标签
PostgreSQL , 选课 , UDF , 数组 , 相关性 , 图式搜索
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：
