千萬級(jí)數(shù)據(jù)查詢中CK、ES、RediSearch方案的優(yōu)化
目錄
前言
初版設(shè)計(jì)方案
CK 分頁查詢
使用ES Scroll Scan 優(yōu)化深翻頁
ES+Hbase 組合查詢方案
RediSearch+RedisJSON 優(yōu)化方案
總結(jié)
前言
在開發(fā)中遇到一個(gè)業(yè)務(wù)訴求，需要在千萬量級(jí)的底池?cái)?shù)據(jù)中篩選出不超過 10W 的數(shù)據(jù)，并根據(jù)配置的權(quán)重規(guī)則進(jìn)行排序、打散（如同一個(gè)類目下的商品數(shù)據(jù)不能連續(xù)出現(xiàn) 3 次）。下面對(duì)該業(yè)務(wù)訴求的實(shí)現(xiàn)，設(shè)計(jì)思路和方案優(yōu)化進(jìn)行介紹。
對(duì)“千萬量級(jí)數(shù)據(jù)中查詢 10W 量級(jí)的數(shù)據(jù)”設(shè)計(jì)了如下方案：
多線程+CK 翻頁方案
ES scroll scan 深翻頁方案
ES+Hbase 組合方案
RediSearch+RedisJSON 組合方案
初版設(shè)計(jì)方案
整體方案設(shè)計(jì)為：
先根據(jù)配置的「篩選規(guī)則」，從底池表中篩選出「目標(biāo)數(shù)據(jù)」
在根據(jù)配置的「排序規(guī)則」，對(duì)「目標(biāo)數(shù)據(jù)」進(jìn)行排序，得到「結(jié)果數(shù)據(jù)」
技術(shù)方案如下：
①每天運(yùn)行導(dǎo)數(shù)任務(wù)，把現(xiàn)有的千萬量級(jí)的底池?cái)?shù)據(jù)（Hive 表）導(dǎo)入到 Clickhouse 中，后續(xù)使用 CK 表進(jìn)行數(shù)據(jù)篩選。
②將業(yè)務(wù)配置的篩選規(guī)則和排序規(guī)則，構(gòu)建為一個(gè)「篩選 + 排序」對(duì)象 SelectionQueryCondition。
③從 CK 底池表取「目標(biāo)數(shù)據(jù)」時(shí)，開啟多線程，進(jìn)行分頁篩選，將獲取到的「目標(biāo)數(shù)據(jù)」存放到 result 列表中。
//分頁大小 默認(rèn) 5000
int pageSize = this.getPageSize();
//頁碼數(shù)
int pageCnt = totalNum / this.getPageSize() + 1;
List<Map<String, Object>> result = Lists.newArrayList();
List<Future<List<Map<String, Object>>>> futureList = new ArrayList<>(pageCnt);
//開啟多線程調(diào)用
for (int i = 1; i <= pageCnt; i++) {
//將業(yè)務(wù)配置的篩選規(guī)則和排序規(guī)則 構(gòu)建為 SelectionQueryCondition 對(duì)象
SelectionQueryCondition selectionQueryCondition = buildSelectionQueryCondition(selectionQueryRuleData);
selectionQueryCondition.setPageSize(pageSize);
selectionQueryCondition.setPage(i);
futureList.add(selectionQueryEventPool.submit(new QuerySelectionDataThread(selectionQueryCondition)));
}
for (Future<List<Map<String, Object>>> future : futureList) {
//RPC 調(diào)用
List<Map<String, Object>> queryRes = future.get(20, TimeUnit.SECONDS);
if (CollectionUtils.isNotEmpty(queryRes)) {
// 將目標(biāo)數(shù)據(jù)存放在 result 中
result.addAll(queryRes);
}
}
④對(duì)目標(biāo)數(shù)據(jù) result 進(jìn)行排序，得到最終的「結(jié)果數(shù)據(jù)」。
CK 分頁查詢
在「初版設(shè)計(jì)方案」章節(jié)的第 3 步提到了「從 CK 底池表取目標(biāo)數(shù)據(jù)時(shí)，開啟多線程，進(jìn)行分頁篩選」。此處對(duì) CK 分頁查詢進(jìn)行介紹。
①封裝了 queryPoolSkuList 方法，負(fù)責(zé)從 CK 表中獲得目標(biāo)數(shù)據(jù)。該方法內(nèi)部調(diào)用了 sqlSession.selectList 方法。
public List<Map<String, Object>> queryPoolSkuList( Map<String, Object> params ) {
List<Map<String, Object>> resultMaps = new ArrayList<>();
QueryCondition queryCondition = parseQueryCondition(params);
List<Map<String, Object>> mapList = lianNuDao.queryPoolSkuList(getCkDt(),queryCondition);
if (CollectionUtils.isNotEmpty(mapList)) {
for (Map<String,Object> data : mapList) {
resultMaps.add(camelKey(data));
}
}
return resultMaps;
}
// lianNuDao.queryPoolSkuList
@Autowired
@Qualifier("ckSqlNewSession")
private SqlSession sqlSession;
public List<Map<String, Object>> queryPoolSkuList( String dt, QueryCondition queryCondition ) {
queryCondition.setDt(dt);
queryCondition.checkMultiQueryItems();
return sqlSession.selectList("LianNu.queryPoolSkuList",queryCondition);
}
②sqlSession.selectList 方法中調(diào)用了和 CK 交互的 queryPoolSkuList 查詢方法，部分代碼如下：
<select id="queryPoolSkuList" parameterType="com.jd.bigai.domain.liannu.QueryCondition" resultType="java.util.Map">
select sku_pool_id,i
tem_sku_id,
skuPoolName,
price,
...
...
businessType
from liannu_sku_pool_indicator_all
where
dt=#{dt}
and
<foreach collection="queryItems" separator=" and " item="queryItem" open=" " close=" " >
<choose>
<when test="queryItem.type == 'equal'">
${queryItem.field} = #{queryItem.value}
</when>
...
...
</choose>
</foreach>
<if test="orderBy == null">
group by sku_pool_id,item_sku_id
</if>
<if test="orderBy != null">
group by sku_pool_id,item_sku_id,${orderBy} order by ${orderBy} ${orderAd}
</if>
<if test="limitEnd != 0">
limit #{limitStart},#{limitEnd}
</if>
</select>
③可以看到，在 CK 分頁查詢時(shí)，是通過 limit #{limitStart}，#{limitEnd} 實(shí)現(xiàn)的分頁。
limit 分頁方案，在「深翻頁」時(shí)會(huì)存在性能問題。初版方案上線后，在 1000W 量級(jí)的底池?cái)?shù)據(jù)中篩選 10W 的數(shù)據(jù)，最壞耗時(shí)會(huì)達(dá)到 10s~18s 左右。
使用 ES Scroll Scan 優(yōu)化深翻頁
對(duì)于 CK 深翻頁時(shí)候的性能問題，進(jìn)行了優(yōu)化，使用 Elasticsearch 的 scroll scan 翻頁方案進(jìn)行優(yōu)化。
| ES 的翻頁方案
ES 翻頁，有下面幾種方案：
from + size 翻頁
scroll 翻頁
scroll scan 翻頁
search after 翻頁
對(duì)上述幾種翻頁方案，查詢不同數(shù)目的數(shù)據(jù)，耗時(shí)數(shù)據(jù)如下表：
| 耗時(shí)數(shù)據(jù)
此處，分別使用 Elasticsearch 的 scroll scan 翻頁方案、初版中的 CK 翻頁方案進(jìn)行數(shù)據(jù)查詢，對(duì)比其耗時(shí)數(shù)據(jù)。
如上測(cè)試數(shù)據(jù)，可以發(fā)現(xiàn)，以十萬，百萬，千萬量級(jí)的底池為例：
底池量級(jí)越大，查詢相同的數(shù)據(jù)量，耗時(shí)越大
查詢結(jié)果 3W 以下時(shí)，ES 性能優(yōu)；查詢結(jié)果 5W 以上時(shí)，CK 多線程性能優(yōu)
ES+Hbase 組合查詢方案
在「使用 ES Scroll Scan 優(yōu)化深翻頁」中，使用 Elasticsearch 的 scroll scan 翻頁方案對(duì)深翻頁問題進(jìn)行了優(yōu)化，但在實(shí)現(xiàn)時(shí)為單線程調(diào)用，所以最終測(cè)試耗時(shí)數(shù)據(jù)并不是特別理想，和 CK 翻頁方案性能差不多。
在調(diào)研階段發(fā)現(xiàn)，從底池中取出 10W 的目標(biāo)數(shù)據(jù)時(shí)，一個(gè)商品包含多個(gè)字段的信息（CK 表中一行記錄有 150 個(gè)字段信息），如價(jià)格、會(huì)員價(jià)、學(xué)生價(jià)、庫存、好評(píng)率等。
對(duì)于一行記錄，當(dāng)減少獲取字段的個(gè)數(shù)時(shí)，查詢耗時(shí)會(huì)有明顯下降。如對(duì) sku1的商品，從之前獲取價(jià)格、會(huì)員價(jià)、學(xué)生價(jià)、親友價(jià)、庫存等 100 個(gè)字段信息，縮減到只獲取價(jià)格、庫存這兩個(gè)字段信息。
如下圖所示，使用 ES 查詢方案，對(duì)查詢同樣條數(shù)的場(chǎng)景（從千萬級(jí)底池中篩選出 7W+ 條數(shù)據(jù)），獲取的每條記錄的字段個(gè)數(shù)從 32 縮減到 17，再縮減到 1個(gè)（其實(shí)是兩個(gè)字段，一個(gè)是商品唯一標(biāo)識(shí) sku_id，另一個(gè)是 ES 對(duì)每條文檔記錄的 doc_id）時(shí)，查詢的耗時(shí)會(huì)從 9.3s 下降到 4.2s，再下降到 2.4s。
從中可以得出如下結(jié)論：
一次 ES 查詢中，若查詢字段和信息較多，fetch 階段的耗時(shí)，遠(yuǎn)大于 query 階段的耗時(shí)。
一次 ES 查詢中，若查詢字段和信息較多，通過減少不必要的查詢字段，可以顯著縮短查詢耗時(shí)。
下面對(duì)結(jié)論中涉及的 query 和 fetch 查詢階段進(jìn)行補(bǔ)充說明。
| ES 查詢的兩個(gè)階段
在 ES 中，搜索一般包括兩個(gè)階段：
query 階段：根據(jù)查詢條件，確定要取哪些文檔（doc），篩選出文檔 ID（doc_id）
fetch 階段：根據(jù) query 階段返回的文檔 ID（doc_id），取出具體的文檔（doc）
| 組合使用 Hbase
在《ES 億級(jí)數(shù)據(jù)檢索優(yōu)化，三秒返回突破性能瓶頸》一文調(diào)研的基礎(chǔ)上，發(fā)現(xiàn)「減少不必要的查詢展示字段」可以明顯縮短查詢耗時(shí)。
沿著這個(gè)優(yōu)化思路，設(shè)計(jì)了一種新的查詢方案：
ES 僅用于條件篩選，ES 的查詢結(jié)果僅包含記錄的唯一標(biāo)識(shí) sku_id（其實(shí)還包含 ES 為每條文檔記錄的 doc_id）
Hbase 是列存儲(chǔ)數(shù)據(jù)庫，每列數(shù)據(jù)有一個(gè) rowKey。利用 rowKey 篩選一條記錄時(shí)，復(fù)雜度為 O(1)。（類似于從 HashMap 中根據(jù) key 取 value）
根據(jù) ES 查詢返回的唯一標(biāo)識(shí) sku_id，作為 Hbase 查詢中的 rowKey，在 O(1) 復(fù)雜度下獲取其他信息字段，如價(jià)格，庫存等
使用 ES + Hbase 組合查詢方案，在線上進(jìn)行了小規(guī)模的灰度測(cè)試。在 1000W 量級(jí)的底池?cái)?shù)據(jù)中篩選 10W 的數(shù)據(jù)，對(duì)比 CK 翻頁方案，最壞耗時(shí)從 10~18s 優(yōu)化到了 3~6s 左右。
也應(yīng)該看到，使用 ES + Hbase 組合查詢方案，會(huì)增加系統(tǒng)復(fù)雜度，同時(shí)數(shù)據(jù)也需要同時(shí)存儲(chǔ)到 ES 和 Hbase。
RediSearch+RedisJSON 優(yōu)化方案
RediSearch 是基于 Redis 構(gòu)建的分布式全文搜索和聚合引擎，能以極快的速度在 Redis 數(shù)據(jù)集上執(zhí)行復(fù)雜的搜索查詢。
RedisJSON 是一個(gè) Redis 模塊，在 Redis 中提供 JSON 支持。RedisJSON 可以和 RediSearch 無縫配合，實(shí)現(xiàn)索引和查詢 JSON 文檔。
根據(jù)一些參考資料，RediSearch + RedisJSON 可以實(shí)現(xiàn)極高的性能，可謂碾壓其他 NoSQL 方案。在后續(xù)版本迭代中，可考慮使用該方案來進(jìn)一步優(yōu)化。
下面給出 RediSearch + RedisJSON 的部分性能數(shù)據(jù)。
| RediSearch 性能數(shù)據(jù)
在同等服務(wù)器配置下索引了 560 萬個(gè)文檔 (5.3GB)，RediSearch 構(gòu)建索引的時(shí)間為 221 秒，而 Elasticsearch 為 349 秒。RediSearch 比 ES 快了 58%。
數(shù)據(jù)建立索引后，使用 32 個(gè)客戶端對(duì)兩個(gè)單詞進(jìn)行檢索，RediSearch 的吞吐量達(dá)到 12.5K ops/sec，ES 的吞吐量為 3.1K ops/sec，RediSearch 比 ES 要快 4 倍。
同時(shí)，RediSearch 的延遲為 8ms，而 ES 為 10ms，RediSearch 延遲稍微低些。
| RedisJSON 性能數(shù)據(jù)
根據(jù)官網(wǎng)的性能測(cè)試報(bào)告，RedisJson + RedisSearch 可謂碾壓其他 NoSQL：
對(duì)于隔離寫入（isolated writes），RedisJSON 比 MongoDB 快 5.4 倍，比 ES 快 200 倍以上
對(duì)于隔離讀取（isolated reads），RedisJSON 比 MongoDB 快 12.7 倍，比 ES 快 500 倍以上
在混合工作負(fù)載場(chǎng)景中，實(shí)時(shí)更新不會(huì)影響 RedisJSON 的搜索和讀取性能，而 ES 會(huì)受到影響：
RedisJSON 支持的操作數(shù)/秒比 MongoDB 高約 50 倍，比 ES 高 7 倍/秒
RedisJSON 的延遲比 MongoDB 低約 90 倍，比 ES 低 23.7 倍
此外，RedisJSON 的讀取、寫入和負(fù)載搜索延遲，在更高的百分位數(shù)中遠(yuǎn)比 ES 和 MongoDB 穩(wěn)定。
當(dāng)增加寫入比率時(shí)，RedisJSON 還能處理越來越高的整體吞吐量。而當(dāng)寫入比率增加時(shí)，ES 會(huì)降低它可以處理的整體吞吐量。
總結(jié)
本文從一個(gè)業(yè)務(wù)訴求觸發(fā)，對(duì)“千萬量級(jí)數(shù)據(jù)中查詢 10W 量級(jí)的數(shù)據(jù)”介紹了不同的設(shè)計(jì)方案。
對(duì)于在 1000W 量級(jí)的底池?cái)?shù)據(jù)中篩選 10W 的數(shù)據(jù)的場(chǎng)景，不同方案的耗時(shí)如下：
多線程+CK 翻頁方案，最壞耗時(shí)為 10s~18s
單線程+ES scroll scan 深翻頁方案，相比 CK 方案，并未見到明顯優(yōu)化
ES+Hbase 組合方案，最壞耗時(shí)優(yōu)化到了 3s~6s
RediSearch+RedisJSON 組合方案，后續(xù)會(huì)實(shí)測(cè)該方案的耗時(shí)
轉(zhuǎn)自：變速風(fēng)聲
鏈接：https://juejin.cn/post/7104090532015505416
-End-
最近有一些小伙伴，讓我?guī)兔φ乙恍?nbsp;面試題 資料，于是我翻遍了收藏的 5T 資料后，匯總整理出來，可以說是程序員面試必備！所有資料都整理到網(wǎng)盤了，歡迎下載！
面試題】即可獲取
好文分享給更多人↓↓