个人经历如何存储比较好呢？怎么设计数据表才便于交叉比对？

开始时间 结束时间 学校 专业

基础做法
table 用户 {name, id}
table 学校 {name, id}
table 专业 {id, name} // 一般这是通用专业
table 经历 {start_unix,end_unix,学校_id,专业_id,用户_id}

经历数据量大了之后的分表做法：
table 经历_1982 年 {start,end,学校_id,专业_id,用户_id}
table 经历_1984 年 {start,end,学校_id,专业_id,用户_id}
table 经历_xxxx 年 {start,end,学校_id,专业_id,用户_id}

用户数据量大了之后，难搞。
学校数量，再大也不过百万。
专业也是，数量不多。

@shenqi 有没有比较系统的案例可以参考呢？

想把简历做成数据库来存储

适合非结构化的数据库，MongoDB 之类的

存 json 字符串不行吗

得看后期有怎样的需求。如果后期还是不断增加字段而且没有关联统计之类的需求的话，可以试试 MongoDB ，如果有很强的关系查询统计，那优选 MySQL 了

图数据库，一个人是一个点，一个省是一个点，一个学校是一个点，一个专业也是一个点，关联关系用边来表示
参考： https://vonng.github.io/ddia/#/ch2?id=%e5%9b%be%e6%95%b0%e6%8d%ae%e6%a8%a1%e5%9e%8b

我上份工作是做商业化的简历自动解析的。我们当时使用的是 MongoDB 数据库存储，主要是考虑到解析的字段经常增加修改

但是我们的存储除本身没有太考虑复杂查询的优化

当时的存储格式大体是

[
{'学校': '北京大学（珠海分校）', // 简历中的原始名称
'标准校名': ''北京大学', // 在解析学校的同时，判断学校的标准名称
'起始时间': '2009.9',
'结束时间': '2013.9',
'专业': '气象学'},
]

数组中的一个 字典（ dict ）就是一段经历，在存储到数据库前按照时间排序，第一个字典对应第一段经历，以此类推

如果需要实现复杂的高效查询，可以先试试这样存储后的查询效率。如果效率太低，可以考虑在 MongoDB 存储基础数据之外再增加一个 Neo4j 的图数据库，用于存储数据之间的关系

如果不是做实时的复杂查询，而是已经确定好了要查询的内容，至少几十万条数据的情况下，应该还是不太需要 Neo4j 的。分步做好预处理，然后将预处理好的数据用 pandas 加载，一个正常的笔记本就能做到比较快的各种统计查询了