Question

我开发了一个mysql数据库，其中包含每个用户的国家，城市和职业。虽然我可以使用“国家/地区”表格然后将国家/地区的ID插入用户表格，但我仍然需要为其他两个表格寻找完美的方法。

问题在于每个用户的城市和职业都来自输入字段，这意味着用户可以键入“NYC”或“纽约”或“纽约市”以及每个城镇的数百万个其他组合，示例

忽略这个问题是个好主意，创建一个自己的“城镇”表，其中包含用户插入的所有城镇，然后将城镇条目的ID放入用户表中，或者更适合使用VARCHAR用户表中的列“town”并没有规范化有关此关系的数据库？我想在用户个人资料页面上显示三个表格中的数据。

我担心规范化，因为我不希望在我的数据库中有太多冗余数据，因为它占用了大量空间，如果我使用varchar索引而不是整数索引，查询会更慢（例如据我所知）：

由于

Answer 1

我们遇到了这个问题。我们的解决方案是收集人们使用的各种同义词和包含错字的版本，并将它们明确地映射到已知的规范城市名称。这允许在99％的情况下从用户输入中正确猜出名称。

对于剩余的1％，我们创建了一个新的城市条目，并将其标记为非规范。我们定期查看非规范条目。对于可识别的已知城市，我们将非规范条目重新映射到规范（更新链接记录的FK并添加同义词）。对于一个真正新的城市名称，我们不知道我们将创建的条目保持为规范。

所以我们有这样的事情：

 table city(
   id integer primary key,
   name varchar not null, -- the canonical name
   ...
 );

 table city_synonym(
   name varchar primary key, -- we want unique index
   city_id integer foreign key references(city.id)
 );

Answer 2

通常，数据规范化可以帮助您处理数据并保持简单。如果规范化模式不符合您的需求，您也可以使用非规范化数据。所以这取决于你想要使用的查询。

在没有创建单独的表的情况下，组城市没有很好的解决方案，您可以将每个城市的所有名称保留在单个ID中。因此，最好有3个表：user（user_id，city_id），city（city_id，正确的名称），city_alias（alias_id，city_id，name）。

Answer 3

最好将数据存储在标准化设计中，其中包含实际，政府认可的城市名称。

@Varela建议该城市的“别名”可能会在这种情况下运作良好。但你必须按照“你输入'Now Yerk'的方式回复一条消息。你或许是指'纽约'吗？”。实际上，你想要得到这些修正......

当然，您应该实际存储的不是城市，而是邮政/邮政编码。表格设计如下：

State:
Id   State
============
AL   Alabama
NY   New York

City:
Id   State_Id   City
========================
1    NY         New York 
2    NY         Buffalo

Zip_Code:
Id  Code         City_Id
=========================
1   00001-0001   1

然后只要有地址，就存储对Zip_Code.Id的引用。您想知道完全用户（声称）属于哪个邮政编码。原因包括：

零售税（无论亚马逊如何发挥作用）。
送货地址（例如，华盛顿和纽约都有Bellevue。邮政编码不同。）
社交映射。如果您将其存储为“用户输入”城市，您将无法（轻松）分析数据以找出彼此靠近的用户，更不用说在同一个城市。

关于地址验证，还有许多其他事情可以做，包括地理位置，但这是一个基本设计，可以帮助您满足大部分需求（并防止大多数可能的'无效'异常）

用户输入的数据库规范化

3 个答案: