Question

我有一个庞大的电影数据库（超过4000部电影），我希望按照我从各种商店获取的类型来过滤
每部电影都可以有超过1种类型，因此它是电影和流派的多对多关系
每个类型都可以有超过1个名称（不同的语言，拼写错误）
原始形式的所有类型（包含所有拼写错误）都与交叉连接表连接，然后与电影表连接
每个类型都有一个列，用于对坏名称和好名称进行分组（或聚类），另一列用于显示哪一个是我可能要输出的那个
我想过滤电影数据库并选择1或2种类型的电影，无论这些类型是如何拼写的

我的表格设置如下（为了简洁起见，从movies删除了一些列）：

  CREATE TABLE `movies` (
    `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
    `title` varchar(255) NOT NULL DEFAULT '',
    `alias` varchar(255) NOT NULL,
    PRIMARY KEY (`id`),
    KEY `alias` (`alias`),
    KEY `title` (`title`)
  ) ENGINE=MyISAM DEFAULT CHARSET=utf8
  CREATE TABLE `movies_x_genre` (
    `movieid` int(11) NOT NULL,
    `genreid` int(11) unsigned NOT NULL,
    PRIMARY KEY (`movieid`,`genreid`),
  ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
  CREATE TABLE `genre` (
    `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
    `genre` varchar(100) NOT NULL,
    `group` int(11) unsigned DEFAULT NULL,
    `type_id` tinyint(1) DEFAULT NULL,
    `valid` tinyint(1) NOT NULL DEFAULT '0',
    PRIMARY KEY (`id`),
    UNIQUE KEY `genre` (`genre`,`type_id`),
    KEY `idx_genre` (`genre`)
  ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

实施例

我有有效或无效的流派

  INSERT INTO `genre` (`id`,`genre`,`group`,`type_id`,`valid`) VALUES 
  (1,"Comedy",1,1,1),
  (2,"Comedies",1,1,0),
  (3,"Action",2,1,1),
  (4,"Acton",2,1,0);

  INSERT INTO `movie_x_genre` (`movieid`,`genreid`) VALUES 
  (1,1),
  (2,2),
  (1,3),
  (2,4);

说明

我面临的问题是，我将电影类型以多种语言存储到流派表中，并且通常是某些语言中流派的变体，每个具有相同含义，或至少相同含义但使用不同语言的类型都有一个共同的“组”ID存储在手动设置的group列中，电影与它附带的类型相结合，并且类型以新的id存储在数据库中，如果它是一个新的类型，这允许我现在存储该类型并使其可用并在以后修复它，如果它应该属于一个群体，因为我根本无法每天手动分组。

类型的语言ID存储在type_id中，而valid列标记了类型名称的哪个变体是正确的。

选择查询

当我运行以下查询时，无论使用何种语言或变体，选择“喜剧”类型的所有电影

当我选择“Comedies”时，我想选择id为1且id为2的电影，因为它们都是comiedies，只是用不同的方式写的但是选择查询非常慢，大约需要0.5秒当我运行下面的部分时，我看到“复制到tmp表”需要很长时间

SET profiling = 1;
SELECT SQL_NO_CACHE i.id,i.alias,i.title 
FROM genre g
INNER JOIN genre g2 ON g.`group`=g2.`group`
INNER JOIN movies_x_genre x ON x.genreid=g.id
INNER JOIN movies i ON i.id=x.movieid
WHERE g2.`genre` = "comedy"
GROUP BY i.id;
SHOW profile;

我遇到了这个答案skip copying to tmp table on disk mysql然后跑了

SHOW VARIABLES LIKE '%tmp_table_size%';#1073741824 = 1GB
SHOW VARIABLES LIKE '%max_heap_table_size%';#1073741824 = 1GB

我认为我不应该增加这些

为什么选择这么慢？我是否正确组织了桌子？我错过了索引吗？如果他们错了，我该如何组织我的桌子？存储信息以过滤电影的最有效方法是什么？

有效过滤电影和流派（拼写错误）

实施例

说明

选择查询

0 个答案: