mapreduce - 使用 CouchDB 或 RDBMS 标记查找最高度相关的帖子会更好吗？

Question

我想通过查找与相关帖子共有标签数量最多的帖子来查找相关帖子。我可以在 SQL 查询中执行此操作，但由于我将有成千上万的帖子，每个帖子都有几十个标签，我想知道 CouchDB 是否会是一个更好的选择？如果是这样，它将如何在 CouchDB 中工作？

相关地考虑这个问题，这里是结构：

post: id, (other post data)
tag: id, (other tag data)
post_tag: post_id, tag_id

SQL 查找帖子#X 的前 10 个最相关的帖子：

select r.post_id
from post_tag p join post_tag r on p.tag_id = r.tag_id
where p.post_id = X and r.post_id != X
group by r.post_id
order by count(*) desc
limit 10

此查询提供与帖子 X 相同标签最多的前 10 个帖子。

我可以更有效地从 CouchDB 获得相同的结果吗？如何？

Answer 1

此查询提供与帖子 X 相同标签最多的前 10 个帖子。

使用 Map/Reduce 计算这种查询非常糟糕，因为对于每个文档，您必须为每个标签组合生成一个键。此外，您将需要几个链式 map/reduce 才能有效地实现这一目标。所以 CouchDB 绝对不是一个简单的方法。

正如 Marcin 所写，您可以“作弊”并在 CouchDB 上使用搜索服务器，但您的 SQL 查询似乎更优雅。