我很想知道Stack Overflow的标记和搜索是如何架构的,因为它似乎运行得很好。
如果我想做以下所有事情,什么是一个好的数据库/搜索模型:
中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,但对于#2、#4和#3的目的来说,它也是以空格分隔的字符串。
我听说过Stack for使用Lucene进行搜索。这是真的吗?我听说过一些关于SQL优化的播客,但是没有关于Lucene的内容。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“钻取”标签云是否来自Lucene。
发布于 2008-10-28 19:44:18
哇,我刚刚写了一篇很大的文章,令人窒息,挂在上面,当我按回按钮重新提交时,标记编辑器是空的。啊啊。
所以我又来了..。
关于堆栈溢出,结果表明它们使用SQL server 2005 full text search。
关于@Grant建议的操作系统项目:
。
我还发现了一些其他的问题,所以我以前也没注意到:
我现在正在为我提到的每一项做些什么:
数据库中的
)。
我使用Lucene + NHibernate.Search
H 143,Lucene分析器合并单词以进行更好的标签搜索(例如,标记搜索"test“也会找到标记为”测试“的东西。
- Lucene returns a potentially enormous result set, which I paginate to 20 results
- Then NHibernate loads the result Entities by Id, either from the DB or the Entity cache
- So it's entirely possible that a search results in 0 hits to the DB
还没有这样做,但我想我可能会设法从Lucene的TagString构建标记云,而不是再做一次DB击中,但我可能会将TagString存储在DB中,这样就可以显示实体的标记列表,而不必再进行两个连接。这意味着,每当修改实体的标记时,我必须:
exist
Insert/Delete
插入尚未从EntityTag表
更新EntityTag
实体
的Lucene索引的任何新标记
考虑到读写比在我的应用程序中是非常大的,我想我可以接受这一点。唯一真正耗时的部分是Lucene索引,因为Lucene只能从它的索引中插入和删除,所以我必须重新索引整个实体以更新TagString。我对此并不兴奋,但我认为,如果我在后台线程中这样做的话,那就没问题了。
时间会证明..。
发布于 2008-10-25 14:27:42
我不知道它们是否是最优的,但是DotNetKicks和Kigg都是开源digg克隆实现。你可以看看他们是怎么做标签和搜索的。
我最好的猜测是:)
所以,我最初的看法可能是实体-> EntityTag <- Tag。
进行优化。
另一种选择是“两者兼得”。这似乎是一个不成熟的优化,但您可以进行完全规范化的方法,以支持任何以标记为中心的操作,并在持久化时序列化,使实体中有一个非规范化的版本。更多的工作,一些可能会脱离同步,如果没有完全涵盖,但最好的两个世界,如果有真正的限制,在您的用例完全规范化的方式。
Lucene也很有趣,您可以在索引IIRC中声明特定的元数据,这样也可以利用标记搜索。我怀疑,如果你在这条路上走得太远,那么你最终会在数据库中存储的东西和索引之间有一些不连接。我可以很好地谈论Lucene,它非常有能力,也很容易使用--我相信.Text使用它是因为它的搜索功能,并且在它切换到Community之前它支持所有的weblogs.asp.net。如果MSSQL不在图片中/足够,我会坚持全文搜索,解决数据库imo中的标记问题。
https://stackoverflow.com/questions/234796
复制相似问题