Question

我的数据库中有一个表，表示两件事之间的相似性。有点像：

+------------+------+
| Field      | Type |
+------------+------+
| id_a       | int  |
| id_b       | int  |
| similarity | ???  |
+------------+------+

similarity将保持id_a和id_b之间的相似度百分比，范围可以从100％相似（相同的事物）到但不包括 0％。我不会存储0％相似（即完全不同）的东西的链接。换句话说，我需要存储范围[100, 0)。小数位数并不是非常重要，但1或2会很好。

我通常看到的建议是使用decimal(4,2)之类的解决方案。我的用例的问题在于它存储(100,0]。

我提出了两种可能的解决方案，都使用decimal(4,2)，但它们看起来都像黑客一样：

选项1

存储similarity - 0.01并在检索时添加0.01。类似的东西：

INSERT INTO similarities (id_a, id_b, similarity) VALUES (1, 2, ? - 0.01);

然后：

SELECT id_a, id_b, similarity + 0.01 FROM similarities;

选项2

存储百分比差异从0％-99.99％，然后在检索时转换为相似度：

SELECT id_a, id_b, 100 - difference AS similarity FROM similarities;

在这两种情况下，我可能会使用MERGE创建一个视图，而不是在查询中保留加法和减法。

有没有比这更好的选择？如果没有，你会选择哪个以及为什么？

注意：

我不介意使用其他表示法，例如[1,0)，只要它能很好地代表范围。

编辑以澄清：

插入很少完成，只能由我完成，而不是由用户完成，并且是大批量完成的。我知道我插入的数据总是在[100,0]中，所以这不是强制执行的问题，而是最有效/最自然的表示是什么

Answer 1

在符合SQL标准的dbms中，您将声明该列为decimal（5,2）类型（或使用等效小数），并使用CHECK约束来限制范围。

create table data (
  id integer primary key,
  pct decimal(5, 2) not null check (pct > 0 and pct <= 100)
);

但MySQL不符合SQL标准。它不强制执行CHECK约束。所以我认为你有两个选择。

编写触发器以检查范围，并回滚插入和更新超出你选择的范围。
使用对有效值表的外键引用。在你的 case，那个表只有10,000行，对吧？

如果我需要在进一步的计算中使用百分比，我更喜欢在.0001到1.0000范围内的值，因此可以直接使用它们。但是，在您的应用程序中，这看起来并不像是一个问题。

Answer 2

不是将相似度指定为百分比，而是按照[1,10000]（或(0,10000]，如果您愿意）给出相似度得分。这样每个百分点可以得到100分（如果需要，可以有效地提高两位小数）。

存储：int(32)

查看：SELECT id_a, id_b, similarity/100 FROM similarities;

在MySQL中表示百分比高达100％

选项1

选项2

注意：

编辑以澄清：

2 个答案: