一步步实现 Redis 搜索引擎

场景

大家如果是做后端开发的,想必都实现过列表查询的接口,当然有的查询条件很简单,一条 SQL 就搞定了,但有的查询条件极其复杂,再加上库表中设计的各种不合理,导致查询接口特别难写,然后加班什么的就不用说了(不知各位有没有这种感受呢~).

下面以一个例子开始,这是某购物网站的搜索条件,如果让你实现这样的一个搜索接口,你会如何实现?(当然你说借助搜索引擎,像 Elasticsearch 之类的,你完全可以实现.但我这里想说的是,如果要你自己实现呢?)

从上图中可以看出,搜索总共分为6大类,每大类中又分了各个子类.这中间,各大类条件之间是取的交集,各子类中有单选、多选、以及自定义的情况,最终输出符合条件的结果集.

好了,既然需求很明确了,我们就开始来实现.

实现1

率先登场是小A同学,他是写 SQL 方面的“专家”.小A信心满满的说：“不就是一个查询接口吗?看着条件很多,但凭着我丰富的 SQL 经验,这点还是难不倒我的.”

于是乎就写出了下面这段代码(这里以 MYSQL 为例)：

select...from table_1

left join table_2

left join table_3

left join(select...from table_x where...)tmp_1

...

where...

order by...

limitm,n

代码在测试环境跑了一把,结果好像都匹配上了,于是准备上预发.这一上预发,问题就开始裸露出来.预发为了尽可能的逼真线上环境,所以数据量自然而然要比测试大的多.所以这么一个复杂的 SQL,它的执行效率可想而知.测试同学果断把小A的代码给打了回来.

实现2

总结了小A失败的教训,小B开始对SQL进行了优化,先是通过了explain关键字进行SQL性能分析,对该加索引的地方都加上了索引.同时将一条复杂SQL拆分成了多条SQL,计算结果在程序内存中进行计算.

伪代码如下：

$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,...);

这种方案从性能上明显比第一种要好很多,可是在功能验收的时候,产品经理还是觉得查询速度不够快.小B自己也知道,每次查询都会向数据库查询多次,而且有些历史原因,部分条件是做不到单表查询的,所以查询等待的时间是避免不了的.

实现3

小C从上面的方案中看到了优化的空间.他发现小B在思路上是没问题的,将复杂条件拆分,计算各个子维度的结果集,最后将所有的子结果集进行一个汇总合并,得到最终想要的结果.

于是他突发奇想,能否事先将各个子维度的结果集给缓存起来,这要查询的时候直接去取想要的子集,而不用每次去查库计算.

这里小C采用 Redis 来存储缓存数据,用它的主要原因是,它提供了多种数据结构,并且在 Redis 中进行集合的交并集操作是一件很容易的事情.

具体方案,如图所示：

这里每个条件都事先将计算好的结果集ID存入对应的key中,选用的数据结构是集合(Set).查询操作包含：

• 子类单选：直接根据条件 key,获取对应结果集；

• 子类多选：根据多个条件 Key,进行并集操作,获取对应结果集；

• 最终结果：将获取的所有子类结果集进行交集操作,得到最终结果；

这其实就是所谓的反向索引.

这里会发现,漏了一个价格的条件.从需求中可知,价格条件是个区间,并且是无穷举的.所以上述的这种穷举条件的 Key-Value 方式是做不到的.这里我们采用 Redis 的另一种数据结构进行实现,有序集合(Sorted Set)：

将所有商品加入 Key 为价格的有序集合中,值为商品ID,每个值对应的分数为商品价格的数值.这样在 Redis 的有序集合中就可以通过ZRANGEBYSCORE命令,根据分数(价格)区间,获取相应结果集.

至此,方案三的优化已全部结束,将数据的查询与计算通过缓存的手段,进行了分离.在每次查找时,只需要简单的查找 Redis 几次就能得出结果.查询速度上符合了验收的要求.

扩展

分页

这里你或许发现了一个严重的功能缺陷,列表查询怎么能没有分页.是的,我们马上来看 Redis 是如何实现分页的.

分页主要涉及排序,这里简单起见,就以创建时间为例.

如图所示：

图中蓝色部分是以创建时间为分值的商品有序集合,蓝色下方的结果集即为条件计算而得的结果,通过ZINTERSTORE命令,赋结果集权重为0,商品时间结果为1,取交集而得的结果集赋予创建时间分值的新有序集合.对新结果集的操作即能得到分页所需的各个数据：

• 页面总数为：ZCOUNT命令

• 当前页内容：ZRANGE命令

• 若以倒序排列：ZREVRANGE命令

数据更新

关于索引数据更新的问题,有两种方式来进行.一种是通过商品数据的修改,来即时触发更新操作,一种是通过定时脚原来进行批量更新.这里要注意的是,关于索引内容的更新,如果暴力的删除 Key,再重新设置 Key.因为 Redis 中两个操作不会是原子性进行的,所以中间可能存在空白间隙,建议采用仅移除集合中失效元素,添加新元素的方式进行.

性能优化

Redis 是内存级操作,所以单次的查询会很快.但是如果我们的实现中会进行多次的 Redis 操作,Redis 的多次连接时间可能是不必要时间消耗.通过使用MULTI命令,开启一个事务,将 Redis 的多次操作放在一个事务中,最后通过EXEC来进行原子性执行(注意：这里所谓的事务,只是将多个操作在一次连接中执行,如果执行过程中遇到失败,是不会回滚的).

总结

这里只是一个采用 Redis 优化查询搜索的一个简单 Demo,和现有的开源搜索引擎相比,它更轻量,学习本钱也相应低些.其次,它的一些思想与开源搜索引擎是类似的,如果再加上词语解析,也可以实现类似全文检索的功能.