大型新闻站点或者社区论坛类网站，文本内容都是怎么存储的？

文章的数据是要存储在数据库中的，并且要规划好数据格式（表字段），比如：文章标题、简介、正文等等。

图片文件一般是以文件形式存储在网站对应目录中的，但图片的信息一般是保存在“附件表”中的，附件表需要与文章表建立对应关系，这样便于附件的管理，比如：查询某篇文章包含的图片，删除某篇文章同时删除对应的附件等等。

随着信息量的增加，数据库固然增大。但是可以通过缓存或生成静态文件减少对数据库的访问，以减轻数据压力。但并不是所有信息都需要缓存或生成静态文件的，因为你要知道大量碎小文件对磁盘同样是构成压力的。这时候你需要权衡利弊，根据实际情况采用不同的方法，比如：你可以把访问量高的文章以静态文件的方式存在磁盘上，或者根据信息的时效性，把最近一个月的文章生成静态文件，清理掉过期的静态文件 等等...

现在都有大数据存储和查询方案了，开源的有HDFS+Hive+HBase，搜索方案ElasticSearch，上到亿级，十亿百亿都不是用MySQL的，像淘宝天猫，头条都可能是自己开发实现的大数据存储