Jak uložit obousměrné vztahy v RDBMS, jako je MySQL?

Zde je návod, jak budou tyto dva přístupy fyzicky reprezentovány v databázi:

Pojďme analyzovat oba přístupy...

Přiblížení 1 (oba směry uložené v tabulce):

• PRO:Jednodušší dotazy.
• CON:Data mohou být poškozena vložením/aktualizací/vymazáním pouze jedním směrem.
• MINOR PRO:Nevyžaduje další omezení, aby se zajistilo, že přátelství nebude možné duplikovat.
• Je třeba provést další analýzu:
  1. TIE:Jeden index obálky oběma směry, takže nepotřebujete sekundární index.
  2. TIE:Požadavky na úložiště.
  3. TIE:Výkon.

Přiblížení 2 (v tabulce je uložen pouze jeden směr):

• CON:Složitější dotazy.
• PRO:Nelze poškodit data tím, že zapomenete zpracovat opačný směr, protože neexistuje žádný opačný směr .
• MINOR CON:Vyžaduje CHECK(UID < FriendID) , takže stejné přátelství nemůže být nikdy reprezentováno dvěma různými způsoby a klíč na (UID, FriendID) může dělat svou práci.
• Je třeba provést další analýzu:
  1. TIE:K pokrytí jsou nutné dva indexy oba směry dotazování (složený index na {UID, FriendID} a složený index na {FriendID, UID} ).
  2. TIE:Požadavky na úložiště.
  3. TIE:Výkon.

Bod 1 je zvláštní zájem. MySQL/InnoDB vždy klastry data a sekundární indexy mohou být v klastrovaných tabulkách drahé (viz „Nevýhody klastrování“ v tento článek ), takže by se mohlo zdát, že sekundární index v přístupu 2 pohltí všechny výhody menšího počtu řádků. Nicméně , sekundární index obsahuje přesně stejná pole jako primární (pouze v opačném pořadí), takže v tomto konkrétním případě nevzniká žádná režie úložiště. Neexistuje také žádný ukazatel na haldu tabulky (protože neexistuje halda tabulky), takže je pravděpodobně ještě levnější z hlediska úložiště než normální index založený na haldě. A za předpokladu, že je dotaz pokryt indexem, nebude ani v klastrované tabulce normálně spojeno se sekundárním indexem dvojité vyhledávání. Takže toto je v podstatě nerozhodný výsledek (ani přístup 1, ani přístup 2 nemají významnou výhodu).

Bod 2 souvisí s bodem 1:je jedno, zda budeme mít B-strom N hodnot nebo dva B-stromy, každý s N/2 hodnotami. Takže to je také nerozhodné:oba přístupy zaberou přibližně stejné množství úložiště.

Stejná úvaha platí pro bod 3 :zda hledáme jeden větší B-strom nebo 2 menší, není velký rozdíl, takže je to také nerozhodné.

Takže kvůli robustnosti a navzdory poněkud ošklivějším dotazům a potřebě dalšího CHECK , zvolil bych přístup 2.