“天窗”解决方案

Scuttle将其数据组织在两个表中。表“scCategories”是“标记”-table，并且具有指向“书签”-table的外键。

​

​

“bookmark+webservice+semweb”:的交集(AND)查询

SELECT b.*
FROM scBookmarks b, scCategories c
WHERE c.bId = b.bId
AND (c.category IN ('bookmark', 'webservice', 'semweb'))
GROUP BY b.bId
HAVING COUNT( b.bId )=3

首先，搜索所有书签-标签组合，其中标签是“bookmark”、“webservice”或“semweb”(c.category IN ('bookmark'，'webservice'，'semweb'))，然后仅考虑已经搜索到所有三个标签的书签(具有计数(b.bId)=3)。

“bookmark|webservice|semweb”:的Union (OR)查询只需省略HAVING子句，您就有了union：

SELECT b.*
FROM scBookmarks b, scCategories c
WHERE c.bId = b.bId
AND (c.category IN ('bookmark', 'webservice', 'semweb'))
GROUP BY b.bId

减去(排除)查询“bookmark + webservice -semweb”，即:书签和webservice，而不是semweb.

SELECT b. *
FROM scBookmarks b, scCategories c
WHERE b.bId = c.bId
AND (c.category IN ('bookmark', 'webservice'))
AND b.bId NOT
IN (SELECT b.bId FROM scBookmarks b, scCategories c WHERE b.bId = c.bId AND c.category = 'semweb')
GROUP BY b.bId
HAVING COUNT( b.bId ) =2

省略HAVING计数的将导致查询“bookmark|webservice-semweb”.

“Toxi”解决方案

Toxi提出了一个三表结构。通过表“tagmap”，书签和标签是n对m相关的。每个标签可以与不同的书签一起使用，反之亦然。wordpress也使用这个DB-schema。查询与“scuttle”解决方案中的查询完全相同。

​

​

“bookmark+webservice+semweb”的交集(AND)查询

SELECT b.*
FROM tagmap bt, bookmark b, tag t
WHERE bt.tag_id = t.tag_id
AND (t.name IN ('bookmark', 'webservice', 'semweb'))
AND b.id = bt.bookmark_id
GROUP BY b.id
HAVING COUNT( b.id )=3

“|webservice|semweb”的书签联合(OR)查询

SELECT b.*
FROM tagmap bt, bookmark b, tag t
WHERE bt.tag_id = t.tag_id
AND (t.name IN ('bookmark', 'webservice', 'semweb'))
AND b.id = bt.bookmark_id
GROUP BY b.id

减去(排除)查询“bookmark + webservice -semweb”，即:书签和webservice，而不是semweb.

SELECT b. *
FROM bookmark b, tagmap bt, tag t
WHERE b.id = bt.bookmark_id
AND bt.tag_id = t.tag_id
AND (t.name IN ('Programming', 'Algorithms'))
AND b.id NOT IN (SELECT b.id FROM bookmark b, tagmap bt, tag t WHERE b.id = bt.bookmark_id AND bt.tag_id = t.tag_id AND t.name = 'Python')
GROUP BY b.id
HAVING COUNT( b.id ) =2

省略HAVING计数的将导致查询“bookmark|webservice-semweb”.

Answer 2

您的三表解决方案没有任何问题。

另一种选择是限制可应用于文章的标签数量(如SO中的5个)，并将这些标签直接添加到您的文章表中。

规范化数据库有其优点和缺点，就像将事物硬连接到一个表中一样也有优点和缺点。

没有人说你不能同时做到这两点。重复信息与关系数据库范式背道而驰，但如果目标是性能，您可能必须打破范式。

Answer 3

您提议的三个表实现将用于标记。

但是，堆栈溢出使用不同的实现。它们将标签以纯文本形式存储到帖子表的varchar列中，并使用全文索引来获取与标签匹配的帖子。例如posts.tags = "algorithm system tagging best-practices"。我相信Jeff在什么地方提到过这一点，但我忘了在哪里了。