面試官:請你談談用Redis實現一個輕量級的搜索引擎!

大家如果是做後端開發的,想必都實現過列表查詢的接口,當然有的查詢條件很簡單,一條 SQL 就搞定了。

但有的查詢條件極其複雜,再加上庫表中設計的各種不合理,導致查詢接口特別難寫,然後加班什麼的就不用說了(不知各位有沒有這種感受呢~)。

下面以一個例子開始,這是某購物網站的搜索條件,如果讓你實現這樣的一個搜索接口,你會如何實現?

當然你說藉助搜索引擎,像 Elasticsearch 之類的,你完全可以實現。但我這裏想說的是,如果要你自己實現呢?

從上圖中可以看出,搜索總共分爲 6 大類,每大類中又分了各個子類。

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果集。

好了,既然需求很明確了,我們就開始來實現。

1. 實現方案

率先登場是小 A 同學,他是寫 SQL 方面的“專家”。小 A 信心滿滿的說:“不就是一個查詢接口嗎?看着條件很多,但憑着我豐富的 SQL 經驗,這點還是難不倒我的。”

於是乎就寫出了下面這段代碼(這裏以 MySQL 爲例):

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

代碼在測試環境跑了一把,結果好像都匹配上了,於是準備上預發。這一上預發,問題就開始暴露出來。

預發爲了儘可能的逼真線上環境,所以數據量自然而然要比測試大的多。所以這麼一個複雜的 SQL,它的執行效率可想而知。測試同學果斷把小 A 的代碼給打了回來。

2. 實現方案

總結了小 A 失敗的教訓,小 B 開始對 SQL 進行了優化,先是通過了 explain 關鍵字進行 SQL 性能分析,對該加索引的地方都加上了索引。

同時將一條複雜 SQL 拆分成了多條 SQL,計算結果在程序內存中進行計算。

僞代碼如下:

$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,可是在功能驗收的時候,產品經理還是覺得查詢速度不夠快。

小 B 自己也知道,每次查詢都會向數據庫查詢多次,而且有些歷史原因,部分條件是做不到單表查詢的,所以查詢等待的時間是避免不了的。

3. 實現方案

小 C 從上面的方案中看到了優化的空間。他發現小 B 在思路上是沒問題的,將複雜條件拆分,計算各個子維度的結果集,最後將所有的子結果集進行一個彙總合併,得到最終想要的結果。

於是他突發奇想,能否事先將各個子維度的結果集給緩存起來,這要查詢的時候直接去取想要的子集,而不用每次去查庫計算。

這裏小 C 採用 Redis 來存儲緩存數據,用它的主要原因是,它提供了多種數據結構,並且在 Redis 中進行集合的交併集操作是一件很容易的事情。

具體方案,如圖所示:

這裏每個條件都事先將計算好的結果集 ID 存入對應的 Key 中,選用的數據結構是集合(Set)。

查詢操作包括:

子類單選:直接根據條件 Key,獲取對應結果集。

子類多選:根據多個條件 Key,進行並集操作,獲取對應結果集。

最終結果:將獲取的所有子類結果集進行交集操作,得到最終結果。

這其實就是所謂的反向索引。這裏會發現,漏了一個價格的條件。從需求中可知,價格條件是個區間,並且是無窮舉的。

所以上述的這種窮舉條件的 Key-Value 方式是做不到的。這裏我們採用 Redis 的另一種數據結構進行實現,有序集合(Sorted Set):

將所有商品加入 Key 爲價格的有序集合中,值爲商品 ID,每個值對應的分數爲商品價格的數值。

這樣在 Redis 的有序集合中就可以通過 ZRANGEBYSCORE 命令,根據分數(價格)區間,獲取相應結果集。

至此,方案三的優化已全部結束,將數據的查詢與計算通過緩存的手段,進行了分離。

在每次查找時,只需要簡單的查找 Redis 幾次就能得出結果。查詢速度上符合了驗收的要求。

4 擴展

4.1 分頁

這裏你或許發現了一個嚴重的功能缺陷,列表查詢怎麼能沒有分頁。是的,我們馬上來看 Redis 是如何實現分頁的。

分頁主要涉及排序,這裏簡單起見,就以創建時間爲例。如圖所示:

圖中藍色部分是以創建時間爲分值的商品有序集合,藍色下方的結果集即爲條件計算而得的結果,通過 ZINTERSTORE 命令,賦結果集權重爲 0,商品時間結果爲 1,取交集而得的結果集賦予創建時間分值的新有序集合。

對新結果集的操作即能得到分頁所需的各個數據:

頁面總數爲:ZCOUNT 命令。

當前頁內容:ZRANGE 命令。

若以倒序排列:ZREVRANGE命令。

4.2 數據更新

關於索引數據更新的問題,有兩種方式來進行。一種是通過商品數據的修改,來即時觸發更新操作,一種是通過定時腳本來進行批量更新。

這裏要注意的是,關於索引內容的更新,如果暴力的刪除 Key,再重新設置 Key。

因爲 Redis 中兩個操作不會是原子性進行的,所以中間可能存在空白間隙,建議採用僅移除集合中失效元素,添加新元素的方式進行。

4.3 性能優化

Redis 是內存級操作,所以單次的查詢會很快。但是如果我們的實現中會進行多次的 Redis 操作,Redis 的多次連接時間可能是不必要時間消耗。

通過使用 MULTI 命令,開啓一個事務,將 Redis 的多次操作放在一個事務中,最後通過 EXEC 來進行原子性執行。

注意:這裏所謂的事務,只是將多個操作在一次連接中執行,如果執行過程中遇到失敗,是不會回滾的。

5. 總結

這裏只是一個採用 Redis 優化查詢搜索的一個簡單 Demo,和現有的開源搜索引擎相比,它更輕量,學習成本也相應低些。

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,也可以實現類似全文檢索的功能。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章