Stack Exchange的数据库架构是否遵循良好实践？

Question

这是一个元问题，但因为它与数据库设计有关，我想我应该在这里发布。

我正在构建一个包含Q + A的网站，并且想知道我应该如何构建我的SQL数据库，所以很自然地，我查看了best of the best。但是，Stack Exchange数据库架构似乎无视what I've learned创建可维护/可扩展的表层次结构。

正如您所看到的，Stack Exchange会存储其所有＆＃34;帖子＆＃34;在一个表中，除了注释，它有自己的表。帖子类型包括问题，答案和各种维基。这导致表中有很多NULL列。例如，问题有标题，标签和answerCounts，而答案不是，所以所有答案条目对所有这三列都有NULL。如果随着时间的推移添加更多的帖子类型，这将逐渐变得不易维护。而评论是唯一具有自己的表的帖子类型似乎不一致。

我所阅读的内容表明，它通常更倾向于使用对象子类层次结构，其中有一个通用的＆＃34;帖子＆＃34;表格以及每种类型帖子的一堆表格，这些表格都有一列映射回＆＃34;帖子＆＃34;表。这样可以将空列的数量保持在最小值并使其更具可扩展性，但会降低查询速度，因为它们需要更多连接。

那么为什么Stack Exchange会使用这种巨大的表格方法呢？这只是对旧数据库进行修改的结果吗？更具体地说，我应该将此模型用于我自己的Q + A系统还是坚持使用对象子类层次结构（我的Q + A /论坛系统将非常类似于SO，包括问题，答案，民意调查等几种类型的帖子，评论等）？

Answer 1

这是所谓“Object-relational impedance mismatch”的经典案例。具体来说，您正在将OO的继承映射到关系数据库结构。有几种常见的方法 -

• 每个子类的表格，
• 每个叶子类的表，
• 每个类层次结构的表（带有鉴别器）

这些策略中的每一个都是完全有效的。此外，可以根据需要混合结构。

看起来Stack Exchange使用每个类层次结构方法的表，PostTypeId用作鉴别器。这种方法与他们可能采取的任何其他方法一样有效。从维护的角度来看，它也是最简单的方法之一，因为它可以让您以较少的工作量构建手动查询。

在表的结构中还有另一件事你没有提到：它没有标准化。具体来说，有AnswerCount和CommentCount字段存储可以通过聚合表获得的信息（即运行SELECT COUNT(*) FROM ... WHERE ... AND other.ParentId = p.Id ...）这是标准化和执行速度之间的常见权衡：大多数可能，分析表明聚合需要花费大量时间，因此计数已移至“父”记录中。