新浪微博数据库是如何设计的

最新推荐文章于 2022-03-25 15:00:00 发布

zhexuandeng

最新推荐文章于 2022-03-25 15:00:00 发布

阅读量3.8k

点赞数 2

分类专栏：系统架构

系统架构专栏收录该内容

1 篇文章 0 订阅

订阅专栏

从4个层面上面来说:

1. Database，其实 @mysqlops 回答就是微薄最基本的数据库方式，我在上面做一下扩展。

     Java代码   
     
 微薄内容表A：tid uid src_tid content timeline，其中 tid 是微薄的 ID （自增量），src_tid[1]为转发的源 tid 。  
    
 话题表B：kid title lastupdatime total，total是话题总数，kid 是话题的ID （自增量）  
    
 话题关联表C：id tid kid，id无意义  
    
 @用户关联表D：id uid tid，这里的uid是指被提及人的uid，id无意义  
    
 收听用户关联表E：id uid follow_uid

上面的 timeline、lastupdatime 均为“发帖时间”，其中timeline是永久不变的字段， lastupdatime 为“该话题最后发帖时间”，属于冗余字段，等同于 SELECT TOP 1 timeline FROM A INNER JOIN C ON C.tid = A.tid WHERE C.kid = #话题id# ORDER BY A.timeline DESC。

[1] src_tid 为何可以这样设计的原因请阅读 "4.发微薄"

SQL：

     Sql代码   
     
 follow 用户列表：SELECT follow_uid FROM E WHERE uid = 102  
    
 微薄首页微薄列表：SELECT content,(SELECT content FROM A AS a2 WHERE a2.tid = a1.src_tid AND a1.src_tid > 0) AS src_content FROM A AS a1 WHERE uid IN （SELECT follow_uid FROM E WHERE uid = 102） ORDER BY timeline DESC  
    
 某 #话题# 列表：SELECT A.content,(SELECT content FROM A AS a2 WHERE a2.tid = a1.src_tid AND a1.src_tid > 0) AS src_content FROM A AS a1 INNER JOIN C ON C.tid=A.tid WHERE C.kid=#话题id# ORDE BY A.timeline DESC  
    
 @我 的列表：SELECT A.content,(SELECT content FROM A AS a2 WHERE a2.tid = a1.src_tid AND a1.src_tid > 0) AS src_content FROM A AS a1 INNER JOIN D ON D.tid=A.tid WHERE D.uid=102 ORDE BY A.timeline DESC  
    
 转播列表：SELECT content,uid FROM A WHERE src_tid = 源tid ORDE BY A.timeline DESC

2. Cache，主要在cache层是最麻烦的，这需要很多主机和很多分布内存，主要以 hashmap 方式存储（memcache）。hashmap 查询时间会比较稳定。

     Java代码   
     
 cache1，用户最后更新时间 Cache：uid 为 key，timeline[1] 和"帖子列表"[2]为value。  
    
 cache2，话题最后更新时间 Cache：kid 为 key，lastupdatime[3] 和"帖子列表"[2]为 value。  
    
 cache3，@用户最后更新时间 Cache：uid为key，timeline[4] 和"帖子列表"[2]为value。  
    
 cache4，微薄内容表：tid 为 key，timeline[1] 和 content 和 src_tid[5] 为value

[1] 这里的 timeline 均为 “微薄内容表A” 中的 timeline
[2] 与该 cache 相关的最后N条微薄内容：array(tid,timeline)，如果有可能的话，可以指向 cache4 中的地址。
[3] 这里的 lastupdatime 为 “话题表B” 中的 lastupdatime
[4] 这里的 timeline 为 SELECT A.timeline FROM D INNER JOIN A ON a.tid = b.tid
[5] src_tid 可以直接指向 cache4 中对于的内存地址

3.前台页面打开后

首页、话题页面第一次打开：

请参见上面的SQL，换算成Cache也不难
页面前台 < script > 记录SQL返回的第一条微薄的时间 t1。（SELECT TOP 1 ... ORDER BY DESC）

微薄首页Ajax请求： post你的 t1，和 uid
更新多少条：获取你收听用户的 my_follow_uid_list，循环 my_follow _uid 查询 cache1 ，如果timeline > t1，就根据 my_follow _uid 去读取 cache4 的内容和数量。
提到你的：如果 cache3 的内容 timeline > t1 的，就记录下提到你的数量。

然后更改前台最后微薄的时间t1为最后一条微薄的时间

4. 发微薄
- submit；
- 通过正则分析出 #话题# 和 @人的内容；
- 提交到对应的数据库：添加“微薄内容”到表A添加 #话题# 关联到表C，如果该话题不存在，要先在表B 中 INSERT更新 #话题# lastupdatime添加 @人到表D
- 更新对应的cache。
转播他人话题，实际上也是先分析你撰写的转播内容中的 #话题# 和 @人
唯一是多一个 src_tid 提交

这是最基本的数据结构，中间存在很多值得优化的地方。
楼主特别提出了关注1万人，我记得国内微薄收听有限制吧。如果收听人数过多，查询肯定会慢，不过优化 cache1 就能应对，方法比如拆分、存址都可以。
Cache 的话一般选择分布式，就是给机器编号，每个电脑存储不同uid块