PDF 试卷资源管理方案设计

[dream4ever]

最近在做一项业务，面向中小学生提供在线查看的试卷资源，试卷全部为 PDF 文件。为了方便及规范管理，每份试卷会在数据库中生成一个唯一标识，标识里会记录下面这些信息：

• 对应教材版本，如人教版为 1 、XX 版为 2
• 对应学科，如语文为 1 、数学为 2 、英语为 3
• 对应年级，小学一年级为 1 、二年级为 2
• 对应学期，上学期为 1，下学期为 2
• 对应单元，期中为 98，期末为 99
• 试卷编号，对应到以上各级别分类之后，在所属分类下的试卷编号，暂定 0001 ～ 0009

最终某份试卷的唯一标识就会是 2112010001 这种形式，这样不管是我们这边进行管理，还是用户反馈试卷上的各种问题，都可以通过这个唯一标识迅速找到目标试卷。

试卷物理文件的存储，目前不考虑收费的 OSS 之类的方案，打算直接存放在阿里云服务器的磁盘上。

第一个问题，就是存放 PDF 物理文件的目录结构的设计，有什么好的方案可以参考么？比如根据教材版本、学科、年级等信息，放到对应的文件夹下，这样单个文件夹内的文件数量不会太多。

第二个问题就是 PDF 文件的版本控制，因为即使在发布试卷资源之前做了各种检查，也难免会有疏漏，后续还需要不断地对有问题的试卷进行修改，没有版本控制很容易一团糟。对于 PDF 这种文件，有什么合适的版本控制方案么？还是说直接 git-lfs 就可以？

[jucelin]

这种可视化管理，其实是线下图书馆的管理思路。
如果换成线上，可以把纬度（教材版本、学科等）全部维护成一个字段，以后拓展查询都方便。
另外，这中有规律的命名文件名，不怕没爬吗

[dream4ever]

@jucelin 嗯，是有考虑把不同维度的数据分别存在不同的字段里，提升可扩展性。

至于唯一标识，可能我没说清楚，并不是物理文件的文件名，而是数据库一张表的一条记录中的"id"，用来唯一对应一份试卷。不过这么有规律，的确太容易被爬了，是得考虑这方面的反制措施，多谢建议。

[baobao1270]

1 、同 #1，这些数据作为字段，前端可以提供筛选工具让用户进行筛选
2 、考虑如下数据库结构：
试卷表{
id 主键 INT 自增或 GUID
年级
教材
学期
……
}

试卷版本表{
id 主键 INT 自增或 GUID
试卷_id 外键：试卷表.id
修改时间
……
sha1
}

3 、即：试卷版本与试卷存在多对一关系，数据库仅仅保存试卷 PDF 文件的 SHA-1 值。
4 、物理储存上，将所有 PDF 存在同一个文件夹下。形如 "/var/path/to/pdf/" + sha1 + ".pdf"。
5 、试卷标题可存储在数据库中，并通过 HTTP 的 filename 设置。这样用户下载时，浏览器可以自动重命名为正确的文件名，而非 SHA1 值。