php - 跟踪趋势标签

Question

我正在为我的微博网络应用程序添加“标签支持”。像 twitter、google+、facebook 和 co。我的应用程序用户可能会在他们的消息中添加主题标签。主题标签被转换为 html anchor ，指向列出所有相关消息的搜索页面。现在我还想显示“趋势标签”。

消息与 user_id 和一些元数据一起保存在 MySQL 表 (InnoDB) 中。

我正在考虑以下处理趋势 HT 的方法:

1. 从消息中提取主题标签；

   <?php
   preg_match_all( '/(#\w[\w\d]+)/', $message, $ht_matches );
   $hashtags     = array_unique($ht_matches[1]);
   $hashtags_str = implode( ' ', $hashtags );
   

2. 将它们保存在数据库记录中的单独行中(空格分隔的字符串)；

   e.g. #SanFrancisco #Boeing777 #AirplaneAccident
   
   --- 
   --- Table 'messages'
   ---
   +----+------------+--------------------------------------------+-----+
   | id | message    | hashtag                                    | ... |
   +----+------------+--------------------------------------------+-----+
   |  1 | ...        | #SanFrancisco #Boeing777 #AirplaneAccident | ... |
   +----+------------+--------------------------------------------+-----+
   

3. 如果不存在元数据，则将每个主题标签存储在单独的表中；

   --- 
   --- Table 'message_hashtags'
   ---
   +----+---------------------+------------+---------------------+---------------------+
   | id | hashtag             | messages   | created_at          | updated_at          |
   +----+---------------------+------------+---------------------+---------------------+
   |  1 | #SanFrancisco       |       1465 | 0000-00-00 00:00:00 | 0000-00-00 00:00:00 |
   +----+---------------------+------------+---------------------+---------------------+
   |  2 | #Boeing777          |        294 | 0000-00-00 00:00:00 | 0000-00-00 00:00:00 |
   +----+---------------------+------------+---------------------+---------------------+
   |  3 | #AirplaneAccident   |       1721 | 0000-00-00 00:00:00 | 0000-00-00 00:00:00 |
   +----+---------------------+------------+---------------------+---------------------+
   
   id           int         not null autoincrement
   hashtag      char(20)    not null 
   messages     int         not null default 0
   created_at   timestamp   not null 
   updated_at   timestamp   not null default '0000-00-00 00:00:00'
   

4. 查询数据库以获取趋势标签，例如:

   SELECT id FROM message_hashtags WHERE messages > 1 ORDER_BY messages LIMIT 10
   

这都是理论上的。从长远来看，这种设置会表现良好吗？我担心可能会导致性能不佳和尴尬的瓶颈和存储问题。我不认为这是过早的优化，因为如果我现在不以正确的方式进行，我将需要在以后尽可能多地进行更改。

话题标签是一个热门话题，所以我假设你们中的一些人有处理 HT 和相关搜索的经验。

我乐于接受可能指向使用主题标签的另一个方向的建议和信息。

Answer 1

在主题标签和消息之间建立多对多关系可能是值得的。这包括再添加 2 个表:

• hashtags - 包含字段 id 和 hashtag(可能还有其他元数据)，这将是所有现有主题标签的定义(并且会在用户创建新的时实时更新)
• hashtags-messages - 包含字段 post_id 和 hashtag_id，当用户创建带有主题标签的帖子时会更新。此表中的每个条目都是在帖子中找到的单个主题标签。

例如:

hashtags
--------
id | hashtag
---+--------
1  | php
2  | madara
3  | awesome

hashtags-messages
-----------------
post_id    | hashtag_id
-----------+-----------
1          | 2
1          | 3
2          | 1
2          | 3

这意味着帖子 1 有标签 #madara 和 #awesome，而帖子 2 有 #php 和 #awesome 。

查询最流行的主题标签就像在按 hashtag_id 分组时查询计数一样简单。使用 JOIN，您可以获得有关主题标签本身的所有信息。