Python3.7+Django2.0.4配合Mongodb打造高性能高擴展標(biāo)簽云存儲方案

看見就非常 2020-05-13

展開全文

書接上回，之前有一篇文章提到了標(biāo)簽云系統(tǒng)的構(gòu)建：Python3.7+jieba(結(jié)巴分詞)配合Wordcloud2.js來構(gòu)造網(wǎng)站標(biāo)簽云(關(guān)鍵詞集合)，但是這篇只是淺顯的說明了一下如何進行切詞以及前端如何使用wordcloud2.js進行前端展示，本次主要討論下標(biāo)簽分詞切出來之后，如何進行存儲。

假設(shè)我們目前文章-標(biāo)簽體系的需求是這樣：

每篇文章都具有唯一的標(biāo)題、描述以及 URL。

每篇文章都具有一個或多個標(biāo)簽。

每篇文章都具有作者的名稱，以及喜歡

每篇文章都有用戶的評論，用戶名、消息、日期時間以及評論的喜歡度。

每篇文章都可以有 0 個或多個評論。

那么如果使用關(guān)系型數(shù)據(jù)庫來設(shè)計，比較簡單的設(shè)計方案可以是這樣：

可以注意到，標(biāo)簽和文章的對應(yīng)關(guān)系還是簡單的一對多，如果做成比較靈活的多對多還需要增加一張關(guān)系表，這樣就是四張表了。

如果使用nosql比如Mongodb來說，只需要一張表(聚合)就可以實現(xiàn)：

{  
   _id: POST_ID
   title: TITLE_OF_POST, 
   description: POST_DESCRIPTION,
   by: POST_BY,
   url: URL_OF_POST,
   tags: [TAG1, TAG2, TAG3],
   likes: TOTAL_LIKES, 
   comments: [  
      {
         user:'COMMENT_BY',
         message: TEXT,
         dateCreated: DATE_TIME,
         like: LIKES 
      },
      {
         user:'COMMENT_BY',
         message: TEXT,
         dateCreated: DATE_TIME,
         like: LIKES
      }
   ]
}

可以看到標(biāo)簽是由數(shù)組實現(xiàn)的，那么關(guān)系型數(shù)據(jù)庫mysql和非關(guān)系型數(shù)據(jù)庫mongodb在標(biāo)簽實現(xiàn)中本質(zhì)上有什么區(qū)別呢？

關(guān)系數(shù)據(jù)庫如mysql中標(biāo)簽云的實現(xiàn)是簡單的，標(biāo)簽和文章分別在不同的表中，通過join可以比較簡單的查詢出標(biāo)簽的統(tǒng)計數(shù)據(jù)。而MongoDB為快速水平擴張以及極高的性能而優(yōu)化，在MongoDB中沒有join，傾向于使用embedding來代替linking關(guān)系。

假設(shè)我們的需求又有了變化，普通博客變身成為具有數(shù)百萬篇文章的小說站.每個小說都有許多布爾屬性，大約一萬個可能的屬性,每篇小說都有十幾個章節(jié)，假設(shè)我希望能夠?qū)崟r(幾毫秒)請求給出的前n項任何屬性組合的標(biāo)簽。

你會選擇推薦什么解決方案？毫無疑問，如果你在尋找極具擴展性的方案，Mongodb無疑更好。

而且從業(yè)務(wù)角度上來講，無論是通過標(biāo)簽查文章，還是文章查標(biāo)簽這樣的需求，都非常靈活，當(dāng)然了根據(jù)文章查標(biāo)簽一般沒問題，一般都是根據(jù)標(biāo)簽查文章的時候有性能問題，如果是純關(guān)系數(shù)據(jù)庫比如mysql很難解決性能問題，所以要借助 es 索引解決。es 索引的時候可以將 tagid 用逗號分隔，可以很快的根據(jù)一個 tagid，或者多個 tagid 查詢到關(guān)聯(lián)的文章 id，一般文章列表都是分頁的，有這些文章 id 了，再去關(guān)系數(shù)據(jù)庫里面取文章就行了,但是es又是另外一件事了，回頭我們再討論。

隨后使用Django2.0.4來實現(xiàn)，首先安裝好python的mongodb操作庫pymongo

pip3 install pymongo

值得一提的是，它會有一個相對應(yīng)bson模塊也就是說 PyMongo模塊的實現(xiàn)是基于和它一起的bson模塊的。

bson是一種類json的一種二進制形式的存儲格式，簡稱Binary JSON，它和JSON一樣，支持內(nèi)嵌的文檔對象和數(shù)組對象，但是BSON有JSON沒有的一些數(shù)據(jù)類型，如Date和BinData類型；BSON有三個特點：輕量性、可遍歷性、高效性，但是空間利用率不是很理想。

基于Django插入標(biāo)簽的視圖:

import pymongo
from bson import json_util as jsonb
mongo_client = pymongo.MongoClient(host='localhost', port=27017)
from django.http import HttpResponse,HttpResponseRedirect,JsonResponse
from django.views import View

class InsertTagsHandler(View):

    def get(self,request):
        db = mongo_client.test12
        table = db.test12
        res = table.find({"title":'123'}).count()
        print(res)

        if res > 0:
            result = '重復(fù)數(shù)據(jù)'
            return HttpResponse(json.dumps({'result':result},ensure_ascii=False))
        else:
            table.insert({'title':'123','desc':['123','123']})
            return HttpResponse(json.dumps({'result':'添加成功'},ensure_ascii=False))

基于django通過文章查詢標(biāo)簽

class FindArticleHandler(View):

    def get(self,request):
        db = mongo_client.test12
        table = db.test12


        res = table.find_one({"title":'123'},{"desc":1})

        return HttpResponse(jsonb.dumps(res,ensure_ascii=False))

基于django分組查詢獲取所有標(biāo)簽以及標(biāo)簽出現(xiàn)次數(shù)的統(tǒng)計

class TagsStatHandler(View):

    def get(self,request):
        db = mongo_client.test12
        table = db.test12


        pipeline = [{'$unwind':"$tags"},{'$group': {'_id': "$tags", 'count': {'$sum': 1}}},]
        res = table.aggregate(pipeline)

        return HttpResponse(jsonb.dumps(res,ensure_ascii=False))

基于django通過標(biāo)簽反查文章

class Tags2ArticleHandler(View):

    def get(self,request):
        db = mongo_client.test12
        table = db.test12


        res = table.find({"tags":{'$in':["123"]}})

        return HttpResponse(jsonb.dumps(res,ensure_ascii=False))

結(jié)語：經(jīng)此一役，Mongodb的特點躍然紙上：結(jié)構(gòu)靈活，表結(jié)構(gòu)更改相對自由，不用每次alter的時候付出代價，適合業(yè)務(wù)快速迭代，而且json原生和大多數(shù)的語言有天然的契合。還支持?jǐn)?shù)組，嵌套文檔等數(shù)據(jù)類型。