我主要使用这三个表在MySQL中实现了倒排索引：
WORDS (word_id, word)
INSTANCES (word_id, doc_id)
DOCUMENT (id, text)
其中word_id为INT且doc_id为BIGINT
然后，我尝试将WORDS和INSTANCES表去规范化为一个：
INSTANCES_NEW (word, doc_id)
其中单词现在为VARCHAR(50)，doc_id为BIGINT
表INSTANCES和INSTANCES_NEW同时具有word_id/word和doc_id的两个索引。对于相同的数据，INSTANCES显示为占用146MB，而INSTANCES_NEW显示为占用122.7MB。 INT如何占用比VARCHAR(50)更多的空间？几乎所有单词至少需要3个字符 - 所以从理论上讲，所占用的空间应该增加一倍以上。
答案 0 :(得分：3)
在不知道您的数据的情况下很难，但是索引的大小可能存在差异。正如你所说，你有这些表的不同索引......对于第一个你有word_id / word索引，第二个你有word / doc_id。因此，您的索引具有不同的条目数，并且很可能具有不同的大小。您可以执行SHOW TABLE STATUS以获得更好的想法（并可能在此处发布，以便我们可以一起分析它）。
编辑： 所以，你的结果是：
实例
总行数：1348741
平均行长：40B
数据：52.57MB
指数：93.20MB
总计：145.77MB
<强> instances_new
总行数：1383266
平均行长：42B
数据：56.57MB
指数：66.14MB
总计：122.71MB
正如您所看到的，实例索引表（99.2MB）比第二种情况（66.14MB）大得多，而数据大小几乎相同。正如我想的那样，大小的差异来自索引大小，而数据大小的这个小差异可以通过行数的微小差异来解释（大约）
答案 1 :(得分：1)
int是4个字节，varchar大小取决于字符编码。如果是单字节编码，则3个字符的字只需要3个字节。这种尺寸差异看起来是正确的。