S*******C
发帖数: 822 | 1 英文原文
Design database for querying interest/likes of site users.
Assume that number of users is over 6 billion.
下面的答案对吗？
create database usersByInterests;
use usersByInterests;
create table Users(
user_id numeric(10,0) PRIMARY KEY,
email VARCHAR(45) not NULL,
userPassword VARCHAR(45) not NULL,
firstName VARCHAR(45) not NULL,
lastName VARCHAR(45) not NULL
);
create table Interest(
interest_id int PRIMARY KEY,
interest VARCHAR(45) not NULL
);
create table UsersByInterests(
user_id numeric(10,0) not null,
interest_id int not null,
INDEX `user_id` (`user_id` ASC),
PRIMARY KEY (user_id, interest_id),
CONSTRAINT user_id
FOREIGN KEY (user_id)
REFERENCES users (user_id)
ON DELETE NO ACTION
ON UPDATE NO ACTION,
CONSTRAINT interest_id
FOREIGN KEY (interest_id)
REFERENCES interest (interest_id)
ON DELETE NO ACTION
ON UPDATE NO ACTION
);
insert into users values (1, '[email protected]
/* */', 'aa', 'Tom', 'Cruise');
insert into users values (2, '[email protected]
/* */', 'ba', 'Tom', 'Cruise');
insert into users values (3, '[email protected]
/* */', 'ca', 'Tom', 'Cruise');
insert into users values (4, '[email protected]
/* */', 'da', 'Tom', 'Cruise');
insert into users values (5, '[email protected]
/* */', 'ea', 'Tom', 'Cruise');
insert into users values (6, '[email protected]
/* */', 'fa', 'Tom', 'Cruise');
insert into interest values (1, 'hiking');
insert into interest values (2, 'boating');
insert into interest values (3, 'swimming');
insert into interest values (4, 'dancing');
insert into interest values (5, 'skiing');
insert into UsersByInterests values (1, 1);
insert into UsersByInterests values (1, 2);
insert into UsersByInterests values (1, 3);
insert into UsersByInterests values (1, 4);
insert into UsersByInterests values (1, 5);
insert into UsersByInterests values (2, 2);
insert into UsersByInterests values (2, 3);
insert into UsersByInterests values (2, 4);
insert into UsersByInterests values (2, 5);
insert into UsersByInterests values (3, 2);
insert into UsersByInterests values (3, 3);
insert into UsersByInterests values (3, 4);
insert into UsersByInterests values (3, 5);
SELECT * FROM usersbyinterests.usersbyinterests where interest_id = 2;
SELECT * FROM usersbyinterests.usersbyinterests where user_id = 2; | j******o
发帖数: 4219 | 2 你要快速搜索就不能这样用3个表，每次查询要查3个表肯定慢。把interest做到user表
里面去。 | S*******C
发帖数: 822 | 3 好办法，但每个user可以有多个interest，怎么把它们都整到一个attribute里？
我可以用特殊支付分割，比如1_2_5，表示该用户有1,2,5三种interest，这种写法在
update interest的时候很慢。有没有更好的方法
【在 j******o 的大作中提到】
: 你要快速搜索就不能这样用3个表，每次查询要查3个表肯定慢。把interest做到user表
: 里面去。
| j******o
发帖数: 4219 | 4 interest一共才几十个，哪怕每个做一个field都可以。更优化的办法就要慢慢想了。
【在 S*******C 的大作中提到】
: 好办法，但每个user可以有多个interest，怎么把它们都整到一个attribute里？
: 我可以用特殊支付分割，比如1_2_5，表示该用户有1,2,5三种interest，这种写法在
: update interest的时候很慢。有没有更好的方法
| H*******g
发帖数: 6997 | 5 sounds like mongodb
【在 j******o 的大作中提到】
: 你要快速搜索就不能这样用3个表，每次查询要查3个表肯定慢。把interest做到user表
: 里面去。
| S*******C
发帖数: 822 | 6 不过我查询的时候不需要查3个表，只要查第三个表就够了
就是在第三个表每插入一行得check foreign key是否有效
【在 j******o 的大作中提到】
: 你要快速搜索就不能这样用3个表，每次查询要查3个表肯定慢。把interest做到user表
: 里面去。
| j******o
发帖数: 4219 | 7 给你一个interest name，要求列出所有用户名，你就知道痛苦了。
【在 S*******C 的大作中提到】
: 不过我查询的时候不需要查3个表，只要查第三个表就够了
: 就是在第三个表每插入一行得check foreign key是否有效
| S*******C
发帖数: 822 | 8 我有一个办法，但这办法有很强的技巧性
在Users表里用一个int的每个binary表示这个User所有的interests
在Interest表里用一个大数numeric(10,0)的每个binary表示所有10亿用户每个人是否
有该interest
这种方法需要在程序中用Bit manipulation实现更新操作
这种方法也不行，因为大数再大，也不能存下所有十亿用户的信息
【在 j******o 的大作中提到】
: 给你一个interest name，要求列出所有用户名，你就知道痛苦了。
| S*******C
发帖数: 822 | 9 再换一种方法
在Users表里用一个int的每个binary表示这个User所有的interests
每个interest创建一个表格记录下所有有该interest的user_id
这样两种查询都很快，就是要创建很多interest表格，这个怎么样
【在 j******o 的大作中提到】
: 给你一个interest name，要求列出所有用户名，你就知道痛苦了。
| S*******C
发帖数: 822 | | p***m
发帖数: 387 | 11 首先你用 FOREIGN KEY 会影响速度，从这个应用来看没有必要。
前面那位同学说的都全写进一个表里，每种爱好一个列，这非常不好，浪费大量空间，
也违背了关系数据库的原则。
用户可以（按任何一种有道理的方式比如地区、名字）partition，可以加快查询的速
度。
爱好可以考虑两种办法提高效率，其本质是一样的。一是你现有的设计，按爱好的不同
partition。还有一种办法，每个爱好或着一类爱好一个表（比如运动类表，艺术类表
）。
补充一句，我不是DBA，只是工作中要用到数据库，所以还是让真正的专业人士来回答
更有价值。
【在 S*******C 的大作中提到】
: 英文原文
: Design database for querying interest/likes of site users.
: Assume that number of users is over 6 billion.
: 下面的答案对吗？
: create database usersByInterests;
: use usersByInterests;
: create table Users(
: user_id numeric(10,0) PRIMARY KEY,
: email VARCHAR(45) not NULL,
: userPassword VARCHAR(45) not NULL,
| b********e
发帖数: 595 | 12 设计的和你的网名一样复杂，需要快速查询就在数据库里弄简单，又是foreign key，
又是constrain的，通通去掉.
user_id 10位unsigned好像是40亿， 放不下6 billion, user_id 设成bigint (12) 或
者更长一些，需要auto_increment， 兴趣简单的话就试试弄成set类型, 糙快猛的干法
就直接存json进去 | g*****g
发帖数: 34805 | 13 数据库设计的题但凡见到亿字，Cassandra通杀。
这就最简单两个Table, User table用username做key，指向所有Interest，Interest
table反过来即可。
为了避免hot spot还可以把interest table进一步划分，比如interest + A 指向这个
兴趣底下所有A打头的人名，这是个Scalable的设计。 | x*****n
发帖数: 195 | 14 楼主的意思是nosql吧。cassandra对应的是hadoop吧？我没用过。
这题用hbase就行，用空间换时间，题主去看HBase: The Definitive Guide，这题基本
跟书里贯穿几章节的例子差不多。
【在 g*****g 的大作中提到】
: 数据库设计的题但凡见到亿字，Cassandra通杀。
: 这就最简单两个Table, User table用username做key，指向所有Interest，Interest
: table反过来即可。
: 为了避免hot spot还可以把interest table进一步划分，比如interest + A 指向这个
: 兴趣底下所有A打头的人名，这是个Scalable的设计。
|
|
