根据 tag 找用户，怎么设计数据库会比较好呢

[fffonion]

每个用户有数量不定的tag，比如长得帅，没朋友等；tag的数量可能随时会增加
需求是想找出所有有没朋友的tag的用户，或者可能想找所有同时有长得帅和没朋友tag的用户，应该怎么设计数据库呢？

目前想到的两种：
第一种是按tag存，每个tag下存有这个tag的用户的id的列表，有用户添加标签之后就去追加这个列表（这样是不是比较适合用mongodb？）
第二种是存一个表，字段是用户id和用户tag，每个用户的每个tag就存一条记录，然后给tag字段加索引，然后select fileid from table where tag = 想查询的tag;

大家觉得哪种更有优势，或者有更好的设计方法呢？

[yeyuliu]

第一种啊。redis 比较合适。如果不打算redis 落地的话。结合第二种做原始数据的存储。

[a2z]

这个不是mongodb专门干的活么

[fffonion]

@yeyuliu get√

@a2z mongo的话第一种有更好的解决方案嘛？对它不太熟

[a2z]

@fffonion

每个用户加一个field 叫tags，比如 "tags":["长得帅","没朋友"]

[fffonion]

@a2z 就是说除了tag对应哪些用户再加个反向的数据是吧

[Archangel_SDY]

用第二种设计数据库，用第一种做缓存扔 Redis.

[fffonion]

@Archangel_SDY good看来还是redis大法好

[kmvan]

memcache 能否做到？
如果能，是key = uid，还是key = tagId 呢？

[willwen]

還不如用ardb來存，另外用什麼存也根本不重要。

用RDBMS的話，就是雙表(users, tags)。如果是pg，就直接在users裡加個數組字段指向tags。如果是mysql就連第三個表，存tag->user的關係。

這種以後要分析還是查詢都方便。

[caixiexin]

@willwen +1 目前做了一个跟lz很像的需求，mysql下就是按照三个表的方式实现的。tag，user，tage_user

[zado]

我想到一种方法，用nosql，把所有所有名字+tga以及所有tga+名字两两组合成key，以后就按前缀来搜索。例如：
"小明"[长的帅]
"小明”[没朋友]
"小明”[没有钱]
[没朋友]"小明"
[没有钱]"小明"
[长得帅]"小明"
搜"小明"，能得到他的所有tga，搜[没朋友]，能得到所有没朋友的人。

[a2z]

@zado
你这样用户和tag多了后表行数直接指数增长了……

[letv]

@a2z 那应该怎么设计呢？

[zado]

@a2z nosql没有表行数限制，再大的表也能装下，同时查找也是非常迅速的。

[willwen]

@letv postgresql的做法是最優雅的，也最貼近實際表現形式。直接存tag_id到uset裡，保持係數級增長。

[zado]

@a2z 假设有100万用户，每个用户有100个tga，那么也才2亿个key（100万 * 100 + 100*100万），况且不是每个用户都有100个tga的。

[fffonion]

@willwen postgre没接触过，在user里存tagid可以通过tag找到用户吗？实际上是在底层实现了类似上面的第二种方法吧（猜的

@zado 这样也不错就是看上去有点不舒服lol

[typcn]

@kmvan memcache 比 redis 功能少的多，而且还比 redis 慢 10% - 20%

[v4dc]

用 pg 的话不应该用户和 tag 是多对多么，关系放到第三个双主键的表里面 user_id tag_id 两个字段；如果只是在用户下存了 tag_ids 数组那通过 tag 查用户的时候还要把 tag_ids 拿出来手动筛；mongo 的话既在 user 下存 tag_ids 又在 tag 下存 user_ids ，写入时候更新两份，怎么样？

[puncsky]

如果规模很大，先明确不要用join操作。一般情况下“写”比“读”慢40倍左右，而“读”在一般的互联网产品中，比如twitter，读写比是100:1到1000:1。这里的情况假设也是读远高于写（用户经常看到tag但是很少改tag）。这里我们应该着重于对“写”优化。

你的第一种做法，userIdsByTags，是对“求某一tag对应所有用户"很好的读优化，搜索是O(1)。增是O（1），删改是O(k) k是这个tag里面的用户数。相应的tradeoff是userId有很多冗余存在这些lists里面，不方便“求某一用户所有的tag”，搜索是O(m*k)，m是tag的个数，k是tag的平均长度。当然我们可以再冗余一点，加一个tagsByUserIds的表，这样就方便读了。不方便的是写的时候要维护两张表。


你的第二种做法，(_id, userId, tag)的schema，给tag加index，对于“求某一tag对应所有用户"，额外的空间B tree换来的搜索时间复杂度O(logn)，(如果错误请指正)，冗余是两个fields要存很多重复的值。如果同时给userId加index，“求某一用户所有的tag”也是O(logn). 这时候写可能是O(logn + logk)或者O(logn + k)。

所以，
假设时间比空间更宝贵，“读”、“增"要比"改"、"删"多，用第一种。
如果”改“、”删“很频繁，可以考虑用第二种。

[puncsky]

更正：这里我们应该着重于对“读”优化。 关键的地方出现了口误。。。 ）逃

[plantain]

用户和Tag多对多啊

[zjmdp]

基于lucene的solr，也就是搜索引擎那套原理，对tag->用户建立反向索引

[semicircle21]

@zjmdp solr 支持 tag 的组合吗?
(我猜是支持的, 就是想确认一下)

[semicircle21]

@zjmdp 我看了 solr 的 start guide, 确实是支持 组合 的, 但 reference 好长.. 感谢先.

[zjmdp]

@semicircle21 我最近刚在做这一块，对按tag筛选用户包（导出千万用户，用户规模在1亿左右），你这块对并发有要求么？

[felixzhu]

就用mongo，在用户表里面存一个tags就可以的，对tags做索引

[semicircle21]

@zjmdp 这个技术选型也和规模并发有关?
目前我没这个需求, 以前遇到这个问题时, 我发现关系型数据库处理不好, 也不是关键场景, 然后就自己用 go 配合 redis 写了一套基于反查原理的, 规模不大, 支持了组合检索, 和一些 tag 间的逻辑, 当时找了很久的轮子, 没有发现 solr 这个.
你目前使用 solr 有什么体会?

[zjmdp]

@semicircle21 数据迁移，schema调整都比较麻烦，系统比较复杂（各种参数调整），估计你要用的话需要折腾一阵子，本身通过tomcat之类的容器提供http服务，并发量应该也就这么回事

[gongweixin]

第一种是按tag存，每个tag下存有这个tag的用户的id的列表，有用户添加标签之后就去追加这个列表（这样是不是比较适合用mongodb？） 这个是什么意思？
是两列，一列tag， 一列所有用户的id的字符串，类似用(,)号分割构成一个串
还是 1 + n列，一列tag， n个用户n列？

我们现在是用的第二种，然后缓存到了redis中。量不大的话有索引直接查库性能也不会太差。

[fffonion]

@gongweixin 是两列，但是用nosql去存；第二种的话感觉不太……优雅 ？www

@puncsky @plantain 同意，确实是要userIdsByTags和tagsByUserIds这样子，因为目前需求只是按tag找用户，所以就把tagsByUserIds省略了


@zjmdp 查了一下solr，那个是像sphinx一类的东西吧，好像比较复杂，先mark着看有没轻量的解决方案

[memeda]

redis sadd

[gongweixin]

第一种方法基本可不取，一个tag有10W用户的话基本没法存取更新，但反过来可以，因为一个用户只会有几个tag， 再加上方法2,需要考虑性能的话，可以把查出来的数据缓存起来。这样正反查询都可以了。如果tag可修改的话就保存tag的id，因为你还要查询同时拥有多个tag的用户，方法1也实现不了这个需求。

[gongweixin]

如果用solr会更简单一点，只要存用户和用户拥有的tags就行了。