我設(shè)計了一個牛逼的輕量級搜索引擎

點擊上方藍色字體，選擇“標星公眾號”

優(yōu)質(zhì)文章，第一時間送達

作者：jasonGeng88

https://github.com/jasonGeng88/blog

場景

大家如果是做后端開發(fā)的，想必都實現(xiàn)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復雜，再加上庫表中設(shè)計的各種不合理，導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~）。

下面以一個例子開始，這是某購物網(wǎng)站的搜索條件，如果讓你實現(xiàn)這樣的一個搜索接口，你會如何實現(xiàn)？（當然你說借助搜索引擎，像 Elasticsearch 之類的，你完全可以實現(xiàn)。但我這里想說的是，如果要你自己實現(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，我們就開始來實現(xiàn)。關(guān)注公眾號程序員鴻宇回復資料，可以獲取精心整理的各種編程資料。

實現(xiàn)1

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？看著條件很多，但憑著我豐富的 SQL 經(jīng)驗，這點還是難不倒我的。”

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

代碼在測試環(huán)境跑了一把，結(jié)果好像都匹配上了，于是準備上預發(fā)。這一上預發(fā)，問題就開始暴露出來。

預發(fā)為了盡可能的逼真線上環(huán)境，所以數(shù)據(jù)量自然而然要比測試大的多。所以這么一個復雜的 SQL，它的執(zhí)行效率可想而知。測試同學果斷把小A的代碼給打了回來。

實現(xiàn)2

總結(jié)了小A失敗的教訓，小B開始對SQL進行了優(yōu)化，先是通過了explain關(guān)鍵字進行SQL性能分析，對該加索引的地方都加上了索引。同時將一條復雜SQL拆分成了多條SQL，計算結(jié)果在程序內(nèi)存中進行計算。

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，可是在功能驗收的時候，產(chǎn)品經(jīng)理還是覺得查詢速度不夠快。

小B自己也知道，每次查詢都會向數(shù)據(jù)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。

實現(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，將復雜條件拆分，計算各個子維度的結(jié)果集，最后將所有的子結(jié)果集進行一個匯總合并，得到最終想要的結(jié)果。

于是他突發(fā)奇想，能否事先將各個子維度的結(jié)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。

這里小C采用 Redis 來存儲緩存數(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：

這里每個條件都事先將計算好的結(jié)果集ID存入對應的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，獲取對應結(jié)果集；
• 子類多選：根據(jù)多個條件 Key，進行并集操作，獲取對應結(jié)果集；
• 最終結(jié)果：將獲取的所有子類結(jié)果集進行交集操作，得到最終結(jié)果；

這其實就是所謂的反向索引。

這里會發(fā)現(xiàn)，漏了一個價格的條件。從需求中可知，價格條件是個區(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)進行實現(xiàn)，有序集合（Sorted Set）：

將所有商品加入 Key 為價格的有序集合中，值為商品ID，每個值對應的分數(shù)為商品價格的數(shù)值。這樣在 Redis 的有序集合中就可以通過ZRANGEBYSCORE命令，根據(jù)分數(shù)（價格）區(qū)間，獲取相應結(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(jié)果。查詢速度上符合了驗收的要求。

擴展

分頁

這里你或許發(fā)現(xiàn)了一個嚴重的功能缺陷，列表查詢怎么能沒有分頁。是的，我們馬上來看 Redis 是如何實現(xiàn)分頁的。關(guān)注公眾號程序員鴻宇回復資料，可以獲取精心整理的各種編程資料。

分頁主要涉及排序，這里簡單起見，就以創(chuàng)建時間為例。

如圖所示：

圖中藍色部分是以創(chuàng)建時間為分值的商品有序集合，藍色下方的結(jié)果集即為條件計算而得的結(jié)果，通過ZINTERSTORE命令，賦結(jié)果集權(quán)重為0，商品時間結(jié)果為1，取交集而得的結(jié)果集賦予創(chuàng)建時間分值的新有序集合。對新結(jié)果集的操作即能得到分頁所需的各個數(shù)據(jù)：

• 頁面總數(shù)為：ZCOUNT命令
• 當前頁內(nèi)容：ZRANGE命令
• 若以倒序排列：ZREVRANGE命令

數(shù)據(jù)更新

關(guān)于索引數(shù)據(jù)更新的問題，有兩種方式來進行。一種是通過商品數(shù)據(jù)的修改，來即時觸發(fā)更新操作，一種是通過定時腳本來進行批量更新。

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。因為 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，建議采用僅移除集合中失效元素，添加新元素的方式進行。

性能優(yōu)化

Redis 是內(nèi)存級操作，所以單次的查詢會很快。但是如果我們的實現(xiàn)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，開啟一個事務，將 Redis 的多次操作放在一個事務中，最后通過EXEC來進行原子性執(zhí)行（注意：這里所謂的事務，只是將多個操作在一次連接中執(zhí)行，如果執(zhí)行過程中遇到失敗，是不會回滾的）

總結(jié)

這里只是一個采用 Redis 優(yōu)化查詢搜索的一個簡單 Demo，和現(xiàn)有的開源搜索引擎相比，它更輕量，學習成本頁相應低些。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(xiàn)類似全文檢索的功能。

—————END—————

推薦閱讀：

IDEA 永久注冊碼來了！！！
一個非常好的行為驗證碼Java開源項目！
Google 開源的依賴注入庫，比 Spring 更小更快！
GitHub 近兩萬 Star，無需編碼，可一鍵生成前后端代碼
Spring Boot 中引入 MyBatisPlus 的常規(guī)流程
免費版的 IDEA 為啥不能使用 Tomcat ？
給新手的 11 個 Docker 免費上手項目

最近面試BAT，整理一份面試資料《Java面試BAT通關(guān)手冊》，覆蓋了Java核心技術(shù)、JVM、Java并發(fā)、SSM、微服務、數(shù)據(jù)庫、數(shù)據(jù)結(jié)構(gòu)等等。
獲取方式：關(guān)注公眾號并回復 java 領(lǐng)取，更多內(nèi)容陸續(xù)奉上。
明天見(??ω??)??