很多表或行，在 SQL 中哪一个更高效？

Question

我正在构建一个程序，用于存储公司的新闻标题及其来自各种来源的时间戳。

假设公司的数量是 1000。它就像 Apple、Google、Microsoft.. 等。

所以我可以考虑两个选项。

1. 一个包含许多行的表（上面的代码只是一个示例）。

   CREATE TABLE news
   (
       news_id INT NOT NULL AUTO_INCREMENT PRIMARY KEY,
       company VARCHAR(10) NOT NULL,
       timestamp TIMESTAMP NOT NULL,
       source TEXT NOT NULL,
       content TEXT NOT NULL,
       ...
   )
   
   // I also can make company and timestamp as primary keys,
      and news_id will be unique key.*
   

2. 1000 个表

   CREATE TABLE news_apple // and news_google, news_microsoft, news_...(x 1000)
   (
       news_id INT NOT NULL AUTO_INCREMENT PRIMARY KEY,
       timestamp TIMESTAMP NOT NULL,
       source TEXT NOT NULL,
       content TEXT NOT NULL,
       ...
   )
   

大多数时候，我会找到某家公司的新闻。假设每家公司有超过 10000 条新闻。我想知道如果我在第一个选项中使用“WHERE”子句，它会比第二个选项慢。

哪一个在性能方面更高效，为什么？

Answer 1

制作一张包含所有公司的表，但使用外键！您可以通过数字识别每家公司，并拥有另一个查找表，其中包含每个数字和公司的字符串。喜欢：

CREATE TABLE news
(
news_id INT NOT NULL AUTO_INCREMENT PRIMARY KEY,
company_id INT 11,
timestamp TIMESTAMP NOT NULL,
source TEXT NOT NULL,
content TEXT NOT NULL,
...
)

和

CREATE TABLE companies
(
company_id INT 11
company_name VARCHAR(10)
)

使用外键约束使其明确：http://dev.mysql.com/doc/refman/5.6/en/create-table-foreign-keys.html

这样您将通过重复存储数字而不是字符串来节省空间，您的索引会更小，并且您的查找会更快。

Answer 2

我在许多表方面的经验，目前在一家拥有 6000 多个表并且还在不断增长的公司工作，但管理许多表的难度很大。好处是您可以减少表中的行数（我在其他公司有 3000 万行），这很好 - 但前提是您的所有表都有一个可管理的解决方案。

例如：这 6000 多张桌子实际上是带有房间号 ID (data_room#_hotelID) 的酒店，因此我可以编写存储过程、bash 或 php 脚本来处理它们。

另一方面，多行更简单，因为您要处理的表更少，但是您需要开始创造性地研究如何提取数据。您肯定希望在 SQL WHERE 子句上添加索引，但这很明显。

我过去用来管理大型表的选项是：

1) 以有意义的方式（如按字母顺序）插入具有自动增量的数据 - 但看到您的数据变化很大，这不是一个好的选择

2) 将表加载到内存中 - 我不知道您将其托管在哪里，但我在内存中使用 MySQL。我只知道两种方法：一种是在 MySQL 本身上设置它，另一种是有一个内存驱动器（使用一些计算机的 ram）并将 MySQL 和它的数据移动到安装的驱动器（我已经也使用了闪存驱动器）。

您还需要考虑是否更频繁地插入或选择数据。

总结一下：

• 如果您选择创建多个表，请确保它们没有保存大量数据并且您可以管理它们。

• 如果您使用更少的表和更多的行，请使用索引、RAM 驱动器、缓存来加快从大型表中获取数据的过程。

这是我的两分钱，希望对你有帮助！

Answer 3

关系数据库旨在为每个表存储许多行。有很多机制可以促进大表，例如：

• 对任意字段组合的索引以加快搜索速度
• 页面缓存，因此常用页面保留在内存中
• 垂直分区（列式数据库）以进一步加快请求速度
• 哈希联接和分组依据等高级算法（至少在 MySQL 以外的数据库中）
• 使用多个处理器和磁盘来处理查询

在将数据放入单个表中时，有一件事情比较困难，那就是安全性。而且，事实上，在某些情况下，这是一个主要问题，基本上要求数据放在单独的表中。这些应用程序很少见。

举个例子，说明在多个表中存储数据有多糟糕，假设在您的系统中，每个公司都有一条记录，并将其存储在一个表中。该记录存储有关公司的信息——例如名称、地址等。调用是 100 字节的信息。

在您的架构中，每个“公司”都有一个单独的表，因此每个表只有一行。该记录将驻留在一个数据页上。一个数据页可能是 16 KB，因此您浪费了大约 15.9 KB 来存储这些数据。存储 1000 条这样的记录占用 16 MB，而不是大约 7 页（112 KB）。这可能会对性能造成重大影响。

此外，对于多个表，您没有考虑维护所有表和确保不同表中数据正确性的挑战。维护更新需要应用于数千个表，而不是少数。