PostgreSQL 大学选课相关性应用实践
背景
大学生选课,一门课程可同时有若干学生选修,一个学生可能同时选多门课程,学生和课程的关系是多对多的关系。
1、如何找出每一门课程相关的课程(即这门课程的学生,还选了其他一些什么课程?)同时要求按相关性排序。
2、如何找出每一门课程相关的课程(即这门课程的学生,还选了其他一些什么课程?这些课程的学生又选了一些什么课程,递归)同时要求按相关性排序。
DEMO
对于第一个要求,实现很简单:
10万位学生,1000门课,平均每个学生选5门课。
求每门课程的相关课程,并按相关性排序(选了该课程的学生中,还选了什么课程,按被选次数倒排序)。
1、建表,存储的是选课信息:
create table xuanke(
std_id int8, -- 学号
cos_id int -- 课程
);
2、插入50万记录
insert into xuanke select random()*99999, random()*999 from generate_series(1,500000);
3、单个学生选了什么课,使用数组存储:
create table xuanke_cos_id (
std_id int8 primary key,
cos_id int[]
);
insert into xuanke_cos_id select std_id, array_agg(cos_id) from xuanke group by 1;
4、每门课,有哪些学生选了,使用数组存储:
create table xuanke_std_id (
cos_id int primary key,
std_id int8[]
);
insert into xuanke_std_id select cos_id, array_agg(std_id) from xuanke group by 1;
5、通过某门课的学生,得到这些学生选了什么课,并聚集,按相关性输出:
create or replace function get_cos_id2(int8[]) returns text[] as $$
select array_agg(unnest||':'||cnt order by cnt desc) from
(select unnest(cos_id) as unnest, count (*) as cnt
from xuanke_cos_id where std_id = any ($1) group by 1
) t;
$$ language sql strict;
6、拿结果:
select cos_id, get_cos_id2(std_id) from xuanke_std_id;
结果例子:
251 | {251:495,348:9,708:8,372:7,816:7,431:6,184:6,600:6,114:6,649:6, .....
453 | {453:499,519:7,750:7,816:7,375:7,109:7,705:7,650:7,908:7, .....
使用并行计算,以上查询毫秒级。
相关案例
如果是要实现第二个需求,也就是需要递归,可以参考如下方法:
《PostgreSQL 图式搜索(graph search)实践 - 百亿级图谱,毫秒响应》
WITH RECURSIVE search_graph(
std_id, -- 点1
cos_id, -- 点2
depth, -- 深度,从1开始
path, -- 路径,数组存储
cycle -- 是否循环
) AS (
select std_id,cos_id,depth,path,cycle from (
select
std_id,
cos_id,
1 depth,
array[row(std_id,cos_id)] path,
false as cycle
from xuanke
where cos_id=?
) t
UNION ALL
select std_id,cos_id,depth,path,cycle from (
select
g.std_id,
g.cos_id,
sg.depth+1 depth,
sg.path||array[row(g.std_id,g.cos_id)] path,
(row(g.std_id,g.cos_id) = ANY(path)) as cycle
from xuanke as g, search_graph AS sg
where
g.std_id = sg.std_id
AND NOT cycle
-- and sg.depth <= ?
) t
)
SELECT * FROM search_graph;
数据量非常庞大,返回时间很久。实际上层级很深后,意义不大。
如果需要限制每个层级的返回数,限制层级,限制相关性权重等,请参考:
《PostgreSQL 图式搜索(graph search)实践 - 百亿级图谱,毫秒响应》