小编cas*_*One的帖子

我有一个大型（数千万条记录）数据库，我将在其上执行完整的数据库备份。

但是，数据库足够大，事务可以在备份发生之前和期间启动，也可以在备份发生期间和之后提交。

例如：

T0 = Transaction A start
T1 = Full database backup start
T2 = Transaction B start (will not deadlock with A)
T3 = Transaction A commit/rollback (does not matter, does it?)
T4 = Full database backup end
T5 = Transaction B commit/rollback (again, does not matter, does it?)

T0          T1          T2          T3          T4          T6
||----------||----------||----------||----------||----------||---------->

我的理解是在备份期间不使用锁（尽管由于高 I/O 可能会出现其他性能问题），但我不确定我能保证什么会被提交。

此外，我担心的不是数据库将处于不一致状态，而是该状态将是什么（即使它不是确定性的，如果有一组可以一致应用的规则）以及它是如何到达那里的（例如，有多少数据文件与事务日志一起用于创建备份文件）？

我正在尝试找出创建 SQL Server 主键、外键和约束的最佳方法，以在 LINQ/实体数据对象中准确表示我的数据模型。让我们假设 - 为简化起见 - 我有四个主要表 - Cats、Dogs、Pets 和 Owners - 以及一个关联表：OwnersToPets：

create table Cats (
    ID_Cats int NOT NULL IDENTITY PRIMARY KEY,
    Name nvarchar(50) NOT NULL,
    miceEaten int NULL
)

create table Dogs (
    ID_Dogs int NOT NULL IDENTITY PRIMARY KEY,
    Name nvarchar(50) NOT NULL,
    favouriteToy nvarchar(50) NULL
)

create table Owners (
    ID_Owners int NOT NULL IDENTITY PRIMARY KEY,
    Name nvarchar(50) NOT NULL,
)

create table Pets (
    ID_Pets int NOT NULL IDENTITY PRIMARY KEY, …

（注意：这个问题也存在于 StackOverflow 上，但我认为它在这里可能会有更好的接收。如果它证明这是更好的地方，我会关闭/要求迁移/链接到这个。另外，如果它没有真的属于这里，我很乐意删除它。）

我一直在为我的项目的下一阶段寻找以下NoSQL数据库：

• 弹性搜索
• 乌鸦数据库

elasticsearch 将自己定位为主要服务于高级搜索场景，而 RavenDB 将自己定位为面向文档的数据库。

该文档主要围绕视频展开。每个都有一个自然的id。这将是文件的关键。

围绕这一点，我在字段中添加了其他内容，这些内容不一定是标量或平面，因为信息将来自许多具有不同结构的不同来源。

例如，将有来自视频提供商的 Atom 提要的内容、嵌入了视频的博客文章以及来自数据仓库项目的其他数据。

所有项目都没有固定的结构（实际上，每个项目都非常特定于领域），唯一将它们关联起来的是上述视频的自然关键。

也就是说，一旦我在上述解决方案之一中获得了这些信息，我就会想用它做很多事情：

• 剔除它以帮助填充随机森林中的变量，以便对视频进行分类
• 通过基于 Web 的前端（如果您必须知道 ASP.NET MVC）提供对视频的一般搜索（一般自由文本，不基于随机森林的结果）

有一些要求：

• 我很可能会在 ASP.NET 共享 Web 托管环境中。这意味着我将拥有一台机器，并且无法设置服务。嵌入的东西将是非常有益的。

• ASP.NET 环境将托管在 IIS 中，因此可嵌入方面必须能够经受住应用程序域回收。

• 我想根据统计分析的结果创建新的索引，我可以轻松地对这些索引进行分析，这将有助于在站点上进行搜索。

• 支持自动完成功能（我知道这不是“开箱即用”的请求，但能够达到这一点很重要）。

• 丰富的同义词支持（在我索引内容的视频类型中有很多）

我也对服务持开放态度，例如Truffler，尽管我确实担心成本（在特鲁弗勒的情况下，有点担心数据中心之间的延迟，因为请求将来自西海岸的网络主机，或来自东海岸的后端进程）。

此外，我不认为一种解决方案需要满足所有要求。让一个服务于一个目的而让另一个服务于另一个目的，我觉得很好。当然，迁移很糟糕，但是在这两个文档存储之间迁移要容易一些（而且我不希望它们必然使用相同的文档结构）。

我正在为已抓取的多个博客站点的内容构建数据存储。这些站点中的每一个都将在Blog表中包含一个条目

BlogId                  Url                         Version
int, PK, identity       varchar(2500), not null     int, not null
-----------------       -----------------------     -------------
                1       'http://site1.com/                      1
                2       'http://site2.com/                      1
                3       'http://site2.com/                      2

然后会有一张Post表：

BlogId                Url                        PostId
int, FK, not null     varchar(2500) not null     ?

对于我正在查看的大多数博客，我可以轻松辨别出 PostId对它们来说独一无二价值。

对于所有博客，Url将是唯一的BlogId值。但是，Url是经常可能发生变化。

但是，有一些博客PostId在抓取 HTML 时我无法辨别出很好的价值。在这些情况下，我可以得到datetimeoffset发布帖子的信息。发布频率的准确性在分钟级别。

问题是，我需要使用BlogId和PostId但我不确定我应该输入什么PostId。我一直在想两个选择：

• sql_variant- 我可以int对我的大多数网站使用 an ，这很好，然后datetimeoffset用于那些我无法轻易辨别唯一数字的网站PostId
• bigint …