电影数据库 - 演员/演员/标签的存储？

Question

创建一个电影数据库，我不喜欢给每个演员/女演员以及每个标签自己的行，就好像总共有1000万个moives，每个都有至少20-30个人，我们将有200个 - 表中有3亿行。

对于每部电影可以无限制的标签，它变得更加复杂。那么如何最好地存储这3个项目？理想情况下，这些可以被建模为多对多，但仍然会有数亿行。有关存储这些的更好的建议吗？我正在使用MySQL。

我会将它全部转储到文本文件中，但我需要在电影之间链接演员并进行一些分析，并允许用户评价演员按标签等查找电影，因此需要使用数据库。

Answer 1

1000万部电影看起来非常雄心勃勃。 IMDb's current statistics表明他们的头衔不到180万，人数约为390万。

话虽如此，我认为创建一个标题表，一个演员表和一个联结表来解决两者之间的多对多关系没有问题。标签也是如此。

Answer 2

你厌恶数百万行的原因是什么？感知性能问题？

它将在某处拥有数以亿计的关系。你必须捕捉演员和电影之间的映射，正如你所说，其中有2亿至3亿（虽然我不相信有1000万部电影存在？）

如果你真的想要，你可以（例如）将电影演员的ids打包成多列（或一列），但这样会使搜索变得不愉快。

Answer 3

这听起来可能有点premature optimization。您可以将所有参与者非规范化为电影表格中的某种TEXT列，但您的效果+搜索会受到影响，并且会失去关系数据的所有好处。

建议保持规范化架构，正如您最初的想法：

Movie (ID)
Actor (ID)
Tag (ID) --horror, comedy, etc.

MovieActor (MovieID, ActorID)
MovieTag (MovieID, TagID)

• 在关联实体上按照正常情况创建索引：MovieActor和MovieTag。
• 在测试环境中加载一些虚拟数据。 1000万电影，1亿演员，100万个标签。根据需要为每个创建关联条目。
• 基线和性能测试。
• Horizontal partitioning (sharding)如果您的效果指标需要更高的效果。

无论电影数量多少，或数据是否为DNA序列：实施设计，测试，根据您的要求判断其性能（用户接受度，SLA等）

Answer 4

1000万部电影，每部20到30名演员（尽管这个数字听起来比现实生活更高）总会带来2亿到3亿的联想。如果您将数据存储在关系数据库中，则每个关联自然会是将电影链接到actor的表中的一行。每一行都会很小（两列 - 电影PK和演员PK;可能是一个额外的代理键列）;大部分数据将存储在电影和演员表中。

任何其他解决方案（在SQL数据库中）都会以不太理想的格式存储相同数量的数据。