Question

我正在为我的微博客网络应用添加“Hashtag支持”。像twitter，google +，facebook和co。我的应用用户可能会在其邮件中添加主题标签。 Hashtags转换为html锚点，指向列出所有相关消息的搜索页面。现在我还要展示“Trending Hashtags”。

消息与user_id和一些meta_data一起保存在MySQL表（InnoDB）中。

我正在考虑以下处理趋势HT的方法：

从邮件中提取主题标签;

<?php
preg_match_all( '/(#\w[\w\d]+)/', $message, $ht_matches );
$hashtags     = array_unique($ht_matches[1]);
$hashtags_str = implode( ' ', $hashtags );

将它们保存在db记录中的单独行中（空格分隔的字符串）;

e.g. #SanFrancisco #Boeing777 #AirplaneAccident

--- 
--- Table 'messages'
---
+----+------------+--------------------------------------------+-----+
| id | message    | hashtag                                    | ... |
+----+------------+--------------------------------------------+-----+
|  1 | ...        | #SanFrancisco #Boeing777 #AirplaneAccident | ... |
+----+------------+--------------------------------------------+-----+

如果不存在元数据，则将每个＃标签存储在单独的表中;

--- 
--- Table 'message_hashtags'
---
+----+---------------------+------------+---------------------+---------------------+
| id | hashtag             | messages   | created_at          | updated_at          |
+----+---------------------+------------+---------------------+---------------------+
|  1 | #SanFrancisco       |       1465 | 0000-00-00 00:00:00 | 0000-00-00 00:00:00 |
+----+---------------------+------------+---------------------+---------------------+
|  2 | #Boeing777          |        294 | 0000-00-00 00:00:00 | 0000-00-00 00:00:00 |
+----+---------------------+------------+---------------------+---------------------+
|  3 | #AirplaneAccident   |       1721 | 0000-00-00 00:00:00 | 0000-00-00 00:00:00 |
+----+---------------------+------------+---------------------+---------------------+

id           int         not null autoincrement
hashtag      char(20)    not null 
messages     int         not null default 0
created_at   timestamp   not null 
updated_at   timestamp   not null default '0000-00-00 00:00:00'

查询数据库以获取趋势主题标签，例如：

SELECT id FROM message_hashtags WHERE messages > 1 ORDER_BY messages LIMIT 10

这都是理论上的。从长远来看，这种设置是否表现良好？我担心可能导致性能不佳和尴尬的瓶颈和存储问题。我不认为这是不成熟的优化，因为如果我现在不以正确的方式做到这一点，我将需要稍后改变，如果可能的话。

Hashtags是一个受欢迎的主题，所以我假设你们中的一些人有处理HT和相关搜索的经验。

我愿意接受可能指向使用主题标签的另一个方向的建议和信息。

Answer 1

建立主题标签和消息之间的多对多关系可能是值得的。这包括再添加2个表：

hashtags - 使用字段id和hashtag（可能还有其他元数据），这将是所有现有主题标签的定义（并将在以后更新一个新的由用户创建）
hashtags-messages - 使用字段post_id和hashtag_id，当用户使用主题标签创建帖子时，这些字段会更新。此表中的每个条目都是在帖子上找到的单个标签。

例如：

hashtags
--------
id | hashtag
---+--------
1  | php
2  | madara
3  | awesome

hashtags-messages
-----------------
post_id    | hashtag_id
-----------+-----------
1          | 2
1          | 3
2          | 1
2          | 3

这意味着帖子1包含标签#madara和#awesome，而帖子2包含#php和#awesome。

查询最流行的主题标签就像在hashtag_id分组时查询计数一样简单。使用JOIN，您可以获得有关标签本身的所有信息。

跟踪趋势Hashtags

1 个答案: