#Chatgpt #AI #gpt…：社交媒体平台如何处理标签

在我的上一篇帖子中，我简要介绍了索引。现在是实施一些东西并检查一些真实例子实际工作的时候了。我们的主要示例将深入研究流行社交媒体平台上标签的工作原理。为了增加一些乐趣，我们将使用流行的标签，比如#Chatgpt #AI等等。虽然具体的实现方式可能对于所有平台来说并不相同，但是底层概念通常是通过索引实现的。

我更熟悉PostgreSQL，因此本系列文章中将一直使用它。

型号：

#tags.py
class Tag():
    id = Column(Integer, primary_key=True)
    name = Column(String) #tags will be stored here.

等等……为什么名字上没有唯一约束？因为……

唯一约束本身就是唯一索引。

是的，在幕后，大多数sql平台将唯一约束实现为唯一索引。请查看Postgres文档。

继续前进… 不添加唯一约束的原因是我们可以将结果进行比较，以了解是否需要进行索引。

言归正传：

我已经创建了大约一百万个独特的标签。

postgres=# select count(*) from tags;
  count  
---------
 1105568
(1 row)

如果我们查询一个标签而没有任何索引，会出现什么结果？

postgres=# explain analyze select * from tags where name = '#chatgpt';
                                                     QUERY PLAN                                                     
--------------------------------------------------------------------------------------------------------------------
 Gather  (cost=1000.00..14835.27 rows=1 width=27) (actual time=56.066..58.581 rows=1 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   ->  Parallel Seq Scan on tags  (cost=0.00..13835.17 rows=1 width=27) (actual time=27.404..27.404 rows=0 loops=3)
         Filter: ((name)::text = '#chatgpt'::text)
         Rows Removed by Filter: 368530
 Planning Time: 0.125 ms
 Execution Time: 58.608 ms
(8 rows)

由于没有其他选择，Postgres直接进行了顺序扫描。

添加索引（唯一约束）后再查看。

postgres=# explain analyze select * from tags where name = '#chatgpt';
                                                     QUERY PLAN                                                     
--------------------------------------------------------------------------------------------------------------------
 Index Scan using "Unique Tag" on tags  (cost=0.43..8.45 rows=1 width=27) (actual time=0.121..0.126 rows=1 loops=1)
   Index Cond: ((name)::text = '#chatgpt'::text)
 Planning Time: 0.212 ms
 Execution Time: 0.173 ms
(4 rows)

与之前的查询相比，这次Postgres使用了索引扫描，因为我们添加了唯一约束。

如果我们四舍五入数值，则从59毫秒到1毫秒，约为98.31％的改善。

什么是权衡？

在我之前的文章中，我提到为了获得更好的性能，通常我们会在时间上进行空间的交换。这次我们交换了多少空间呢？

47 MB对于1百万个标签和98％的改进来说还不错。我认为我们在这里做得不错。然而，随着标签的增加，空间将会增加。

接下来是什么？

可以快速找到标签，我们就能获取与其相关的文章。通常情况下有三个模型。

class Tag(Base):
    __tablename__ = 'tags'
    id = Column(Integer, primary_key=True)
    name = Column(String, unique=True)

    def __repr__(self):
        return f"Tag(id={self.id}, name='{self.name}')"

class Post(Base):
    __tablename__ = 'posts'
    id = Column(Integer, primary_key=True)
    content = Column(String)

    def __repr__(self):
        return f"Post(id={self.id}, content='{self.content}')"

class PostTag(Base):
    __tablename__ = 'post_tags'
    id = Column(Integer, primary_key=True)
    post_id = Column(Integer, ForeignKey('posts.id')))
    tag_id = Column(Integer, ForeignKey('tags.id'))

    def __repr__(self):
        return f"PostTag(post_id={self.post_id}, tag_id={self.tag_id})"