Comment concevoir une structure de table MySQL haute performance pour implémenter la fonction du système de recommandation ?

Comment concevoir une structure de table MySQL hautes performances pour implémenter la fonction du système de recommandation ?

Le système de recommandation est un élément important de nombreuses plateformes Internet. Il fournit un contenu de recommandation personnalisé en analysant le comportement et les préférences des utilisateurs. Dans la mise en œuvre de systèmes de recommandation, la base de données joue un rôle clé, il est donc très important de concevoir une structure de table MySQL performante. Cet article expliquera comment concevoir une structure de table MySQL hautes performances pour implémenter la fonction du système de recommandation et fournira des exemples de code spécifiques.

1. Analyse des exigences du système de recommandation

Avant de concevoir la structure de la table MySQL, nous devons d'abord clarifier les exigences du système de recommandation. Les fonctions courantes du système de recommandation incluent des recommandations personnalisées basées sur le comportement historique des utilisateurs, des recommandations de filtrage collaboratif basées sur des utilisateurs similaires, des recommandations populaires, etc. Différents algorithmes de recommandation ont des exigences différentes pour les structures de tables de base de données, il est donc nécessaire de choisir une conception de structure de table appropriée en fonction des besoins réels.

2. Plan de conception de la structure de la table MySQL

1. Table utilisateur (utilisateur)

La table utilisateur enregistre les informations de base de l'utilisateur, y compris l'ID utilisateur, le nom d'utilisateur, le sexe, l'âge, etc. La conception de la table utilisateur doit prendre en compte les changements et l'évolutivité des informations utilisateur. Vous pouvez utiliser le SQL suivant pour créer une table utilisateur :

CREATE TABLE user (

id INT PRIMARY KEY AUTO_INCREMENT,
username VARCHAR(255) NOT NULL,
gender ENUM('male', 'female') NOT NULL,
age INT NOT NULL,
...

);

2. item table (item)

Le tableau des articles recommande tous les articles du système, tels que les produits, les articles, les films, etc. La conception de la table des éléments doit prendre en compte l'évolutivité des informations sur les éléments. Vous pouvez utiliser le code SQL suivant pour créer la table des éléments :

élément CREATE TABLE (

id INT PRIMARY KEY AUTO_INCREMENT,
name VARCHAR(255) NOT NULL,
category ENUM('book', 'movie', 'music', ...) NOT NULL,
...

) ; )

3. Tableau d'enregistrement du comportement de l'utilisateur Il enregistre le comportement de l'utilisateur envers des éléments, tels que les clics de l'utilisateur, les collections, les achats, etc. La conception de la table d'enregistrement du comportement de l'utilisateur doit prendre en compte la granularité des enregistrements et l'optimisation de l'index. Vous pouvez utiliser le code SQL suivant pour créer une table d'enregistrement du comportement de l'utilisateur :

Action CREATE TABLE (

id INT PRIMARY KEY AUTO_INCREMENT,
user_id INT NOT NULL,
item_id INT NOT NULL,
action_type ENUM('click', 'collect', 'purchase', ...) NOT NULL,
action_time DATETIME NOT NULL,
...

) ;

Table des résultats des recommandations de l'utilisateur (recommandation)

4. La table des résultats des recommandations de l'utilisateur enregistre le système de recommandation généré en fonction de comportement de l'utilisateur et résultats recommandés par l'algorithme de recommandation. La conception du tableau des résultats recommandés doit prendre en compte la mise à jour des résultats et l’optimisation des index. Vous pouvez utiliser le SQL suivant pour créer une table de résultats de recommandation utilisateur :

Recommandation CREATE TABLE (

id INT PRIMARY KEY AUTO_INCREMENT,
user_id INT NOT NULL,
item_id INT NOT NULL,
score FLOAT NOT NULL,
...

);

3. Optimisation de la structure de la table MySQL

Utilisez les index appropriés

1. Dans la conception de la structure de la table MySQL, approprié index Les performances des requêtes peuvent être considérablement améliorées. Pour la table d'enregistrement du comportement de l'utilisateur et la table des résultats des recommandations de l'utilisateur, des index appropriés peuvent être créés en fonction des exigences réelles des requêtes, telles que les requêtes basées sur l'ID utilisateur, l'ID d'élément et l'heure.

Partitionnement des tables

2. Si la quantité de données dans la table d'enregistrement du comportement de l'utilisateur et la table des résultats des recommandations de l'utilisateur est très importante, vous pouvez envisager de partitionner les données en différentes tables pour améliorer les performances de requête et d'insertion. Le partitionnement peut être effectué en fonction de l'ID utilisateur ou d'une plage horaire, comme le partitionnement basé sur la valeur de hachage de l'ID utilisateur.

Utiliser la mise en cache

3. Pour les données fréquemment interrogées, la mise en cache peut être utilisée pour améliorer les performances des requêtes. Vous pouvez utiliser des bases de données en mémoire telles que Redis pour mettre en cache les données dans le tableau des résultats des recommandations afin de réduire la pression des requêtes sur MySQL.

4. Exemple de code

Ce qui suit est un exemple de code simple qui montre comment utiliser MySQL pour implémenter des fonctions de recommandation personnalisées basées sur le comportement de l'utilisateur.

import MySQLdb

# 连接到MySQL数据库
db = MySQLdb.connect(host='localhost', user='root', passwd='password', db='recommend')

# 创建光标对象
cursor = db.cursor()

# 查询用户最近点击的物品
user_id = 1
sql = "SELECT item_id FROM action WHERE user_id=%s AND action_type='click' ORDER BY action_time DESC LIMIT 10"
cursor.execute(sql, (user_id,))
recently_viewed = [row[0] for row in cursor.fetchall()]

# 查询与用户最近点击的物品相似的物品
sql = "SELECT item_id, COUNT(*) AS similarity_score FROM action WHERE user_id<>%s AND item_id IN %s AND action_type='click' GROUP BY item_id ORDER BY similarity_score DESC LIMIT 10"
cursor.execute(sql, (user_id, tuple(recently_viewed)))
similar_items = [row[0] for row in cursor.fetchall()]

# 将推荐结果插入推荐结果表
sql = "INSERT INTO recommendation (user_id, item_id, score) VALUES (%s, %s, %s)"
for item_id in similar_items:
    cursor.execute(sql, (user_id, item_id, 1.0))

# 提交事务
db.commit()

# 关闭数据库连接
db.close()

Cet article explique comment concevoir une structure de table MySQL hautes performances pour implémenter la fonction du système de recommandation et fournit des exemples de code spécifiques. Grâce à une conception et à une optimisation raisonnables de la structure des tables, les performances des requêtes de la base de données peuvent être améliorées et une meilleure expérience utilisateur peut être fournie pour le système de recommandation.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!