我用Redis實(shí)現(xiàn)了一個(gè)輕量級(jí)的搜索引擎！
圖片來自 Pexels
但有的查詢條件極其復(fù)雜，再加上庫(kù)表中設(shè)計(jì)的各種不合理，導(dǎo)致查詢接口特別難寫，然后加班什么的就不用說了(不知各位有沒有這種感受呢~)。
下面以一個(gè)例子開始，這是某購(gòu)物網(wǎng)站的搜索條件，如果讓你實(shí)現(xiàn)這樣的一個(gè)搜索接口，你會(huì)如何實(shí)現(xiàn)?
當(dāng)然你說借助搜索引擎，像 Elasticsearch 之類的，你完全可以實(shí)現(xiàn)。但我這里想說的是，如果要你自己實(shí)現(xiàn)呢?
從上圖中可以看出，搜索總共分為 6 大類，每大類中又分了各個(gè)子類。
這中間，各大類條件之間是取的交集，各子類中有單選、多選、以及自定義的情況，最終輸出符合條件的結(jié)果集。
好了，既然需求很明確了，我們就開始來實(shí)現(xiàn)。
實(shí)現(xiàn) 1
率先登場(chǎng)是小 A 同學(xué)，他是寫 SQL 方面的“專家”。小 A 信心滿滿的說：“不就是一個(gè)查詢接口嗎?看著條件很多，但憑著我豐富的 SQL 經(jīng)驗(yàn)，這點(diǎn)還是難不倒我的。”
于是乎就寫出了下面這段代碼(這里以 MySQL 為例)：
- select ... from table_1
- left join table_2
- left join table_3
- left join (select ... from table_x where ...) tmp_1
- ...
- where ...
- order by ...
- limit m,n
代碼在測(cè)試環(huán)境跑了一把，結(jié)果好像都匹配上了，于是準(zhǔn)備上預(yù)發(fā)。這一上預(yù)發(fā)，問題就開始暴露出來。
預(yù)發(fā)為了盡可能的逼真線上環(huán)境，所以數(shù)據(jù)量自然而然要比測(cè)試大的多。所以這么一個(gè)復(fù)雜的 SQL，它的執(zhí)行效率可想而知。測(cè)試同學(xué)果斷把小 A 的代碼給打了回來。
實(shí)現(xiàn) 2
總結(jié)了小 A 失敗的教訓(xùn)，小 B 開始對(duì) SQL 進(jìn)行了優(yōu)化，先是通過了 explain 關(guān)鍵字進(jìn)行 SQL 性能分析，對(duì)該加索引的地方都加上了索引。
同時(shí)將一條復(fù)雜 SQL 拆分成了多條 SQL，計(jì)算結(jié)果在程序內(nèi)存中進(jìn)行計(jì)算。
偽代碼如下：
- $result_1 = query('select ... from table_1 where ...');
- $result_2 = query('select ... from table_2 where ...');
- $result_3 = query('select ... from table_3 where ...');
- ...
- $result = array_intersect($result_1, $result_2, $result_3, ...);
這種方案從性能上明顯比第一種要好很多，可是在功能驗(yàn)收的時(shí)候，產(chǎn)品經(jīng)理還是覺得查詢速度不夠快。
小 B 自己也知道，每次查詢都會(huì)向數(shù)據(jù)庫(kù)查詢多次，而且有些歷史原因，部分條件是做不到單表查詢的，所以查詢等待的時(shí)間是避免不了的。
實(shí)現(xiàn) 3
小 C 從上面的方案中看到了優(yōu)化的空間。他發(fā)現(xiàn)小 B 在思路上是沒問題的，將復(fù)雜條件拆分，計(jì)算各個(gè)子維度的結(jié)果集，最后將所有的子結(jié)果集進(jìn)行一個(gè)匯總合并，得到最終想要的結(jié)果。
于是他突發(fā)奇想，能否事先將各個(gè)子維度的結(jié)果集給緩存起來，這要查詢的時(shí)候直接去取想要的子集，而不用每次去查庫(kù)計(jì)算。
這里小 C 采用 Redis 來存儲(chǔ)緩存數(shù)據(jù)，用它的主要原因是，它提供了多種數(shù)據(jù)結(jié)構(gòu)，并且在 Redis 中進(jìn)行集合的交并集操作是一件很容易的事情。
具體方案，如圖所示：
這里每個(gè)條件都事先將計(jì)算好的結(jié)果集 ID 存入對(duì)應(yīng)的 Key 中，選用的數(shù)據(jù)結(jié)構(gòu)是集合(Set)。
查詢操作包括：
- 子類單選：直接根據(jù)條件 Key，獲取對(duì)應(yīng)結(jié)果集。
- 子類多選：根據(jù)多個(gè)條件 Key，進(jìn)行并集操作，獲取對(duì)應(yīng)結(jié)果集。
- 最終結(jié)果：將獲取的所有子類結(jié)果集進(jìn)行交集操作，得到最終結(jié)果。
這其實(shí)就是所謂的反向索引。這里會(huì)發(fā)現(xiàn)，漏了一個(gè)價(jià)格的條件。從需求中可知，價(jià)格條件是個(gè)區(qū)間，并且是無窮舉的。
所以上述的這種窮舉條件的 Key-Value 方式是做不到的。這里我們采用 Redis 的另一種數(shù)據(jù)結(jié)構(gòu)進(jìn)行實(shí)現(xiàn)，有序集合(Sorted Set)：
將所有商品加入 Key 為價(jià)格的有序集合中，值為商品 ID，每個(gè)值對(duì)應(yīng)的分?jǐn)?shù)為商品價(jià)格的數(shù)值。
這樣在 Redis 的有序集合中就可以通過 ZRANGEBYSCORE 命令，根據(jù)分?jǐn)?shù)(價(jià)格)區(qū)間，獲取相應(yīng)結(jié)果集。
至此，方案三的優(yōu)化已全部結(jié)束，將數(shù)據(jù)的查詢與計(jì)算通過緩存的手段，進(jìn)行了分離。
在每次查找時(shí)，只需要簡(jiǎn)單的查找 Redis 幾次就能得出結(jié)果。查詢速度上符合了驗(yàn)收的要求。
擴(kuò)展
①分頁
這里你或許發(fā)現(xiàn)了一個(gè)嚴(yán)重的功能缺陷，列表查詢?cè)趺茨軟]有分頁。是的，我們馬上來看 Redis 是如何實(shí)現(xiàn)分頁的。
分頁主要涉及排序，這里簡(jiǎn)單起見，就以創(chuàng)建時(shí)間為例。如圖所示：
圖中藍(lán)色部分是以創(chuàng)建時(shí)間為分值的商品有序集合，藍(lán)色下方的結(jié)果集即為條件計(jì)算而得的結(jié)果，通過 ZINTERSTORE 命令，賦結(jié)果集權(quán)重為 0，商品時(shí)間結(jié)果為 1，取交集而得的結(jié)果集賦予創(chuàng)建時(shí)間分值的新有序集合。
對(duì)新結(jié)果集的操作即能得到分頁所需的各個(gè)數(shù)據(jù)：
- 頁面總數(shù)為：ZCOUNT 命令。
- 當(dāng)前頁內(nèi)容：ZRANGE 命令。
- 若以倒序排列：ZREVRANGE命令。
②數(shù)據(jù)更新
關(guān)于索引數(shù)據(jù)更新的問題，有兩種方式來進(jìn)行。一種是通過商品數(shù)據(jù)的修改，來即時(shí)觸發(fā)更新操作，一種是通過定時(shí)腳本來進(jìn)行批量更新。
這里要注意的是，關(guān)于索引內(nèi)容的更新，如果暴力的刪除 Key，再重新設(shè)置 Key。
因?yàn)?Redis 中兩個(gè)操作不會(huì)是原子性進(jìn)行的，所以中間可能存在空白間隙，建議采用僅移除集合中失效元素，添加新元素的方式進(jìn)行。
③性能優(yōu)化
Redis 是內(nèi)存級(jí)操作，所以單次的查詢會(huì)很快。但是如果我們的實(shí)現(xiàn)中會(huì)進(jìn)行多次的 Redis 操作，Redis 的多次連接時(shí)間可能是不必要時(shí)間消耗。
通過使用 MULTI 命令，開啟一個(gè)事務(wù)，將 Redis 的多次操作放在一個(gè)事務(wù)中，最后通過 EXEC 來進(jìn)行原子性執(zhí)行。
注意：這里所謂的事務(wù)，只是將多個(gè)操作在一次連接中執(zhí)行，如果執(zhí)行過程中遇到失敗，是不會(huì)回滾的。
總結(jié)
這里只是一個(gè)采用 Redis 優(yōu)化查詢搜索的一個(gè)簡(jiǎn)單 Demo，和現(xiàn)有的開源搜索引擎相比，它更輕量，學(xué)習(xí)成本頁相應(yīng)低些。
其次，它的一些思想與開源搜索引擎是類似的，如果再加上詞語解析，也可以實(shí)現(xiàn)類似全文檢索的功能。
作者：jasonGeng88
編輯：陶家龍
出處：https://github.com/jasonGeng88/blog
