新浪微博数据库
① 新浪微博的“关注功能”数据库是如何设计的
你好。方法有二个：
我觉得是这样设计的
一个字段记录他所关注的好友信息
应该是json的
然后去数据库查最新的就是更新就是
uchome就是这么干的
sql">--用户表(如果这个表数据相当多，可以用分区表)
createtableuserinfo
(useridnumber(38,0),--可以用序列递增值也成，自己看着办
usernamevarchar2(60),
phonevarchar2(20),
addressvarchar2(20),
sexchar(1),
cdatedatedefaultsysdate
--其他字段，自己添加
);
_userinfoprimarykey(userid);
--用户关注信息表(如果这个表数据相当多，可以用分区表)：
createtableuserattention
(useridnumber(38,0),--用户ID
attention_useridnumber(38,0),--被关注的用户ID
statusnumber(18,0),--关注状态(或者说关注等级，自己定义：0代表什么，1代表什么)
cdatedatedefaultsysdate,--创建时间
udatedatedefaultsysdate--修改时间
--其他字段，自己添加
);
--为保持数据完整性：不管是“用户ID”还是“被关注的用户ID”其ID必须在userinfo表中存在！
_userattentionprimarykey(userid,attention_userid);
_userattention_useridforeignkey(userid)referencesuserinfo(userid);
_userattention_att_useridforeignkey(attention_userid)referencesuserinfo(userid);
userattention表中一个userid对应该可能有N条记录(而不像你说的：用一条记录，其不同的attention_userid用逗号隔开，这样设置是不合理的)
--好比QQ号，我的QQ可以添加N个QQ好友，但我想：腾迅应该不会将我这N个QQ好友用字串连成一条记录（这也太吝啬啦）
② 如何通过python调用新浪微博的API来爬取数据
先上结论，通过公开的api如果想爬到某大v的所有数据，需要满足以下两个条件：
1、在你的爬虫开始运行时，该大v的所有微博发布量没有超过回溯查询的上限，新浪是2000，twitter是3200。
2、爬虫程序必须不间断运行。
新浪微博的api基本完全照搬twitter，其中接口的参数特性与底层的NoSQL密不可分，建议先看点Nosql数据库的设计理念有助于更好的理解api设计。
一般来说，如果决定爬某个大v，第一步先试获取该用户的基本信息，中间会包含一条最新的status，记下其中的id号作为基准，命名为baseId。
接口中最重要的两个参数：
since_id：返回ID比since_id大的微博（即比since_id时间晚的微博），默认为0。
max_id：返回ID小于或等于max_id的微博，默认为0。
出于各种原因，获取statuses的接口，固定为按id降序排列（scan_index_forward=false），即最新的statuses返回在前。假设该微博第一天上线，就一个用户，发了一百条，id是1到100。而你在该用户发了第50条的时候开始运行的爬虫，即baseId=50。
③ 新浪微博的信息是怎么储存的
是存储在sina的服务器上面的，按照数据库格式，当你访问的时候，sina服务器就会读取数据库数据，然后按照jason格式传送给你。当然，图片是另外存储的，如果有图片或者视频，那么在数据库里面保存的只是一个超链接，搭卜所以实质上保存的都只是咐蠢文本，文本即便内容很多很多，也不会显得太过庞大的。
至于图片，那就不说了，可以转格式，转大小衡枝陪，而且本来还限制你的图片上传格式的本来就。