共计 2513 个字符，预计需要花费 7 分钟才能阅读完成。
场景
大家如果是做后端开发的，想必都实现过列表查问的接口，当然有的查问条件很简略，一条 SQL 就搞定了，但有的查问条件极其简单，再加上库表中设计的各种不合理，导致查问接口特地难写，而后加班什么的就不用说了（不知各位有没有这种感触呢~）。
上面以一个例子开始，这是某购物网站的搜寻条件，如果让你实现这样的一个搜寻接口，你会如何实现？（当然你说借助搜索引擎，像 Elasticsearch 之类的，你齐全能够实现。但我这里想说的是，如果要你本人实现呢？）
从上图中能够看出，搜寻总共分为 6 大类，每大类中又分了各个子类。这两头，各大类条件之间是取的交加，各子类中有单选、多选、以及自定义的状况，最终输入符合条件的后果集。
好了，既然需要很明确了，咱们就开始来实现。
实现 1
率先退场是小 A 同学，他是写 SQL 方面的“专家”。小 A 信念满满的说：“不就是一个查问接口吗？看着条件很多，但凭着我丰盛的 SQL 教训，这点还是难不倒我的。”
于是乎就写出了上面这段代码（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 ...
limit m,n代码在测试环境跑了一把，后果如同都匹配上了，于是筹备上预发。这一上预发，问题就开始裸露进去。预发为了尽可能的真切线上环境，所以数据量自然而然要比测试大的多。所以这么一个简单的 SQL，它的执行效率可想而知。测试同学果决把小 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 性能剖析，对该加索引的中央都加上了索引。同时将一条简单 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, ...);这种计划从性能上显著比第一种要好很多，可是在性能验收的时候，产品经理还是感觉查问速度不够快。小 B 本人也晓得，每次查问都会向数据库查问屡次，而且有些历史起因，局部条件是做不到单表查问的，所以查问期待的工夫是防止不了的。
实现 3
小 C 从下面的计划中看到了优化的空间。他发现小 B 在思路上是没问题的，将简单条件拆分，计算各个子维度的后果集，最初将所有的子后果集进行一个汇总合并，失去最终想要的后果。
于是他突发奇想，是否当时将各个子维度的后果集给缓存起来，这要查问的时候间接去取想要的子集，而不必每次去查库计算。
这里小 C 采纳 Redis 来存储缓存数据，用它的次要起因是，它提供了多种数据结构，并且在 Redis 中进行汇合的交并集操作是一件很容易的事件。
具体计划，如图所示：
这里每个条件都当时将计算好的后果集 ID 存入对应的 key 中，选用的数据结构是汇合（Set）。查问操作包含：
- 子类单选：间接依据条件 key，获取对应后果集；
- 子类多选：依据多个条件 Key，进行并集操作，获取对应后果集；
- 最终后果：将获取的所有子类后果集进行交加操作，失去最终后果；
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。从需要中可知，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 形式是做不到的。这里咱们采纳 Redis 的另一种数据结构进行实现，有序汇合（Sorted Set）：
将所有商品退出 Key 为价格的有序汇合中，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 的有序汇合中就能够通过 ZRANGEBYSCORE 命令，依据分数（价格）区间，获取相应后果集。
至此，计划三的优化已全副完结，将数据的查问与计算通过缓存的伎俩，进行了拆散。在每次查找时，只须要简略的查找 Redis 几次就能得出后果。查问速度上合乎了验收的要求。
扩大
分页
这里你或者发现了一个重大的性能缺点，列表查问怎么能没有分页。是的，咱们马上来看 Redis 是如何实现分页的。
分页次要波及排序，这里简略起见，就以创立工夫为例。
如图所示：
图中蓝色局部是以创立工夫为分值的商品有序汇合，蓝色下方的后果集即为条件计算而得的后果，通过 ZINTERSTORE 命令，赋后果集权重为 0，商品工夫后果为 1，取交加而得的后果集赋予创立工夫分值的新有序汇合。对新后果集的操作即能失去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
对于索引数据更新的问题，有两种形式来进行。一种是通过商品数据的批改，来即时触发更新操作，一种是通过定时脚本来进行批量更新。这里要留神的是，对于索引内容的更新，如果暴力的删除 Key，再从新设置 Key。因为 Redis 中两个操作不会是原子性进行的，所以两头可能存在空白间隙，倡议采纳仅移除汇合中生效元素，增加新元素的形式进行。
性能优化
Redis 是内存级操作，所以单次的查问会很快。然而如果咱们的实现中会进行屡次的 Redis 操作，Redis 的屡次连接时间可能是不必要工夫耗费。通过应用 MULTI 命令，开启一个事务，将 Redis 的屡次操作放在一个事务中，最初通过 EXEC 来进行原子性执行（留神：这里所谓的事务，只是将多个操作在一次连贯中执行，如果执行过程中遇到失败，是不会回滚的）。
总结
这里只是一个采纳 Redis 优化查问搜寻的一个简略 Demo，和现有的开源搜索引擎相比，它更轻量，学习老本页相应低些。其次，它的一些思维与开源搜索引擎是相似的，如果再加上词语解析，也能够实现相似全文检索的性能。
起源：github.com/jasonGeng88/blog/blob/master/201706/redis-search.md
