appengine python (bigtable) 中的父子关系

Question

我仍在学习有关 bigtable/nosql 中的数据建模的课程，并且希望得到一些反馈。 如果我经常需要跨父级处理子级的聚合，那么我应该在数据建模中避免父级->子级关系是否公平？

举个例子，假设我是建立一个由多个作者贡献的博客，每个作者都有帖子，每个帖子都有标签。所以我可能会设置这样的东西：

class Author(db.Model): 
  owner = db.UserProperty()

class Post(db.Model): 
  owner = db.ReferenceProperty(Author, 
    collection_name='posts') 
  tags = db.StringListProperty() 

据我了解，这将创建一个基于作者父级的实体组。 如果我主要需要按标签查询帖子，并且希望跨越多个作者，这是否会导致效率低下？

我知道对列表属性进行查询可能效率低下。假设每个帖子平均有大约 3 个标签，但最多可能有 7 个。我预计我收集的可能标签会在几百个以内。 将该模型更改为这样的东西有什么好处吗？

class Author(db.Model): 
  owner = db.UserProperty()

class Post(db.Model): 
  owner = db.ReferenceProperty(Author, 
    collection_name='posts') 
  tags = db.ListProperty(db.Key)

class Tag(db.Model): 
  name = db.StringProperty() 

或者我做这样的事情会更好吗？

class Author(db.Model): 
  owner = db.UserProperty()

class Post(db.Model): 
  owner = db.ReferenceProperty(Author, 
    collection_name='posts')

class Tag(db.Model): 
  name = db.StringProperty() 

class PostTag(db.Model): 
  post = db.ReferenceProperty(Post, 
    collection_name='posts') 
  tag = db.ReferenceProperty(Tag, 
    collection_name='tags') 

最后一个问题......如果我最常见的用途怎么办？ case 将通过多个标签查询帖子。例如，“查找带有 {'apples', 'oranges', 'cucumbers', 'bicycles'} 标签的所有帖子这些方法之一更适合查找具有任何集合的帖子的查询标签？

谢谢，我知道这有点拗口。 :-)

Answer 1

第一种或第二种方法非常适合 App Engine。考虑以下设置：

class Author(db.Model): 
  owner = db.UserProperty()

class Post(db.Model): 
  author = db.ReferenceProperty(Author, 
    collection_name='posts') 
  tags = db.StringListProperty()

class Tag(db.Model): 
  post_count = db.IntegerProperty()

如果使用字符串标签（大小写标准化）作为标签实体 key_name，则可以有效地查询具有特定标签的帖子，或列出帖子的标签，或获取标签统计信息：

post = Post(author=some_author, tags=['app-engine', 'google', 'python'])
post_key = post.put()
# call some method to increment post counts...
increment_tag_post_counts(post_key)

# get posts with a given tag:
matching_posts = Post.all().filter('tags =', 'google').fetch(100)
# or, two tags:
matching_posts = Post.all().filter('tags =', 'google').filter('tags =', 'python').fetch(100)

# get tag list from a post:
tag_stats = Tag.get_by_key_name(post.tags)

第三种方法需要对于大多数基本操作来说，需要额外的查询或获取，如果要查询多个标签，则更加困难。

Answer 2

我会选择最后一种方法，因为它允许直接检索给定标签的帖子列表。

第一种方法基本上不可能保留一组规范的标签。换句话说，“系统中当前存在哪些标签”这个问题的回答成本非常高。

第二种方法解决了这个问题，但正如我提到的，它不能帮助您检索给定标签的帖子。

实体组有点神秘，但足以说明第一种方法不会创建实体组，并且它们仅对于事务数据库操作是必需的，有时对于优化数据读取很有用，但在小型应用程序中可能不需要。

应该提到的是，您采取的任何方法只有与智能缓存策略结合使用才能很好地发挥作用。 GAE 应用程序喜欢缓存。熟悉 memcache api，并了解 memcache 和数据存储上的批量读/写操作。