慢更新与慢选择

Question

这是一个关于权衡的问题。

想象一个社交网络。每个用户都有一个状态消息，他可以随时更改。每当他改变它时，他的所有朋友都会通过墙得到通知（就像在 Facebook 中一样）。

为了使这项工作成功。我们有 3 个表：Users(id, name)、FriendLists(userId、friendUserId)、Notifications(?)。

现在我们假设每个用户的朋友列表中有大约 50 个朋友。我面临着困境 - 如何实现通知表。

---

第一个选项

CREATE TABLE Notifications
(
toUserId bigint NOT NULL,
[identity] bigint IDENTITY(1,1) NOT NULL,
fromUserId bigint NOT NULL,
data varchar(256) NOT NULL,
CONSTRAINT [PK_Notifications] PRIMARY KEY CLUSTERED (toUserId, [identity])
)

发送通知：

-- Get all friends of @fromUserId.
WITH Friends AS
   (SELECT FriendLists.friendUserId
 FROM FriendLists
 WHERE userId = @fromUserId)
-- Send updates to all friends.
SELECT
 friendUserId as toUserId,
 @fromUserId as fromUserId,
 @data as data
INTO Notifications
FROM Friends

在本例中，对于每次状态更改，我们都会创建 50 条记录（假设有 50 个朋友）。这不好。然而，好处是检索特定用户的通知非常快，因为我们在 toUserId 上有一个聚集索引。

第二个选项

CREATE TABLE Notifications
(
toUserId bigint NOT NULL,
[identity] bigint IDENTITY(1,1) NOT NULL,
fromUserId bigint NOT NULL,
data varchar(256) NOT NULL,
CONSTRAINT [PK_Notifications] PRIMARY KEY CLUSTERED ([identity])
)
CREATE NONCLUSTERED INDEX [IX_toUserId] ON Notifications (toUserId ASC)

发送通知：

-- Get all friends of @fromUserId.
WITH Friends AS
   (SELECT FriendLists.friendUserId
 FROM FriendLists
 WHERE userId = @fromUserId)
-- Send updates to all friends.
INSERT INTO Notifications(toUserId, fromUserId, data)
    VALUES(friendUserId, @fromUserId, @data)

在这里，我们每次状态更新只插入一条记录。这很好。缺点是通知的检索会变慢，因为记录不是按 toUserId 聚集的。

---

获取通知 两种方法都是相同的：

SELECT TOP(50) fromUserId, [identity], data
FROM Notifications
WHERE toUserId  = @toUserId

那么您对此有何看法？

Answer 1

首先，读取总是会被压倒与写入相比，因为每个“墙”将要看到的许多更多的时间比它将被更新。所以你最好使读取织补快速。

其次，这些好心的社交网站中固有的问题之一是数据的分布（分片，分区，没有一个单一的数据库将永远是能够储存所有帐户，所有的朋友，所有的通知），这意味着当新的通知被放在墙壁上，朋友对的其他的服务器通知。这意味着更新是异步的，基于消息呢。

所以，我肯定会用阅读优化的结构去了。

我建议你去通过参与像Facebook和MySpace网站的架构不同的人做了公开展示，像的这个克里斯塔Stelzmuller的一个。他们解释了很多该进入他们的设计思想和推理的。

Answer 2

相比的SELECT ...幅度的几个订单

更新速度非常慢。此外，为您的网站扩展你会被缓存在内存中所有的读取，所以选择的速度将是微不足道的。

Answer 3

在这种情况下，在 (toUser,identity) 上创建聚集索引似乎是一个坏主意，因为聚集索引确实应该按升序插入。当然，SQL 会负责保持表排序，但这会带来很高的性能成本（这就是你问题的重点）。但一般来说，不建议提前知道不按特定顺序进行插入聚集索引。这里有一个非常好的 三 部分 文章 关于聚集索引建议。

话虽如此，我还是坚持使用标识列作为聚集索引，并在 toUserId 上创建一个非聚集索引，也许还创建一个日期时间列。通过包含日期时间列，您可以更有效地查询最近的数据。

关于更新缓慢，社交网站上的状态更新对于消息队列来说是一个完美的情况。这样，您就可以根据需要调整数据库以加快读取速度，并且如果它对写入性能产生影响，用户也不会受到影响。从他们的角度来看，更新是即时的，尽管可能需要一些时间才能“坚持”。

对于非常大的数据库，我会听从 SQL 专家的意见，他们可以讨论分区策略（针对新数据的更小、更易于管理的表，针对旧数据的更大/重度索引的表）和复制解决方案。