论如何设计博客分类标签系统

本文描述了这个博客背后归档系统的设计与实现思路。

逻辑模型设计

通常博客所用的归档方式有三种：

按发布时间归档
分类体系
标签体系
这三种归档体系是可以同时存在的，而且这样的设计也非常常见。
其中按时间归档实在是Trivial，而且归档逻辑性也相对较弱，故在此略去不提。

通常分类与标签体系最大的区别在于，文章和分类是多对一的关系，而标签和文章是多对多的关系。
实际上在使用中，我发现分类确实不如标签好用。
在使用OneNote整理笔记的时候，经常出现一类很让人头疼的Delimma。比如，用Python做的可视化演示，究竟是应当放入Python分类中呢？还是放在可视化分类中呢？
避免这个问题，需要分类设计做到完全正交，然而真正能做到完全正交的分类体系又往往不甚实用……。更重要的一点是，每当我检索笔记的时候，往往是通过类似标签形式的关键词搜索去定位文章的……分类体系更是显得累赘了……

不过完全不要分类体系好不好？当然也不好，当然，多级分类应该拍扁成一级分类，这样分类就可以做成一个字段放入文章表中了。

所以在我看来，博客的归档系统，应当以标签系统为主，分类系统为辅。
分类系统必须是扁平的，不可有过多的类目，且尽量做到正交。
我的博客目前拟采用以下分类

INSERT INTO categories (cate_name)
VALUES ('未分类'), ('随笔文章'), ('生活记录'), ('工作记录'), ('文档剪藏'), ('读书笔记'), ('前端戏法'), ('后端杂技'), ('算法心得'), ('数据库'), ('部署运维'),('知识积累'), ('游戏杂谈');

而标签就会显得比较随意了。

数据模型设计

传统方法

传统上，按照数据库设计理论Blabla，应当这样设计：

------------- 基础表定义 -------------
-- 登录信息表
CREATE TABLE IF NOT EXISTS login (
user_id SERIAL PRIMARY KEY,
email TEXT NOT NULL UNIQUE,
hashed_password TEXT NOT NULL
);
-- 用户信息表
CREATE TABLE IF NOT EXISTS users (
user_id INTEGER PRIMARY KEY REFERENCES login (user_id),
email TEXT NOT NULL UNIQUE,
name TEXT NOT NULL,
avatar TEXT
);
-- 博文分类表
CREATE TABLE IF NOT EXISTS categories (
cate_id SERIAL PRIMARY KEY,
cate_name TEXT NOT NULL UNIQUE
);
-- 博客文章表
CREATE TABLE IF NOT EXISTS articles (
article_id SERIAL PRIMARY KEY,
user_id INT NOT NULL REFERENCES users (user_id),
title TEXT NOT NULL,
content TEXT NOT NULL,
description TEXT,
thumb TEXT,
cate_id INTEGER NOT NULL REFERENCES categories (cate_id) DEFAULT 1,
private BOOLEAN DEFAULT FALSE,
ctime TIMESTAMP NOT NULL DEFAULT current_timestamp,
mtime TIMESTAMP NOT NULL DEFAULT current_timestamp,
read_cnt INT DEFAULT 0,
upvote_cnt INT DEFAULT 0
);
-- 标签表
CREATE TABLE IF NOT EXISTS tags (
tag_id SERIAL PRIMARY KEY,
tag_name TEXT NOT NULL UNIQUE
);
-- 标签映射表
CREATE TABLE IF NOT EXISTS tag_mapping (
article_id INTEGER REFERENCES articles (article_id) ON DELETE CASCADE,
tag_id INTEGER REFERENCES tags (tag_id),
PRIMARY KEY (article_id, tag_id)
);
---------------- 复合类型定义 ----------------
-- 文章类型,包括文章的详细信息
CREATE TYPE article AS (
user_id INTEGER,
cate_id INTEGER,
article_id INTEGER,
title TEXT,
content TEXT,
description TEXT,
thumb TEXT,
private BOOLEAN,
ctime TIMESTAMP,
mtime TIMESTAMP,
read_cnt INTEGER,
upvote_cnt INTEGER,
cate_name TEXT,
email TEXT,
name TEXT,
avatar TEXT,
tags JSONB
);
-- 文章摘要,除了content字段外的所有信息
CREATE TYPE article_entry AS (
user_id INTEGER,
cate_id INTEGER,
article_id INTEGER,
title TEXT,
description TEXT,
thumb TEXT,
private BOOLEAN,
ctime TIMESTAMP,
mtime TIMESTAMP,
read_cnt INTEGER,
upvote_cnt INTEGER,
cate_name TEXT,
email TEXT,
name TEXT,
avatar TEXT,
tags JSONB
);
-- 标签信息
CREATE TYPE tag AS (
tag_id INTEGER,
tag_name TEXT,
article_cnt INTEGER,
articles INTEGER []
);
-- 类目信息
CREATE TYPE category AS (
cate_id INTEGER,
cate_name TEXT,
article_cnt INTEGER,
articles INTEGER []
);
-- 用户信息
CREATE TYPE user_entry AS (
user_id INTEGER,
email TEXT,
hashed_password TEXT,
nickname TEXT,
avatar TEXT
);

这样设计的好处，当时只要对映射表轻松地聚合，就可以实现查询文章所有的标签和查询标签对应的所有文章，正查倒查效率都很高。当然坏处就是特么的查个标签最后我要Join三张表……

JSON方法

事实上，如果把标签作为一个Json字段放在文章表里，就可以省却很多这类破事了。
尤其是当PostgreSQL支持JSON索引的时候，直接通过where子句筛选标签字段，同样可以实现传统方法的功能，而且不需要额外的Join了。
不过后来，我发现JSON的设计还是不给力，因为如果我想统计每个标签下面究竟挂着多少文章，JSON的设计就蛋疼了。仔细想想，关系型数据库的崛起确实是因为它的确具有优越性。当然，最后定义了视图里面，还是采用了一些JSON字段的。