表设计用于存储大量行

Question

我正在尝试在postgresql数据库中存储一些唯一标识符以及它们已被显示的网站。我无法确定选择以下3个选项中的哪一个以便更快更容易维护。该表必须提供以下信息：

• 唯一标识符，不幸的是它是文本
• 已查看该唯一标识符的网站

必须保留的数据量相当大：我知道有大约2200万个唯一标识符。

所以我想到了桌子的以下设计：

• id - 整数

  标识符 - 文本

  seen_on_site - 站点表的整数，外键

这种方法需要大约22密耳乘以站点数量。

• id - 整数

  标识符 - 文本

  seen_on_site_1 - 布尔值

  seen_on_site_2 - boolean

  ............

  seen_on_site_n - 布尔

希望站点的数量不会超过10.这只需要我知道的唯一标识符的数量，即大约2千万，但是从ORM的角度来看，这将很难使用它。

• 一个只存储唯一标识符的表，如：

id - 整数

unique_identifier - text，

一个只存储网站的表格，例如：

id - 整数

网站 - 文字

和一对多关系，如：

id - 整数，

unique_id - 整数（fk到存储标识符的表）

site_id - 整数（fk到站点表）

• 另一种方法是拥有一个存储每个站点的唯一标识符的表

那么，从长远来看，哪一个似乎是更好的方法呢？

Answer 1

有两张桌子 表格1 网站ID，网站名称，网站描述
网站ID - ＆gt;主键
网站名称 - ＆gt;指数

表2将是您正在谈论的那个 行ID，站点ID，无论何种信息 行ID - ＆gt;主键
网站ID - ＆gt;外键入表1 索引（行ID，站点ID）

Answer 2

如果您已经有一个基于文本的自然唯一标识符（url，也许？），那么您唯一需要的是一个包含两个字段的表：

CREATE TABLE (
    unique_identifier TEXT NOT NULL,
    site_identifier TEXT NOT NULL,
    PRIMARY KEY (unique_identifier, site_identifier)
);

然后，您还可以在（site_identifier，unique_identifier）上添加UNIQUE INDEX，以方便网站查找。

你最终可能会以这种方式为主表使用一些额外的空间，但查询，更新和维护都很简单。

Answer 3

如果我是你，我肯定会避免十列布尔恐怖，因为以后会有更多的网站。我同意Romain Hippeau的意见，并补充说你可能希望网站上的索引能够回答诸如“谁访问过网站x？”等问题。