当前位置: 代码迷 >> 报表 >> 一道百度面试题试答(数据库表设计),欢迎大家拍砖!该如何解决
  详细解决方案

一道百度面试题试答(数据库表设计),欢迎大家拍砖!该如何解决

热度:566   发布时间:2016-05-05 08:13:25.0
一道百度面试题试答(数据库表设计),欢迎大家拍砖!
题目:一个简单的论坛系统,以数据库储存如下数据: 

用户名,email,主页,电话,联系地址,发帖标题,发帖内容,回复标题,回复内容。 

每天论坛访问量300万左右,更新帖子10万左右。 

请给出数据库表结构设计,并结合范式简要说明设计思路。 

下面是我的试答,大家尽管拍砖啊!
试答:
首先经常变动的数据不能和相对稳定的数据放在同一张表。本题中用户名、emial、主页、电话、联系地址属于相对稳定数据(用户不会没事天天登录论坛改email、电话吧?)。其他关于发帖和回帖的数据都属于经常变动的数据。
另外每天帖子更新10万左右,访问量却有300万左右,可以看出很多人“只看帖(或者回帖)但很少发帖”。但是用户看了某个帖子他不一定要回帖,然而隐含一个需求:必须记录每一个发帖的访问量(我觉得没必要记录该发帖具体有哪些用户访问过)。
所以我大概是这样设计表结构的:(4张表)

用户信息表: user
字段名 数据类型 是否允许为空 键属性
uid INT N 主键
uname VARCHAR N
homepageVARCHAR Y
phone VARCHAR Y
address VARCHAR Y

发帖信息表:post
字段名 数据类型 是否允许为空 键属性
pid INT N 主键
title VARCHAR N
content VARCHAR N
uid(发帖者ID)INT N 外键

发帖访问情况表:visit
字段名 数据类型 是否允许为空 键属性
vid INT N 主键
pid INT N 外键
num(浏览数量)INT N

回帖信息表:reply
字段名 数据类型 是否允许为空 键属性
rid INT N 主键
title VARCHAR N
content VARCHAR N
uid INT N 外键
pid INT N 外键

数据库第一范式就不用说了,实体中的某个属性不能有多个值或者不能有重复的属性。这个很容易满足。
再看第二范式,属性必须完全依赖主键。所以发帖和回帖应该设计为在不同的表,因为回帖内容和发帖内容显然依赖于完全不同的主键,其他的类似。即第二范式在这里影响了分几张表。
第三范式是对字段冗余性的约束,即任何字段不能由其他字段派生出来,它要求字段没有冗余。按我的理解是,每张表应该尽可能的“干净”,即用户信息表就存与用户最相关的信息,而不能把帖子信息信息也存到里面去。
回帖和发帖信息表中都有一个外键uid来标识回帖或发帖的作者,这就足够了,你不必再把uname也存到里面去,因为uname可以根据uid从user表中查到。当然有时为了性能需要,可能违背数据库设计三范式,比如违背第三范式的字段冗余约束。

有一个地方我觉得肯定另有玄机,“每天帖子更新10万左右,访问量却有300万左右”,这个比例是1:30,具体什么也说不清楚,还望大家多多讨论,指点迷津





------解决方案--------------------
告诉访问量是另有玄机?
------解决方案--------------------
个人感觉哈,没做过打项目,所以是小站经验
需要再多个表,就是一个是标题表(我这么叫它):包括标题,作者,版块,加精,发表和恢复时间。这个表是不能有content和回复的内容。用来做论坛一级页面的访问表。这样会增加冗余和并且可能和你说的范式冲突。但...这个绝对需要的。天涯,猫扑他们肯定都有(也是我个人感觉哈)
每天十万贴...真多。如果考虑查询速度,我感觉表还要分类,不论用字母还是用用户,形成二级表。否则多了查询速度肯定变慢的
------解决方案--------------------
功能是实现了,但是。。。。。。。

1)你的几张表中没有把记录访问量的表单独列出,这个属性怎么表示呢?除非把其集成到user表中。
2)人家可以匿名的(尽管这个题目没有显示的给出),你怎么表示?
3)user登陆既不发帖也不回帖你怎么存储这个user的在线时间(上线和下线时间------有可能每天重复几次的)
呢?
4)既然访问量和发帖量的相差这么大?为什么不把访问量单独弄个表,而帖子更新(发帖表和回帖表)放在一个
表呢?
------解决方案--------------------
你写的访问信息的内容直接并入到标题表中
------解决方案--------------------
探讨

个人感觉哈,没做过打项目,所以是小站经验
需要再多个表,就是一个是标题表(我这么叫它):包括标题,作者,版块,加精,发表和恢复时间。这个表是不能有content和回复的内容。用来做论坛一级页面的访问表。这样会增加冗余和并且可能和你说的范式冲突。但...这个绝对需要的。天涯,猫扑他们肯定都有(也是我个人感觉哈)
每天十万贴...真多。如果考虑查询速度,我感觉表还要分类,不论用字母还是用用户,形……

------解决方案--------------------
难啊,学习
------解决方案--------------------
每天300w 肯定得分表了否则几天数据就上亿了

我觉得玄机就在这里

感觉 应该按照时间 水平分表一个月 一张表吧


另外 做读写分离

------解决方案--------------------
为id号发帖内容 回帖内容很少做更改 只有写入的 

而且这个对数据的一致性要求不高

错几个帖子是完全可以接受的

基本可以不用数据库来处理


------解决方案--------------------
超出了我的能力范围呀!!!
------解决方案--------------------
Post表和Visit表合并,无分开的必要。

每天更新10万的量,意味着reply的主键不能使用INT型。应该用GUID,不知道这个每天更新10万是指算上回帖的量还是纯粹的新贴量,如果是新贴量Post表的主键也不能用INT型
------解决方案--------------------
learning......
------解决方案--------------------
  相关解决方案