我正在为我的一个班级开发一个项目，我们得到一个非常大的数据集，其中包含许多新闻文章，这些文章已被分成单个句子并随机化。我们的工作是将所有片段重新组合成原始新闻文章。我们给出的数据具有一定的结构，我们可以使用它来对其进行排序。
我的问题是如何将数据存储在数据库中。我有两个想法：
1）为每篇新闻文章创建一个新表，然后在处理它们时将相应的句子添加到该表中。我们的数据预计为几GB，因此可能有数百或数千篇文章。但是，在排序之后，不需要那么多的查询，并且文章的后处理重组会非常简单。
2）我基本上可以在DB中创建一个大表，并使用列作为某种类型的键来区分哪个句子到哪个文章。但是，当我必须将文章重新组合在一起时，这将需要大量的查询和处理才能使一切正确，更不用说提出有效的密钥方案。
此项目之后的项目（将基于我现在创建的框架构建）将使用博客（可以更改）而不是静态新闻文章。因此，我不仅要处理对句子进行排序，还要处理动态删除，更改或添加新句子。
在性能，可靠性和可维护性方面，哪个选项更好？我也对任何其他更好的方法持开放态度。
答案 0 :(得分：2)
您可能需要考虑使用3个表，并执行以下操作：
Article
-------
(PK) ArticleID
Sentence
--------
(PK) SentenceID
ArticleSentence
---------------
(PK) ArticleSentenceID
(FK) ArticleID
(FK) SentenceID
ArticleSentence表将用于将句子映射到文章，同时使用多对一关系。显然，您的表将根据需要包含更多列，但这是通过第三个表关联两个表的一般想法。
通过这种方式，您在处理数据方面也给自己相当大的灵活性。当然，通过将每篇文章分成一个单独的表格，很容易得到该文章的句子。但是，如果你想要关联类似的文章怎么办？通过我提到的方式，您还可以查询具有特定句子的所有文章。将文章和句子保持为两个独立的表格将使您的生活更加轻松。