由于产品需求的需要,我们做的产品里要实现类似微博里的关注关系。本文是以MySQL为基础,分析用MySQL如何实现微博的关注关系,对理解关注关系有一定的意义。
关注关系产生的四种关系状态
关注
粉丝
双向关注(互粉)
无关系
用词follower表示粉丝 – 追随者
用词following表示关注 – 追随
设计的结构必须能满足以下功能:
查询关注列表
查询粉丝列表
查询双向关注列表
判断两个用户的关系
查询带关系状态的任一列表
第一种方案
用一行纪录表示关注和粉丝,字段u2的值表示粉丝,u1表示被关注者。
Table: user(用户表)
Table: follower(u2表示粉丝, u1表示被关注的人)
查询用户id = 1的关注列表
SELECT * FROM follower WHERE u2 = 1
查询用户id = 1的粉丝列表
SELECT * FROM follower WHERE u1 = 1
查询用户id = 1的双向关注列表
SELECT t1.* FROM (SELECT * FROM follower WHERE u2 = 1) AS t1 INNER JOIN follower t2 ON t1.u1 = t2.u2 LIMIT 10
判断两个用户的关系(id = 1 –> id = 5)
SELECT * FROM follower WHERE (u2 = 1 or u1 = 1) AND (u2 = 5 or u1 = 5) LIMIT 3
id = 1的用户查询所有 id < 5的用户,并显示关系
如上图所示,要查询的用户的那个圈,被分成了四个部分(上面讲的四种状态):
关注了我的用户
和我互粉的用户
我关注了的用户
我未关注的用户
以上复杂的集合关系,通过单一SQL根本无法实现。
要查询的用户与粉丝集合的交集:
SELECT * FROM
(SELECT * FROM user WHERE id < 5) AS t1
INNER JOIN
(SELECT * FROM follower WHERE u1 = 1) AS t2
ON t1.id = t2.u2
要查询的用户与关注集合的交集:
SELECT * FROM(SELECT * FROM user WHERE id < 5) ASt1INNER JOIN(SELECT * FROM follower WHERE u2 = 1) ASt3ON t1.id = t3.u1
其他的部分可以通过以上两步查询出来的数据,在内存中作计算得出。
因为关注关系是互相的,用一行纪录即可表示。以上的设计其实是把关注和粉丝的概念用一行纪录表达。这样会引来一个缺点,当follower非常大的时候,对follower表进行分片,如果按u1或者u2分片,假设按u1分片,那么将导致关注列表,即下面的查询要做聚合。
SELECT * FROM follower WHERE u2 = 1
选择u1分片后,u2 = 1的数据行将会落到不同的分片上。
SELECT * FROM follower_0 WHERE u2 = 1
UNION
SELECT * FROM follower_1 WHERE u2 = 1
而粉丝列表的查询不会受影响,同一个用户的所有粉丝分在一个片上。
SELECT * FROM follower_1 WHERE u1 = 1
如果按u2分片,同样也会导致粉丝列表会落在不同的分片上。两个查询不可能同时满足分片。
如果分片是跨数据库或者是跨主机的方案,问题会变得更复杂。
针对方片的优化方案
可以用冗余数据的办法来解决数据分片带来的问题,即将关注和粉丝分2个表存放。 用follower表存放粉丝
用following表存放关注
当用户Ub关注Ua,分别往follower, following写入一行纪录。 (Ua -> Ub) 只是他们表示的含义不同。
follower表示Ua的粉丝是Ub
following表示Ub关注Ua
分片的时候,同时对follower和following进行分片。同时上面分析的所有查询方法也要相应改变,思路还是一样,只是单个表的自联接变成2个表的联接。
以上方案缺点就是数据量会增加一倍,进行关注或者取消关注的写操作会多一次,要同时维护2个表的数据。
以上优化虽然解决了一些问题,但同时也带来一些问题。可见关系型数据库在处理用户关系的时候,表现得很吃力。我们不得不承认,虽然叫“关系”型数据库却不太懂得处理集合关系。
另一种方案
还有一种方案,即用一行纪录表示出两个用户之间的所有关系,此方案能节省很大的数据空占用。
字段: u1, u2, type
type=1 表示u2关注u1
type=2 表示u1,u2互相关注
type=0 表示u1,u2无关系(默认)
保证插入数据时,u1是被关注者,u2是粉丝(当然你也可以换过来,只是逻辑会变了)
每次写入数据时要检查当前的状态:
如果u1(1) -> u2(2)纪录已经存在(u2已经关注u1),这个时候u1再关注u2,只需要将type字段的值变为type = 2。
如果u1(1) -> u2(2) type(2)时,即u1和u2互相关注,如果有一个人取消关注,问题会很复杂,最坏的情况要修改整行纪录,交换u1,u2这两个字段的值,再修改type=1。
同时上面的方案查询也会变化。例如要查询id = 1的粉丝列表:
SELECT * FROM table WHERE u1 = 1 OR (u2 = 1 AND type = 2)
例如要查询id = 1的关注列表:
SELECT * FROM table WHERE u2 = 1 OR (u1 = 1 AND type = 2)
上面的方案只强调关注关系,双向关系只是在单一关系上用字段区分,关注的先后关系很明显,事务性更强。
查询id = 1的双向关注
SELECT * FROM table WHERE type = 2 AND (u1 = 1 OR u2 = 1)
这个方案虽然节省数据空间,但是不容易理解,而且写入时每次要检查判断当前的关系,逻辑上过于复杂。而且数据量大后,由于查询WHERE条件同时有u1和u2,很难进行分片。
其他一些问题
ua与ub的共同关注列表
ua与ub的共同粉丝列表
ua的关注列表里谁关注了ub
以上的关系计算大家可能很容易理解,但要在MySQL里实现,是非常难的。
id = 3与id = 2的共同关注列表:
SELECT u1, COUNT(id) AS num FROM follower WHERE u2 = 3 OR u2 = 2
GROUP BY u1 HAVING num > 1
id = 3与id = 1的共同粉丝列表:
SELECT u2, COUNT(id) AS num FROM follower WHERE u1 = 3 OR u1 = 1
GROUP BY u2 HAVING num > 1
当然你可以用集合的方法查询:
SELECT t1.u2 FROM(SELECT u2 FROM follower WHERE u1 = 3) ASt1INNER JOIN(SELECT u2 FROM follower WHERE u1 = 1) ASt2ON t1.u2 = t2.u2
id = 1的关注列表里谁关注了id = 5
SELECT u2 FROM (SELECT u2 FROM follower WHERE u1 = 2) ASt1INNER JOIN(SELECT u1 FROM follower WHERE u2 = 1) ASt2ON t2.u1 = t1.u2