blocks|key|719562|text|你可以在这里阅读推特是如何做到的：http://highscalability.com/blog/2010/2/19/twitters-plan-to-analyze-100-billion-tweets.html|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|719563|另请阅读：http://highscalability.com/scaling-twitter-making-twitter-10000-percent-faster|719564|没有数据模型，但有相当多关于如何实现的信息;)|719565|entityMap|0|LINK|mutability|MUTABLE|url|http://highscalability.com/blog/2010/2/19/twitters-plan-to-analyze-100-billion-tweets.html|1|http://highscalability.com/scaling-twitter-making-twitter-10000-percent-faster^0|H|2I|0|0|5|26|1|0|0^^$0|@$1|2|3|4|5|6|7|R|8|@]|9|@$A|S|B|T|1|U]]|C|$]]|$1|D|3|E|5|6|7|V|8|@]|9|@$A|W|B|X|1|Y]]|C|$]]|$1|F|3|G|5|6|7|Z|8|@]|9|@]|C|$]]|$1|H|3|-4|5|6|7|10|8|@]|9|@]|C|$]]]|I|$J|$5|K|L|M|C|$N|O]]|P|$5|K|L|M|C|$N|Q]]]]

You can read how twitter did it over here: <a href="http://highscalability.com/blog/2010/2/19/twitters-plan-to-analyze-100-billion-tweets.html" rel="nofollow noreferrer">http://highscalability.com/blog/2010/2/19/twitters-plan-to-analyze-100-billion-tweets.html</a>

Also read this: <a href="http://highscalability.com/scaling-twitter-making-twitter-10000-percent-faster" rel="nofollow noreferrer">http://highscalability.com/scaling-twitter-making-twitter-10000-percent-faster</a>

No data models but quite a lot of information about how ;)

blocks|key|3815030|text|我会用Redis。每个用户的键队列%2B由这些键检索的blobs集。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3815031|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

I'd use Redis. Queue of keys per user + set of blobs retrieved by these keys.

blocks|key|3815061|text|我最近用HBase写了一个twitter数据层的最小实现。如果你感兴趣，你可以看一下要点：https://gist.github.com/1101316。第一个文件CreateTwitterTable.java包含创建hbase表及其相关列族的代码。第二个文件TwitterClient.java包含getTimeline、addTweet、deleteTweet、followUser、unfollowUser和addUser等基本函数的代码。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|3815062|entityMap|0|LINK|mutability|MUTABLE|url|https://gist.github.com/1101316^0|19|V|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

I recently wrote a minimal implementation of twitter data layer using HBase. If you are interested you can have a look at the gist : <a href="https://gist.github.com/1101316" rel="nofollow">https://gist.github.com/1101316</a> . The first file CreateTwitterTable.java has the code to create the hbase tables and their related column families. The second file TwitterClient.java has the code for the basic functions such has getTimeline, addTweet, deleteTweet, followUser, unfollowUser and addUser.

blocks|key|1468303|text|我会把MongoDB放到列表中。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1468304|模式将变得非常简单。|1468305|推文|1468306|UserName+(如果想要标准化一点，则为UserID+)|1468307|TweetID+(唯一编号)|1468308|时间戳|1468309|Tweet+(tweet的文本)|1468310|用户|1468311|UserID+(可选)+UserName|1468312|姓名、电子邮件、个人信息(web+url等)密码(散列)|1468313|关注者(重复用户参考)|1468314|以下(重复用户参考)|1468315|entityMap^0|0|0|0|0|0|0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|Z|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|10|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|11|8|@]|9|@]|A|$]]|$1|F|3|G|5|6|7|12|8|@]|9|@]|A|$]]|$1|H|3|I|5|6|7|13|8|@]|9|@]|A|$]]|$1|J|3|K|5|6|7|14|8|@]|9|@]|A|$]]|$1|L|3|M|5|6|7|15|8|@]|9|@]|A|$]]|$1|N|3|O|5|6|7|16|8|@]|9|@]|A|$]]|$1|P|3|Q|5|6|7|17|8|@]|9|@]|A|$]]|$1|R|3|S|5|6|7|18|8|@]|9|@]|A|$]]|$1|T|3|U|5|6|7|19|8|@]|9|@]|A|$]]|$1|V|3|W|5|6|7|1A|8|@]|9|@]|A|$]]|$1|X|3|-4|5|6|7|1B|8|@]|9|@]|A|$]]]|Y|$]]

I'll throw MongoDB into the list.

Schema is going to be pretty simple.

TWEETS 
UserName (or a UserID if want to normalize a bit) 
TweetID (a unique number) 
Timestamp 
Tweet (text of tweet) 

USER 
UserID (optional) 
UserName 
Name, Email, Personal info (web url, etc) 
Password (hash) 
Followers (repeating user ref) 
Following (repeating user ref)

blocks|key|3815015|text|看看Kestrel，Twitter使用的消息队列系统|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3815016|http://github.com/robey/kestrel|offset|length|3815017|http://www.google.com/search?q=kestrel%2Btwitter|3815018|entityMap|0|LINK|mutability|MUTABLE|url|1|http://www.google.com/search?q=kestrel%2Btwitter^0|0|0|V|0|0|0|1A|1|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|R|8|@]|9|@$D|S|E|T|1|U]]|A|$]]|$1|F|3|G|5|6|7|V|8|@]|9|@$D|W|E|X|1|Y]]|A|$]]|$1|H|3|-4|5|6|7|Z|8|@]|9|@]|A|$]]]|I|$J|$5|K|L|M|A|$N|C]]|O|$5|K|L|M|A|$N|P]]]]

Have a look at Kestrel, the message queue system that Twitter uses

<a href="http://github.com/robey/kestrel" rel="nofollow noreferrer">http://github.com/robey/kestrel</a>

<a href="http://www.google.com/search?q=kestrel+twitter" rel="nofollow noreferrer">http://www.google.com/search?q=kestrel+twitter</a>

blocks|key|2406886|text|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2406887|很明显，我希望支持同时使用twitter的用户数量和总体用户数量。|blockquote|2406888|2406889|2406890|很抱歉，这个要求与现实相去甚远。twitter有一个巨大的服务器群来共享数据，以支持他们的大规模并发，你有和Twitter一样多的服务器吗？|2406891|有一个用redis实现twitter克隆的架构想法：TwitterAlikeExample|offset|length|2406892|entityMap|0|LINK|mutability|MUTABLE|url|http://code.google.com/p/redis/wiki/TwitterAlikeExample^0|0|0|0|0|0|Q|J|0|0^^$0|@$1|2|3|-4|4|5|6|T|7|@]|8|@]|9|$]]|$1|A|3|B|4|C|6|U|7|@]|8|@]|9|$]]|$1|D|3|-4|4|5|6|V|7|@]|8|@]|9|$]]|$1|E|3|-4|4|5|6|W|7|@]|8|@]|9|$]]|$1|F|3|G|4|5|6|X|7|@]|8|@]|9|$]]|$1|H|3|I|4|5|6|Y|7|@]|8|@$J|Z|K|10|1|11]]|9|$]]|$1|L|3|-4|4|5|6|12|7|@]|8|@]|9|$]]]|M|$N|$4|O|P|Q|9|$R|S]]]]

<blockquote>
 Obviously, I had like to support the
 amount of users using twitter
 concurrently and in general.
</blockquote>

Sorry but this requirement is far away from being realistic. Twitter has a huge server farm to shard the data for supporting their massive concurrency, do you have as much servers as twitter?

There is an architectural idea implementing a twitter clone with redis:
<a href="http://code.google.com/p/redis/wiki/TwitterAlikeExample" rel="nofollow noreferrer">TwitterAlikeExample</a>

It seems like implementing web-app like twitter/facebook-wall needs 1 huge "feeds" relational table (+ a user table)
and an awesome caching mechanism.. ( can you recommend one? )

my main question is, how would you implement such a "feature" using a non-relational DB, e.g. a key/value kind of DB?

Obviously, I had like to support the amount of users using twitter concurrently and in general.

Thanks

How would you implement twitter using a noSQL kind of DB?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

看起来实现像twitter/facebook-wall这样的web-app需要一个巨大的“feed”关系表(+一个用户表)和一个很棒的缓存机制。(你能推荐一个吗？)我的主要问题是，如何使用非关系数据库实现这样的“特性”，例如键/值类型的数据库？显然，我希望同时和总体上支持使用twitter的用户数量。谢谢

问你将如何使用noSQL类型的数据库来实现twitter？
EN

回答 6

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问你将如何使用noSQL类型的数据库来实现twitter？EN

回答 6

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问你将如何使用noSQL类型的数据库来实现twitter？
EN